多元回归分析是一种统计方法，用于研究两个或多个自变量（预测因子）与因变量（被解释变量）之间的关系。在这个问题中，我们需要建立一个量化模型，分析新能源电动汽车对全球传统能源汽车产业的影响。我们可以从以下几个方面入手：

1. 数据收集：首先，我们需要收集关于新能源电动汽车和传统能源汽车的数据。这些数据可以包括销售量、市场份额、销售额、生产成本、政策支持等。此外，我们还需要收集一些可能影响这两者关系的其他因素，如石油价格、政府补贴政策、环保意识等。
2. 数据预处理：在进行多元回归分析之前，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等。这一步骤的目的是确保数据的质量和准确性，从而提高分析结果的可靠性。
3. 建立多元回归模型：根据收集到的数据和分析目的，我们可以建立一个多元回归模型。在这个模型中，新能源电动汽车销量作为因变量（Y），其他自变量（X1、X2、X3...）作为预测因子。我们需要选择一个合适的回归方法（如线性回归、逻辑回归等），并确定各个预测因子的权重。
4. 模型评估：建立好多元回归模型后，我们需要对其进行评估，以确定模型的拟合程度和预测能力。常用的评估指标有R²、调整R²、F统计量等。如果模型的评估指标达到预期水平，说明模型具有较好的预测能力；否则，需要重新调整模型或选择其他预测因子。
5. 结果解释：通过多元回归分析，我们可以得出新能源电动汽车对全球传统能源汽车产业的影响程度及影响因素。例如，我们可以通过计算各个预测因子的权重，了解哪些因素对新能源电动汽车销量的影响最大；或者通过构建预测模型，预测未来几年内新能源电动汽车在全球传统能源汽车市场的地位变化。
6. 策略建议：根据多元回归分析的结果，我们可以为政府、企业和个人提供一些策略建议。例如，政府可以加大对新能源电动汽车的政策支持力度，提高消费者购买意愿；企业可以加大新能源汽车的研发和生产力度，提高市场占有率；个人可以选择购买新能源汽车，减少对传统能源汽车的依赖。