在迴歸分析中，如果有兩個或兩個以上的自變數，就稱為多元迴歸。事實上，一種現象常常是與多個因素相聯絡的，由多個自變數的最優組合共同來預測或估計因變數，比只用一個自變數進行預測或估計更有效，更符合實際。因此多元線性迴歸比一元線性迴歸的實用意義更大。

1、普通最小二乘法(Ordinary Least Square, OLS)

普通最小二乘法透過最小化誤差的平方和尋找最佳函式。

多元線性迴歸

透過矩陣運算求解係數矩陣

2、廣義最小二乘法(Generalized Least Square)

廣義最小二乘法是普通最小二乘法的拓展，它允許在誤差項存在異方差或自相關，或二者皆有時獲得有效的係數估計值。

多元線性迴歸

其中，Ω是殘差項的協方差矩陣。

線性迴歸預測法就是尋找變數之間的因果關係，並將這種關係用數學模型表示出來，通過歷史資料計算這兩種變數的相關程度，從而預測未來情況的一種方法。

線性迴歸預測法，統計學名詞。一元線性迴歸分析預測法， 是根據自變數x和因變數Y的相關關係，建立x與Y的線性迴歸方程進行預測的方法。由於市場現象一般是受多種因素的影響，而並不是僅僅受一個因素的影響。所以應用一元線性迴歸分析預測法，必須對影響市場現象的多種因素做全面分析。