如下：
数据集a有变量：x1，x2，x3等等
求各变量的均值方差，代码如下：
mean(a$x1) var(a$x1)。
mean(a$x2) var(a$x2)。
mean(a$x3) var(a$x3)。
……
如果有无效值，需要在括号内加入na.rm=T。
R是用于统计分析、绘图的语言和操作环境。
R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
R可以看作贝尔实验室（AT&T BellLaboratories）的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然，S语言也是S-Plus的基础。
所以，两者在程序语法上可以说是几乎一样的，可能只是在函数方面有细微差别，程序十分容易地就能移植到一程序中，而很多一的程序只要稍加修改也能运用于R。
formula代表拟合的公式，如Y~X，则对因变量Y和自变量X作线性拟合拟合模型为 y=a+bx ，如Y 0+X或Y X+0则除对因变量Y和自变量X作线性拟合外，还规定改直线必过原点及拟合模型为 y=x 。
lm对象即lm函数返回的值，其属性包括
常用的有 coefficients ， residuals 和 fitted.values ，分别表示拟合的得到的各系数的值、残差和预测值。
可以看出该拟合曲线为y=0.52805925 -0.02797779x
其他值的调用，包括p值，给定x预测的y值，拟合系数R方等需要通过summary函数调用
也可以直接通过 summary(line.model) 打印出大部分与回归直线相关的一些结果
方法/步骤
1、首先，先教大家如何使用SPSS多元线性回归分析
2、接下来是范例说明：
此案例是希望找到与营收相关的多元回归式
原先加入参数有：5个
调整後回归R方：0.888 / 显着性：皆小於0.05
看起来相当拟合，无任何差错
3、可依个人需求，勾选需要参考的指标
若是没有勾选，只会出现既定标准的指标
在此需加入 Statistisc中的 "共线性诊断"
4、排除共线性强因子，可用偏相关查看是否确实应该排除
主要是看 VIF值是否大於2 （大於2，表示共线性极强需改善）
否则会有交互作用
5、最後模型拟合程度，可在excel中
做主次座标清楚检视
