项目背景
Butler汽运公司，位于美国加洲，该公司的主要业务是在当地运送货物。为了更好地制定工作计划，Butler汽运公司打算评估公司每个运送任务，如果能把运送时间和影响因素构建模型，那就能预测新的任务所需要的时间，据此更好的安排运送任务，增加人员工作效率，提高公司效益。
我们从公司多年的经营经验可以得知，运送任务的里程、其中分送货物的次数和途中是否交通拥堵与运送时间都有着密切的关系。所以我们将运送时间作为因变量，运送里程、分送次数、是否交通拥堵作为自变量，建立多元回归模型。
建立模型--多元回归模型
从公司的历史业务中随机抽取出的300个样本数据。
通过Excel建立多元回归模型
由上图可知：
1）模型的可决系数R平方是0.88，表明模型能解释任务运送时间88%的变异。
2）F检验统计量对应的P值5.7766E-138非常小，说明模型的总体代表性通过显著性检验。
3）每个回归参数（行驶里程p值4.7852E-105，分数次数p值6.74797E-87，是否交通拥堵p值6.49817E-31)都很小，意味着模型中的每个自变量，都对因变量起着显著的影响作用。
假设：行驶时间为Y，行驶里程X1，分送次数X2，交通拥堵X3（是时取1，否时取0），则回归方程为
运送任务遇到交通拥堵，则回归方程：
运送任务没有遇到交通拥堵，则回归方程：
代入各个自变量的回归参数，可知估计的回归方程为：
运送任务遇到交通拥堵，则回归方程：
运送任务没有遇到交通拥堵，则回归方程：
结论：
综上所述，模型能预测不同运送任务的行驶时间。
根据回归模型，我们可以给出估计：
1）分送次数、是否交通拥堵一定时，行驶里程每增加1英里，行驶时间增加0.0672小时；
2）行驶里程、是否交通拥堵一定时，分送次数每增加1次，行驶时间增加0.6735小时；
3）行驶里程、分送次数一定时，交通拥堵会是行驶时间增加0.9980小时.
由此可以根据预测的运送任务所需时间，给驾驶人员合理安排任务，合理增加人员效率，提高公司效益。