對數(shù)回歸分析是非線性回歸分析，線性回歸分析是直線型的。
一、概念不同
1、單因素統(tǒng)計：單因素分析（monofactor analysis）是指在一個時間點上對某一變量的分析。
2、多因素回歸分析：指在相關(guān)變量中將一個變量視為因變量，其他一個或多個變量視為自變量，建立多個變量之間線性或非線性數(shù)學(xué)模型數(shù)量關(guān)系式并利用樣本數(shù)據(jù)進(jìn)行分析的統(tǒng)計分析方法。
二、方法不同
1、單因素統(tǒng)計：試驗單元編號、隨機(jī)分組。
2、多因素回歸分析：引進(jìn)虛擬變量的回歸分析、曲線回歸、多元回歸模型。
三、應(yīng)用方向不同
1、單因素統(tǒng)計：單因素的盆栽試驗；溫室內(nèi)、實驗室內(nèi)的實驗等，應(yīng)用該設(shè)計，若實驗中獲得的數(shù)據(jù)各處理重復(fù)數(shù)相等，采用重復(fù)數(shù)相等的單因素資料方差分析法分析，若實驗中獲得的數(shù)據(jù)各處理重復(fù)數(shù)不相等，則采用重復(fù)數(shù)不等的單因素資料方差分析法分析。
2、多因素回歸分析：影響因變量的因素有多個，這種多個自變量影響一個因變量的問題可以通過多元回歸分析來解決。
例如，經(jīng)濟(jì)學(xué)知識告訴我們，商品需求量Q除了與商品價格P有關(guān)外，還受到替代品的價格、互補(bǔ)品的價格，和消費者收入等因素，甚至還包括商品品牌Brand這一品質(zhì)變量(品質(zhì)變量不能用數(shù)字來衡量，需要在模型中引入虛擬變量)的影響
二元回歸分析中的回歸系數(shù)越大說明變量之間的相關(guān)性越強(qiáng)，反之越弱。
根據(jù)spss回歸分析結(jié)果得出回歸方程的步驟如下：
1. 打開spss軟件中的回歸分析模塊，并導(dǎo)入所需要進(jìn)行回歸分析的數(shù)據(jù)。
2. 在回歸分析模塊中，點擊“Analyze” -> “Regression” -> “Linear”。
3. 在彈出的“Linear Regression”窗口中，先將需要進(jìn)行回歸分析的因變量和自變量加入分析窗口中。同時，在“Statistics”子菜單中勾選需要的回歸分析統(tǒng)計量指標(biāo)（如系數(shù)、顯著性水平、統(tǒng)計量等）。
4. 點擊“OK”按鈕，SPSS將開始計算各項統(tǒng)計指標(biāo)，并在輸出窗口中給出回歸方程所需的參數(shù)。
5. 從輸出窗口中找到“Model Summary”表格，其中的“R”值表示整個模型的擬合優(yōu)度，即R方值。
6. 從輸出窗口中找到“Coefficients”表格，其中各自變量的系數(shù)表明了這些自變量對于因變量的影響程度和方向。將這些系數(shù)整理在一起即為回歸方程。整理的方式一般是：y = b0 + b1x1 + b2x2 +…+ bnxn。
其中，y表示因變量，b0表示常數(shù)項，b1表示第一個自變量的回歸系數(shù)，x1表示第一個自變量，以此類推。
7. 編寫出回歸方程后，需要對回歸方程進(jìn)行解釋和分析，包括判斷對應(yīng)因變量和自變量之間的關(guān)系及顯著性等。
回歸分析（regression analysis)是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法。運用十分廣泛，回歸分析按照涉及的變量的多少，分為一元回歸和多元回歸分析；按照因變量的多少，可分為簡單回歸分析和多重回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。
如果在回歸分析中，只包括一個自變量和一個因變量，且二者的關(guān)系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。
如果回歸分析中包括兩個或兩個以上的自變量，且自變量之間存在線性相關(guān)，則稱為多重線性回歸分析。
1、確定變量明確預(yù)測的具體目標(biāo)，也就確定了因變量。如預(yù)測具體目標(biāo)是下一年度的銷售量，那么銷售量Y就是因變量。通過市場調(diào)查和查閱資料，尋找與預(yù)測目標(biāo)的相關(guān)影響因素，即自變量，并從中選出主要的影響因素。
2、建立預(yù)測模型依據(jù)自變量和因變量的歷史統(tǒng)計資料進(jìn)行計算，在此基礎(chǔ)上建立回歸分析方程，即回歸分析預(yù)測模型。
3、進(jìn)行相關(guān)分析回歸分析是對具有因果關(guān)系的影響因素（自變量）和預(yù)測對象（因變量）所進(jìn)行的數(shù)理統(tǒng)計分析處理。只有當(dāng)變量與因變量確實存在某種關(guān)系時，建立的回歸方程才有意義。因此，作為自變量的因素與作為因變量的預(yù)測對象是否有關(guān)，相關(guān)程度如何，以及判斷這種相關(guān)程度的把握性多大，就成為進(jìn)行回歸分析必須要解決的問題。進(jìn)行相關(guān)分析，一般要求出相關(guān)關(guān)系，以相關(guān)系數(shù)的大小來判斷自變量和因變量的相關(guān)的程度。
4、計算預(yù)測誤差回歸預(yù)測模型是否可用于實際預(yù)測，取決于對回歸預(yù)測模型的檢驗和對預(yù)測誤差的計算。回歸方程只有通過各種檢驗，且預(yù)測誤差較小，才能將回歸方程作為預(yù)測模型進(jìn)行預(yù)測。
5、確定預(yù)測值利用回歸預(yù)測模型計算預(yù)測值，并對預(yù)測值進(jìn)行綜合分析，確定最后的預(yù)測值。
回歸分析（regression analysis)指的是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法。
回歸分析表是將一系列的影響和這些影響帶來的結(jié)果進(jìn)行一個全面的擬合，然后將擬合出的方程應(yīng)用到類似或者相同的事件中，然后進(jìn)行預(yù)測回歸。其實就是朝著一個理想或者是平衡的狀態(tài)趨勢發(fā)展，然后回歸到某些影響因素，從而找出影響結(jié)果的規(guī)律。這個表格不但能夠看到正常的數(shù)據(jù)，還能看到原因和趨勢。
回歸分析（regression analysis)指的是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法。回歸分析按照涉及的變量的多少，分為一元回歸和多元回歸分析；按照因變量的多少，可分為簡單回歸分析和多重回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。
Cox回歸，又稱Cox比例風(fēng)險回歸模型，該模型以生存結(jié)局和生存時間為因變量，可以同時分析眾多因素對生存期的影響。不僅考慮事件是否發(fā)生，也考慮事件發(fā)生出現(xiàn)的時間，在醫(yī)學(xué)領(lǐng)域較為常用。
Cox回歸分析的一般條件：
①比例風(fēng)險假定，即PH假定，常通過觀察自變量分組的Kaplan-Meier生存曲線。若曲線無明顯的交叉，則提示滿足PH假定。
②樣本含量，一般需要協(xié)變量的15~20倍的陽性結(jié)局事件數(shù)。
OLS法通過一系列的預(yù)測變量來預(yù)測響應(yīng)變量(也可以說是在預(yù)測變量上回歸響應(yīng)變量)。線性回歸是指對參數(shù)β為線性的一種回歸(即參數(shù)只以一次方的形式出現(xiàn))模型： Yt=α+βxt+μt (t=1……n)表示觀測數(shù)
Yt 被稱作因變量
xt 被稱作自變量
α、β 為需要最小二乘法去確定的參數(shù)，或稱回歸系數(shù)
μt 為隨機(jī)誤差項
OLS線性回歸的基本原則：最優(yōu)擬合曲線應(yīng)該使各點到直線的距離的平方和(即殘差平方和，簡稱RSS)最小：
OLS線性回歸的目標(biāo)是通過減少響應(yīng)變量的真實值與預(yù)測值的差值來獲得模型參數(shù)(截距項和斜率)，就是使RSS最小。
為了能夠恰當(dāng)?shù)亟忉孫LS模型的系數(shù)，數(shù)據(jù)必須滿足以下統(tǒng)計假設(shè)：
正態(tài)性：對于固定的自變量值，因變量值成正太分布
獨立性：個體之間相互獨立
線性相關(guān)：因變量和自變量之間為線性相關(guān)
同方差性：因變量的方差不隨自變量的水平不同而變化，即因變量的方差是不變的
