多元线性回归的前提条件
零均值假定：假设随机扰动项的期望或均值为零。同方差和无自相关假定：假设随机扰动项互不相关且方差相同。随机扰动项与解释变量不相关假定：假设随机扰动项与自变量的协方差为0。
多元线性回归模型的基本假设如下：随机误差项ε i 具有零均值和同方差，即：E（ε i ）=0，D（ε i ）=σ 2 。
多元线性回归的基本假设如下：零均值假定：假设随机扰动项的期望或均值为零。同方差和无自相关假定：假设随机扰动项互不相关且方差相同。随机扰动项与解释变量不相关假定：假设随机扰动项与自变量的协方差为0。
什么是多元线性回归?
多元回归是两个或两个以上自变量与因变量之间建立回归关系的一种回归分析方法。
如果回归分析中包括两个或两个以上的自变量多元限行回归，且因变量和自变量之间是线性关系多元限行回归，则称为多元线性回归分析。
当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元线性回归。
【答案】多元限行回归：A 解析：多元线性回归是简单线性回归的推广，指的是多个因变量对多个自变量的回归。其中最常用的是只限于一个因变量但有多个自变量的情况，也叫多重回归。故选A。
多元回归就是多元线性回归吗?
多元线性回归分析的优点：在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。
事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
多元线性回归和多重线性回归有什么区别?
自变量的数据类型不同 多元线性回归：多元线性回归的自变量X的数据类型是连续型变量。多重线性回归：多重线性回归的自变量X的数据类型可能存在多种数据类型多元限行回归，例如性别等的离散型变量。
多重线性回归模型可视为简单直线模型的直接推广多元限行回归，具有两个及两个以上自变量的线性模型即为多重线性回归模型多元限行回归；logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。
不同点：(1) 因变量类型：简单线性回归和多重线性回归的因变量是连续变量，而logistic回归的因变量是分类变量，可以是二分类的或多分类的。