确定自变数（原因变数）和依变数（反应变数）之间数量关系的一种统计方法。一般以x表示自变数，y表示依变数。自变数为一个时，称一元回归分析；自变数为m个（x1，x2，…，xm；m≥2）时，称m元或多元回归分析。回归分析的基本内容，在一元回归时为：①应用最小平方法，确定y随x的变化而变化的一个回归方程y＝f（x）；②计算依变数y的离回归标准误sy/x，并测验＝f（x）的显著性。
确定自变数（原因变数）和依变数（反应变数）之间数量关系的一种统计方法。一般以x表示自变数，y表示依变数。自变数为一个时，称一元回归分析；自变数为m个（x1，x2，…，xm；m≥2）时，称m元或多元回归分析。回归分析的基本内容，在一元回归时为：①应用最小平方法，确定y随x的变化而变化的一个回归方程y＝f（x）；②计算依变数y的离回归标准误sy/x，并测验＝f（x）的显著性。这里的
是任一x上的y总体分布的中心估计；sy/x是围绕
＝f（x）的y总体分布的变异度估计。上述内容可类推于多元回归分析。但由于自变数有m个，故回归方程和离回归标准误需分别写成：
＝f（x1，x2，…，xm）和Sy/x1，…xm。由于事物间数量关系的多样性，以上两类方程的具体形式也是多种多样的。可概括地分为线性的和非线性的两类。前者表示y是随x的变化而呈线性改变的；后者则表示y和x是各种各样的非线性关系。线性回归方程的形式可写作：
＝a＋b1x1＋b2x2＋…＋bmxm。回归分析主要应用于需从自变数预测（预报）和控制（矫正）依变数y的一类问题上。它要求自变数应是水平可控、没有误差或误差很小，而依变数则既随自变数取值的改变而按一定的规律改变，又具有随机误差。
QQ空间
新浪微博
微信扫一扫
所有评论仅代表网友意见