按顺序运行R回归可以使用函数lm()来拟合线性回归模型。以下是一个示例解决方案，包含了按顺序运行R回归的代码示例：

# 数据准备
x <- c(1, 2, 3, 4, 5) # 自变量
y <- c(3, 5, 7, 9, 11) # 因变量

# 第一步：拟合简单线性回归模型
model1 <- lm(y ~ x)

# 第二步：查看模型结果
summary(model1)

# 第三步：预测新数据点
new_data <- data.frame(x = 6)
predicted <- predict(model1, newdata = new_data)
print(predicted)

# 第四步：拟合多元线性回归模型
z <- c(2, 4, 6, 8, 10) # 第二个自变量
model2 <- lm(y ~ x + z)

# 第五步：查看模型结果
summary(model2)

# 第六步：预测新数据点
new_data <- data.frame(x = 6, z = 12)
predicted <- predict(model2, newdata = new_data)
print(predicted)

在这个示例中，首先我们准备了自变量x和因变量y的数据。然后，我们按顺序执行以下步骤：

1. 使用lm()函数拟合简单线性回归模型，将其存储在model1对象中。
2. 使用summary()函数查看模型结果，打印出模型的摘要统计信息。
3. 创建一个新的数据点new_data，使用predict()函数基于模型1预测该数据点的因变量值。
4. 引入第二个自变量z，使用lm()函数拟合多元线性回归模型，将其存储在model2对象中。
5. 再次使用summary()函数查看模型结果，打印出模型的摘要统计信息。
6. 创建一个包含两个自变量的新数据点new_data，使用predict()函数基于模型2预测该数据点的因变量值。

按照这个顺序运行代码，你可以依次拟合不同的回归模型，并查看它们的结果。