1.回归分析与相关分析的联系：
（1）研究在专业上有一定联系的两个变量之间是否存在直线关系，以及如何求得直线回归方程等问题，需进行直线相关和回归分析。
（2）如果为了解两变量之间呈直线关系的密切程度和方向，适合选用线性相关分析；如果为了建立由自变量推算因变量的直线回归方程，适合选用直线回归分析。
（3）作相关分析时，要求两变量都是随机变量；作回归分析时要，要求因变量是随机变量，自变量可以是随机的，也可以是一般变量。
（4）用计算器实现统计分析时，可用对相关系数的检验取代对回归系数的检验,简洁明了。
2.回归分析和相关分析的区别：
（1）在回归分析中，y处在被解释的特殊地位；而在相关分析中，研究x与y的密切程度和研究y与x的密切程度是一致的；
（2）相关分析中，x与y都是随机变量；而在回归分析中，y是随机变量，x可以是随机变量，也可以是非随机的，通常在回归模型中，总是假定x是非随机的；
（3）相关分析主要两个变量之间的密切程度；而回归分析揭示x对y的影响大小，同时可以进行数量上的预测和控制。
一、相关分析与回归分析的区别：
1、划分不同：相关分析中涉及的变量不存在自变量和因变量的划分问题，变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的性质和研究分析的目的，对变量进行自变量和因变量的划分。因此，在回归分析中，变量之间的关系是不对等的。
2、变量不同：在相关分析中所有的变量都必须是随机变量；而在回归分析中，自变量是确定的，因变量才是随机的。
3、大小不同：相关分析主要是通过一个指标即相关系数来反映变量之间相关程度的大小，由于变量之间是对等的，因此相关系数是唯一确定的。而在回归分析中，对于互为因果的两个变量，则有可能存在多个回归方程。
二、相关分析与回归分析的联系
1、相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。
2、只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。
1、 从统计分析的角度上讲，对于传统的单因素分析方法，其结果展示相对简单，它们仅能提示组间均值或率的分布差异有无统计学显著性；
2、而采用单因素回归分析，除了定性的展示组间差异外，还可以提供更为丰富的信息，比如偏回归系数(β)的估计值、效应估计值(OR、RR值)等等，这些统计指标能够在一定程度上反映该指标的效应大小和可信区间。
3、对于回归分析来说，先做单因素回归，再做多因素回归，这种分析思路展现了从单独一个因素到控制多个混杂因素的变化过程。
4、此时，单因素回归分析的结果对于变量的筛选就显得很有意义，我们可以根据前后偏回归系数或者OR值的变化，来协助判断是否需要将其纳入到多因素回归中进行调整和控制。
网友评论