什么是回归分析？
（一）回归分析的概念
回归分析是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似地表达变量间平均变化关系的一种统计分析方法。
（二）回归分析与相关分析的关系
1.回归分析与相关分析的区别
（1）在相关分析中，不必确定自变量和因变量；而在回归分析中，必须事先确定哪个为自变量，哪个为因变量，而且只能从自变量去推测因变量，而不能从因变量去推断自变量。
（2）相关分析不能指出变量间相互关系的具体形式；而回归分析能确切地指出变量之间相互关系的具体形式，它可根据回归模型从已知量估计和预测未知量。
（3）相关分析所涉及的变量一般都是随机变量，而回归分析中因变量是随机的，自变量则作为研究时给定的非随机变量。
2.回归分析与相关分析的联系
相关分析和回归分析有着密切的联系，它们不仅具有共同的研究对象，而且在具体应用时，常常必须互相补充。相关分析需要依靠回归分析来表明现象数量相关的具体形式，而回归分析则需要依靠相关分析来表明现象数量变化的相关程度。只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。
简单地说：
（1）相关分析是回归分析的基础和前提；
（2）回归分析是相关分析的深入和继续。
相关分析和回归分析是对客观现象进行分析的有效方法，但是只是定量分析的手段。通过相关分析和回归分析虽然可以从数量上反映现象之间的联系形式及其密切程度，但是无法确定地判断现象内在联系的有无。如果对本来没有内在联系的现象仅凭数据进行相关分析和回归分析，就可能是一种“伪相关”或“伪回归”，这样不仅没有实际意义，而且会导致荒谬的结论。(www.xing528.com)
啤酒和婴儿尿布的销售量之间有很强的相关性，但喝啤酒的人一般不用垫尿布。
打太极拳可以强壮身体，延长寿命，但是打太极拳的人的寿命可能会与不打太极拳的人的寿命没有什么差异。因为打太极拳的人都是体弱多病的人，而表现出虚假的独立性。
（三）回归分析的基本步骤
1.确立预测目标，寻找影响因素。
2.收集整理因变量和自变量的观测样本资料。
3.建立回归模型。
4.进行显著性检验。依据一组因变量、自变量的样本资料建立回归方程，一般只有通过r显著性检验、t显著性检验和F显著性检验之后，才能说明回归方程具有实际意义。
5.进行预测。
（四）回归分析的类型
按自变量的多少分为一元回归分析和多元回归分析。
按自变量与因变量间因果关系的性质分为线性回归分析与非线性回归分析。
图6-5 回归分析的类型
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
