回归分析是一种应用极广的数量分析方法。它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过一定的数学表达式来表述这种关系，帮助人们准确把握变量受其他一个或多个变量影响的程度，进而为预测提供科学依据。“回归”一词是英国统计学家盖尔顿(F.Galton)在研究父亲身高和其成年儿子的身高关系时提出的。从大量的父亲身高和其成年儿子身高数据的散点图中，盖尔顿发现了一条贯穿其中的线，能够描述父亲身高和其成年儿子身高之间的关系，并可用于预测父亲身高及其成年儿子的平均身高。盖尔顿将这种现象称为“回归”。后来，人们借用“回归”这个名词，将研究事物之间统计关系的数量分析方法称为回归分析。回归分析包括线性回归分析和非线性回归分析。

对于线性回归中两个变量,一般认为其中是一个可以精确测量或控制的非随机变量,而另一个或几个是随机变量,但它们之间的变化关系是不确定的,它们之间存在着相关关系。一元线性回归分析用来分析单个解释变量对被解释变量的影响,多元线性回归分析主要用来分析多个解释变量对被解释变量的影响。