在本节课中，我们将进一步讨论混杂检验的重要性，并举例说明在哪些情况下混杂变量可以解释解释变量和响应变量之间的关联。此外，既然您已经对解释变量和响应变量之间的关联进行了统计检验，那么您将使用针对定量响应变量的基本线性回归分析来检验和解释这种关联。您还将了解如何使用线性回归模型来预测观察到的响应变量。最后，我们还将讨论线性回归模型所依据的统计假设，并向您展示对解释变量进行编码的一些最佳实践。 注意，如果您的研究问题不包括定量响应变量，您可以使用数据集中的一个定量响应变量来练习使用该工具。

多元回归分析是一种工具，通过在线性回归模型中添加额外的定量和/或分类解释变量，您可以扩展研究问题，并对解释变量和响应变量之间的关联进行更严格的检验。在本课中，您将应用和解释定量响应变量的多元回归分析，并学习如何使用置信区间来考虑估计群体参数时的误差。您还将学习如何在线性回归模型中考虑非线性关联。最后，您将积累使用回归诊断技术的经验，以评估多元回归模型对观察到的响应变量的预测效果。 请注意，如果您尚未确定其他解释变量，则应从数据集中选择至少一个额外的解释变量。当您回到代码簿时，问自己几个问题，比如 "还有哪些变量可以解释我的解释变量和响应变量之间的关联？"；"还有哪些变量可以解释我的响应变量的更多变化？"，甚至 "还有哪些解释变量可能值得探索？其他解释变量可以是定量变量、分类变量或两者兼而有之。虽然测试多元回归模型只需要两个解释变量，但我们鼓励您确定一个以上的额外解释变量。这样做能让您真正体验到多元回归分析的威力，并增强您测试和解释更复杂回归模型的信心。如果您的研究问题不包括一个定量反应变量，您可以使用与模块 2 相同的定量反应变量，也可以从您的数据集中选择另一个变量。

在本节课中，我们将讨论在今后继续使用数据分析时应该牢记的一些事项。我们还将教你如何在多元回归分析中测试具有两个以上类别的分类解释变量。最后，我们将向您介绍对带有多个解释变量的二元响应变量进行逻辑回归分析的方法。逻辑回归只是线性回归模型的另一种形式，因此其基本思想与多元回归分析相同。但与多元回归模型不同的是，逻辑回归模型是为测试二元响应变量而设计的。您将获得测试和解释逻辑回归模型的经验，包括使用几率比和置信区间来确定解释变量和响应变量之间的关联程度。 您可以使用与测试定量结果多元回归模型相同的解释变量，但响应变量必须是二元变量（有两个类别的分类变量）。如果您使用的是定量响应变量，则必须将其分为 2 个类别。或者，您可以从数据集中选择一个不同的二元响应变量，用来测试逻辑回归模型。如果您的分类响应变量有两个以上的类别，则需要将其分解为两个类别。