迴歸分析（regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛，迴歸分析按照涉及的變數的多少，分為一元迴歸和多元迴歸分析；按照因變數的多少，可分為簡單迴歸分析和多重回歸分析；按照自變數和因變數之間的關係型別，可分為線性迴歸分析和非線性迴歸分析。如果在迴歸分析中，只包括一個自變數和一個因變數，且二者的關係可用一條直線近似表示，這種迴歸分析稱為一元線性迴歸分析。如果迴歸分析中包括兩個或兩個以上的自變數，且自變數之間存線上性相關，則稱為多重線性迴歸分析。擴充套件資料：迴歸分析步驟1、確定變數明確預測的具體目標，也就確定了因變數。如預測具體目標是下一年度的銷售量，那麼銷售量Y就是因變數。透過市場調查和查閱資料，尋找與預測目標的相關影響因素，即自變數，並從中選出主要的影響因素。2、建立預測模型依據自變數和因變數的歷史統計資料進行計算，在此基礎上建立迴歸分析方程，即迴歸分析預測模型。3、進行相關分析迴歸分析是對具有因果關係的影響因素（自變數）和預測物件（因變數）所進行的數理統計分析處理。只有當自變數與因變數確實存在某種關係時，建立的迴歸方程才有意義。因此，作為自變數的因素與作為因變數的預測物件是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行迴歸分析必須要解決的問題。進行相關分析，一般要求出相關關係，以相關係數的大小來判斷自變數和因變數的相關的程度。4、計算預測誤差迴歸預測模型是否可用於實際預測，取決於對迴歸預測模型的檢驗和對預測誤差的計算。迴歸方程只有透過各種檢驗，且預測誤差較小，才能將回歸方程作為預測模型進行預測。5、確定預測值利用迴歸預測模型計算預測值，並對預測值進行綜合分析，確定最後的預測值。