回归，指研究一组随机变量(Y1 ，Y2
，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。回归分析是一种数学模型。
回归指研究一组随机变量(Y1 ，Y2
，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常前者是因变量，后者是自变量。
回归分析是一种数学模型。当因变量和自变量为线性关系时，它是一种特殊的线性模型。最简单的情形是一元线性回归，由大体上有线性关系的一个自变量和一个因变量组成;模型是Y=a+bX+ε(X是自变量，Y是因变量，ε是随机误差)。通常假定随机误差的均值为0，方差为σ^2(σ^2﹥0，σ^2与X的值无关)。//若进一步假定随机误差遵从正态分布，就叫做正态线性模型。
一般的，若有k个自变量和1个因变量，则因变量的值分为两部分：一部分由自变量影响，即表示为它的函数，函数形式已知且含有未知参数;另一部分由其他的未考虑因素和随机性影响，即随机误差。
当函数为参数未知的线性函数时，称为线性回归分析模型;当函数为参数未知的非线性函数时，称为非线性回归分析模型。当自变量个数大于1时称为多元回归，当因变量个数大于1时称为多重回归。
回归分析的主要内容为：
①从一组数据出发，确定某些变量之间的定量关系式;即建立数学模型并估计未知参数。//通常用最小二乘法。
②检验这些关系式的可信任程度。
③在多个自变量影响一个因变量的关系中，判断自变量的影响是否显著，并将影响显著的选入模型中，剔除不显著的变量。//通常用逐步回归、向前回归和向后回归等方法。
④利用所求的关系式对某一过程进行预测或控制。
回归分析的应用非常广泛，统计软件包的使用可以让各种算法更加方便。
回归主要的种类有：线性回归，曲线回归，二元logistic回归，多元logistic回归。
“回归”这个词是由英国著名的统计学家FrancilsGalton提出来的．1889年，他在研究祖先与后代身高之间的关系时发现，身材较高的父母，他们的孩子也较高，但这些孩子的平均身高并没有他们父母的平均身高高；身材较矮的父母，他们的孩子也较矮，但这些孩子的平均身高却比他们的父母的平均身高高．Galton把这种后代的身高向中间值靠近的趋势称为“回归现象”．
