Y是quantitative变量，不用logistic regression（如果你的log是指这个的话）；
若假定Y和X1是比例关系，那就用线型回归模型；
X1和X2肯定有相关性，但到底严不严重，要考察variance inflation factor (VIF)大不大，按经验，收入应该受学历的影响更大；
X3、X4都用哑变量表示；
在R中，用lm()函数解决即可。

利用这个周末多翻查些资料吧，如果哪个具体地问题不明白，尽管问，但是如果从头到尾都没有概念，最好去翻书了。

太感谢啦！

用了最简单的模型，R的输出结果如下，请问怎么改进啊？
> y1 <- Loan
> x1 <- Income
> x2 <- Gender
> x3 <- Customer (Existing customer vs New customer)
> x4 <- Age
> fit1 <- glm(y1~x1+x2+x3+x4)
> summary(fit1)

Call:
glm(formula = y1 ~ x1 + x2 + x3 + x4)

Deviance Residuals:
     Min        1Q    Median        3Q       Max  
-1.93814  -0.47613  -0.02571   0.45665   2.87603  

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept) 8.569570   0.182436  46.973  < 2e-16 ***
x1          0.065963   0.003539  18.641  < 2e-16 ***
x2M         0.109273   0.043666   2.503 0.012491 *  
x3N         0.018938   0.067824   0.279 0.780131   
x4          0.008240   0.002223   3.706 0.000222 ***
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 0.4580338)

    Null deviance: 635.32  on 999  degrees of freedom
Residual deviance: 455.74  on 995  degrees of freedom
AIC: 2064.1

Number of Fisher Scoring iterations: 2