包括以下三个部分： 1. 假设检验：明确研究问题和变量，提出假设，在一定显著水平下进行检验，确定是否进行回归分析。

2. 模型建立：确定回归方程的自变量和因变量，选择合适的变量进行回归分析，进行变量筛选和变量转换，依据OLS法求解回归系数，得到回归方程。

3. 模型诊断：对回归分析得到的结果进行一系列检验，包括残差分析、多重共线性检验、统计显著性检验等，判断回归分析结果的可靠性，并对分析结论进行解释和挖掘。

需要注意的是，在实际分析中，多重线性回归分析过程可能会涉及到一些具体的细节问题，比如数据清洗、缺失数据处理、样本粗略分析等，这些都需要根据实际情况进行处理。