1、帧霭绎郎线性回归（最常用）一元线性回归：步骤如下（1）作两变量散点图－观相关性；（2）选定自/因变量，进行回归分析；（3）回归方程检验（方程意义、显著性、系数显著性、残差（观测值-预测值）分析）；叵萤茆暴（4）回归方程修正。多元线性回归：为了弥补一元线性回归无法完全解释因变量变化信息而引入（只有当一元回归效果很差才考虑，且自变量间互不相关）步骤如下选择因变量－确定自变量对因变量的解释力－消除自变量多重关性（回归）－拟合线性回归方程（多元线性回归）－方程检验－残差分析－模型确认并用于预测
2、非线性回归适用：了解参数初始值或取值范围，而模型无法转化线性
3、Logitstic回归适用：因变量为二分变量（因变量为是与否，阴阳，生死，有、无效等）
4、有序回归适用：因变量为分类变量（如：成绩等级优良中差）
5、概率单位回归Probit适用：对响应比例与刺激作用之间关系分析（药物浓度与反馈响应）
