1、与简单线性回归区别多个自变量x
2、多元回归模型
其中：β0，β１，β2... βp是参数、 ε是误差值
3、多元回归方程
4、估计多元回归方程
一个样本被用来计算β0，β１，β2... βp的点估计b0, b1, b2,..., bp
5、估计流程（与简单线程回归类似）
6、估计方法，使用sum of sequares最小min求和方差
7、例子
一家快递公司送货：X1： 运输里程 X2： 运输次数 Y：总运输时间
Time = b0+ b1*Miles + b2 * Deliveries
Time = -0.869 + 0.0611 Miles + 0.923 Deliveries
8. 描述参数含义
b0: 平均每多运送一英里，运输时间延长0.0611 小时
b1: 平均每多一次运输，运输时间延长 0.923 小时
如果一个运输任务是跑102英里，运输6次，预计多少小时？
Time = -0.869 +0.0611 *102+ 0.923 * 6
= 10.9 (小时）
10. 如果自变量中有分类型变量(categorical data) , 如何处理？
11. 关于误差的分布
误差ε是一个随机变量，均值为0
ε的方差对于所有的自变量来说相等
所有ε的值是独立的
ε满足正态分布，并且通过β0＋β１x1+β2x2+ ... +βpxp反映y的期望值
