🐟 請您尊重本網站的智慧財產權，如有任何引用，請註明出處：Dr. Fish 漫游社會統計。（文章發表日期）。文章名稱。文章網址
迴歸
簡單線性迴歸是行為和社會科學很常用到的分析方法，運用統計分析軟體可以簡單地進行分析，但若沒有這類軟體，也可利用微軟的Excel來獲得類似的分析結果。運用Excel執行簡單線性迴歸有2種方法，第1種是透過LINEST函數，第2種則是利用「分析工具箱」裡的資料分析工具。
斜率
迴歸
簡單線性迴歸是涉及一個自變項和一個依變項的分析，兩變項間為不完全的線性關係，探討自變項的改變如何影響依變項的變化。簡單線性迴歸的假設檢定包含相關係數和斜率的假設檢定，檢驗兩變項之間的關係是否存在於母群體裡以及自變項是否對依變項的預測有顯著的幫助。
線性迴歸
最小平方迴歸線可用來估計不在樣本裡的單一自變項數值的預測區間，不過計算預測區間時無法使用作為整體預測誤差測量的估計標準誤。由於個別自變項數值會隨著其與自變項平均數間的距離而有不同的誤差估計，所以個別預測的標準誤須做相應的調整後才能計算出預測區間。
線性迴歸
迴歸線和皮爾森積差相關係數間具有相當密切的關係，運用觀察值、迴歸線的預測值和依變項的平均數可組成可被解釋、不可被解釋的變異和總變異，其中可被解釋的變異與皮爾森積差相關係數相關聯。此外，在簡單線性迴歸裡，迴歸線的標準化係數等於皮爾森積差相關係數。
線性迴歸
當1個自變項和1個依變項呈現不完全的線性關係時，可在成對的兩變項所構成的點中建構出一條適合所有點的線，作為預測的用途。這條線是依據最小平方法準則，將自變項預測依變項的誤差最小化，因此稱為最小平方迴歸線。由於預測誤差最小，所以能夠給予最準確的整體預測值。