La ecuación de Regresión Simple permite hacer predicciones de una variable en función de otra. El comportamiento es muy complejo, y hacer predicciones con una sola variable predictora es demasiado simple. Mejoraríamos la posibilidad de predicción (o explicación) del comportamiento si utilizamos más de una variable predictora. Para resolver esta cuestión se define la ecuación de Regresión Múltiple (puntuaciones directas):

donde

X_i: Variable predictora (o explicativa).

B_i: Coeficiente de la variable predictora X_i

A: Interceptal o constante

La valoración de la capacidad predictiva de la ecuación de Regresión Múltiple se puede hacer con el Coeficiente de Determinación, que se interpretado de forma semejante a como ha sido explicado para la ecuación de Regresión Simple: Da la proporción de variación explicada por el conjunto de variables predictoras (o explicativas). El Coeficiente de Determinación es el cuadrado del coeficiente de Correlación Múltiple, que es la correlación de Pearson entre la variable Y y la variable Y' (la variable que contiene las predicciones de Y):

donde el primer subíndice indica cuál es la variable criterio y los otros indican cuáles son las variables predictoras (o explicativas).

Coeficiente de determinación: