统计数据可以帮助我们将人类行为分解为数学关系，并帮助我们预测未来的行为。在经济和商业中，需求函数可用于帮助预测未来商品的价格和成功。多元回归分析用于获得需求函数。这可以在专用统计软件包上完成，也可以在通常具有可选统计软件包的电子表格程序上完成。
收集您的数据。您必须包含一个表示需求（价格）的变量，并生成一个确定需求的变量列表;例子可以在标准经济学教科书中找到。您必须能够访问这些变量的定量数据。一种变量是替代品或补充品的价格。以玉米片生产商为例，他们的好处的替代品是麸皮片。玉米片的补充是牛奶。另一个重要的决定因素是消费者的收入。
将数据整理到电子表格中的垂直列中。在我们的例子中，在最左边的列（因变量）中，我们可以在两年内连续几个月内获得玉米片的价格。下一栏可能是每个日期的麸皮片价格，其次是牛奶价格，消费者收入，出口虚拟变量等等。每行包含给定日期的所有变量。
下载并安装电子表格软件的统计软件包。对于Microsoft Excel，这是“数据分析工具库”。或者，使用专用统计软件包，例如“Eviews”。
在软件包中选择回归选项。在Excel中，选择“工具”下的“数据分析”，然后选择多元回归选项。
输入因变量（Y）和自变量（X）的数据。在我们的例子中，价格是因变量，在最左边的列中，麸皮片，牛奶的价格和消费者的收入是独立变量。
运行回归。这应该为您提供系数或需求函数的参数。在我们的例子中，第一个系数将是量化麸皮片价格对玉米片价格影响的数字。下一个系数将用于牛奶，依此类推。仅包括具有统计意义的那些。您必须决定您的重要程度，无论是10％，5％还是1％。由系数旁边给出的“P值”给出了显着性，其中对于1％的显着性水平，P = 0.01。
以下列形式写下您的需求函数：Y = b1x1 + b2x2 + b3x3，其中Y是因变量（价格，用于表示需求），X1，X2和X3是自变量（玉米片价格等）和b1，b2和b3是等式的系数或参数。
