1、1.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）；
（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、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、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、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、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）
