变量之间关系的挺讲究方式方法的，尤其做多元统计时，选对工具能省不少事。像回归主要看一个变量是不是受另一些变量影响，适合搞预测模型的；而典型相关更偏重于两组变量间的整体联系，常用于模式识别或社会科学研究那块。

资源方面，有几个我觉得还不错。比如这篇《多元统计回归解析》，讲得比较基础，适合入门。用SPSS也能做回归，这篇就了怎么选自变量，蛮实用的。

要是你偏向动手，Matlab和Python都有现成代码。像Matlab 实现典型相关、Python 实现，还有优化版的MATLAB 代码优化，都能直接上手跑。代码也挺清晰，适合直接改造用。

嗯，如果你是做深度学习或信号的，深度规范相关那篇也可以看看，思路比较前沿。还有像因子那篇，顺手也能补下知识盲区。

提醒一句，变量多了模型就容易过拟合，变量选择和数据预别忽略。如果你想把结果可视化，那就配合Matplotlib或Seaborn来用，效果还不错。