在简单回归分析中，讨论了两个变量的回归问题，其中因变量只与一个自变量有关。在现实中，大多数影响因变量的因素不是一个而是多个。在回归分析中，如果对两个或两个以上的自变量对因变量影响现象进行分析，这就叫做多重回归。由于一种现象常常与多种其他现象相联系，用多个自变量的最优组合共同来预测（估计）因变量，比只用一个自变量进行预测（估计）更有效，更符合实际，多重回归可增强对因变量的分析估计的准确性。
多重线性回归（multiplelinearregression）的基本原理和基本计算过程与简单回归相同，但多重线性回归比简单回归的实用意义更大。由于自变量个数多，计算相当麻烦，一般在实际应用时要借助于计算机，下面介绍多重线性回归的基本原理及过程。
