• 明确需求（因变量Y）
  

• 采集数据，数据清洗（缺失值，异常值（3倍标准差），分类变量）

• 变量筛选（相关系数，散点图）

• 分割测试集（80%），训练集（20%）

• 用训练集来做回归模型（F检验，t检验，R^2 ，调整R^2）,R^2不能太高，不能太低

• 模型检验，高斯马尔科夫假设（

  a. 线性于参数
  

  
  

b. 随机抽样

c. 不存在完全共线性

d. 误差的条件均值为零误差

e的同方差性

f. 误差的正态性

7.模型优化（交互项，高次项，平方项，季节趋势）

8.逐步回归，交叉检验

9.模型测试