在R语言中建立多元线性回归模型可以使用lm()函数。以下是一个简单的例子：

假设我们有一个数据集data，其中包含了两个自变量x1和x2，以及一个因变量y。我们想建立一个多元线性回归模型来预测y。

首先，我们可以使用lm()函数来建立模型：

model <- lm(y ~ x1 + x2, data=data)

这里，lm()函数的第一个参数是一个公式，其中y是因变量，而x1和x2是自变量。第二个参数data指定了使用的数据集。

接着，我们可以使用summary()函数来查看模型的统计信息：

summary(model)

这将输出模型的系数、拟合度等统计信息。

最后，我们可以使用predict()函数来对新的数据进行预测：

new_data <- data.frame(x1=1, x2=2)predictions <- predict(model, newdata=new_data)

这将输出新数据点对应的因变量y的预测值。

通过上述步骤，我们就可以在R语言中建立多元线性回归模型并进行预测。