随着科学技术和社会经济的迅速发展,信息资源不断膨胀,管理者需要决策的事物逐渐增多。如果能对事物未来的发展做出准确预测,就能为管理者做出合理的决策提供依据。多元线性回归分析模型是众多预测方法中的一种,它是通过一组自变量来预测一个或多个因变量的统计方法。目前,在工农业生产及科学研究中有着非常广泛的应用。多元线性回归分析模型也存在不足之处。首先,它不能实时地跟踪因变量的动态变化,模型的反映延迟比较大,系统响应时间长;其次,多元线性回归分析模型对大量样本中的病态数据(异常数据)比较敏感,在运算的过程中,如果出现病态的数据,就会影响拟合的效果,使预测的结果不准确。然而,在实际中不仅需要实时跟踪因变量的动态变化,同时也需要避免少量的病态数据对拟合效果的影响。灰色系统理论是基于时间序列的,它能够突出最新数据在预测结果中所起到的重要作用,尽量弱化时间久远的数据对预测的影响,因此灰色系统能够实时地跟踪因变量的动态变化,准确地预测出因变量及其变化趋势。另外,灰色系统理论基于时间序列累加的特性,避免了少量病态数据对拟合效果的影响。本文在总结了灰模型GM(1,N)的不足基础之上,并综合了灰色系统的两个特性,提出把灰色系统理论与多元线性回归分析模型相结合的思想,并建立了一种新的模型—灰多元线性回归分析模型。基于提出的新模型,建立了灰多元统计分析平台,在平台上实现了多元线性回归分析模型、灰模型GM(1,N)和新模型,并进行了大量的实验。实验结果表明,新模型有效地解决了多元线性回归分析模型和灰模型GM(1,N)的不足,不仅能够减少病态数据对拟合效果的影响,而且能够实现对因变量的动态跟踪,使预测的结果更准确、更真实。为了验证新模型的有效性,本文将新模型应用到几个实际应用中。通过新模型对因变量进行预测,并对预测结果进行分析,最后得出一个重要结论:新模型在实际应用中是非常有效的,预测结果可以为上层管理者提供决策支持的理论依据。