现在您已经掌握了回归分析的基础知识，下一步就是考虑如何评估和修改基本回归模型。 本模块将向您介绍模型拟合度的常用测量方法和回归分析的三个核心假设。 此外，我们还将探讨使用二元（又称虚拟）处理变量进行回归分析的特殊情况。 哑变量有两个值，在统计学中经常使用。 了解如何使用和解释虚拟变量为建立多元回归模型奠定了基础，我们将在下一个模块中讨论这个问题。

二元回归模型是统计学的重要组成部分，但在实践中通常不足以作为描述性、因果性或预测性推断的有用模型。 这是因为影响特定动态的变量通常有多个。 无论是对政治行为、环境过程还是药物治疗结果进行建模，几乎总是需要考虑对相关结果的多重影响。 本模块将介绍回归分析的多元模型，并解释解释和评估多元分析结果的适当方法。

一旦掌握了 OLS 多变量模型，您就可以学习各种回归建模技术了。 请记住，研究人员应始终使用最能帮助他们回答手头问题的建模工具。 本模块将特别关注两种工具：交互项和二元因变量模型。 不过，请记住，根据您试图回答的研究问题，您可以学习和使用许多回归建模工具。 在对回归基础知识有了扎实的了解后，作为分析的生产者和消费者，您应该觉得自己有能力扩展这一知识库。