在shiny中构建多元线性回归模型需要将数据加载到shiny应用程序中，然后使用lm()函数建立回归模型。下面是一个简单的多元线性回归shiny应用程序的示例代码：

UI部分：

library(shiny)

# Define the UI for the application
ui <- fluidPage(

  # Application title
  titlePanel("Multiple Linear Regression"),

  # Sidebar with a slider input for number of cylinders
  sidebarLayout(
    sidebarPanel(
      sliderInput("cyl",
                  "Number of Cylinders:",
                  min = 4,
                  max = 8,
                  value = 6)
    ),

    # Show a plot of the generated distribution
    mainPanel(
      plotOutput("regPlot")
    )
  )
)

Server部分：

# Define server logic required to generate and plot a linear regression
server <- function(input, output) {

  # Read the mtcars dataset into a data table
  data <- reactive({
    mtcars
  })

  # Generate the linear regression model with input$cyl as the predictor
  regModel <- reactive({
    lm(mpg ~ disp + hp + drat + wt + qsec, data = data())
  })

  # Output the linear regression plot using ggplot2
  output$regPlot <- renderPlot({
    require(ggplot2)

    # Create a plot of predicted vs. actual values
    ggplot(regModel(), aes(x = .fitted, y = .resid)) +
      geom_point() +
      ggtitle("Predicted vs. Actual Values") +
      ylab("Residuals") +
      xlab("Fitted Values")
  })
}

最后，运行应用程序：

# Run the application
shinyApp(ui = ui, server = server)

这个shiny应用程序允许用户通过滑动条来选择一个输入变量（即：气缸数）并生成一个基于多元线性回归模型的散点图示意