🐟 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。
線性關係
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。
相關
相關係數的種類很多，其選擇最主要受到資料的分布型態和測量尺度的影響。不同的測量尺度有各自適用的相關係數，包括phi係數、點二系列相關係數、斯皮爾曼等級相關係數、肯德爾等級相關係數和皮爾森積差相關係數，而本篇文章將對測量尺度和相關係數的選擇做一彙整。
相關
皮爾森積差相關係數是測量兩變項關聯方向和程度的一個量化數值。相關係數的數值可從-1到1，符號代表關係的方向，數值本身則代表關係的強度，數值愈大關係程度愈高。若將皮爾森積差相關係數平方，即變成決定係數，可用來解釋一個變項中有多少的變異可被另一個變項說明。