先說原理，資料中隱含有模式，要做的是把模式提取出來(即模型)。模式提取的充分與否，是看殘差(提取模式後剩下的)是否不再含有模式，如果是，則殘差服從0附近的正態分佈(即隨機白噪聲)，此時模型已經是成功的充分模型。否則，說明資料中的模式沒有完全提取出來，模型是不充分的，需要繼續改進。

再說具體操作，可以先選用簡單的多元線性迴歸模型，然後檢驗殘差，若是隨機白噪聲，則完成建模。否則就需要繼續引入各變數的非線性項、互動項，當然優先從低次到高次。那麼引入很多項進來，如何取捨，用逐步迴歸即可。

建模，檢驗，建模，檢驗……反覆操作直到殘差只剩下隨機白噪聲為止。

因為泰勒公式的緣故，理論上來說，上述操作一般都是可行的。

第二個問題，如果迴歸模型確定正確(指的是可以依背景原理解釋)，那麼可以這麼說。而實際上，大家做這種迴歸，基本都是在玩數字遊戲，得到的只是偽迴歸。

一般的多元線性迴歸就是最小二乘迴歸,也可以選別的

但是你的資料根本就不夠啊,最小二乘迴歸無解,至少要m+1組以上的資料

要看你計算的是誰的自由度了,比如殘差平方和Q的自由度是n(資料組數)-(m+1)(自變數個數)