原理
如果散點圖中點的分布從整體看大緻在一條直線附近，我們就稱這兩個變量之間具有線性相關關系，這條直線叫做回歸直線。根據不同的标準，可以畫出不同的直線來近似表示這種線性相關關系。比如可以連接最左側點和最右側點得到一條直線，或者讓畫出的直線上方的點和下方的點數目相等。當所有數據點都分布在一條直線附近，顯然這樣的直線還可以畫出許多條，而我們希望找出其中的一條，它能最好地反映x與Y的關系，換言之，我們要找出一條直線，使這條直線“最貼近”已知的數據點。記此直線方程為y^=a+bx。這裡在y的上方加記号“^”是為了區分Y的實際值y，表示x取值xi(i=1，2，3……，n)時，Y相應的觀察值為yi，而直線上對應于xi的縱坐标是yi^=a+bxi（i為x右下角的數值）。y^=a+bx式叫做Y對x的回歸直線方程，b叫回歸系數。要确定回歸直線方程，隻要确定a于回歸系數b。
用例
在回歸分析中，用來描述具有線性關系的因變量y與自變量xi的關系曲線，其一般表達式是y=a+∑bixi，i=1,2,…,n。
回歸方法
“回歸”這個詞是由英國著名的統計學家FrancilsGalton提出來的。1889年，他在研究祖先與後代身高之間的關系時發現，身材較高的父母，他們的孩子也較高，但這些孩子的平均身高并沒有他們父母的平均身高高；身材較矮的父母，他們的孩子也較矮，但這些孩子的平均身高卻比他們父母平均身高高。Galton把這種後代的身高向中間值靠近的趨勢稱為“回歸現象”。後來，人們把由一個變量的變化去推測另一個變量的變化的方法叫做回歸方法。
