A regressão linear é um tipo básico e comumente usado de análise preditiva. A ideia geral da regressão é examinar duas coisas:

(1) um conjunto de variáveis ​​preditoras faz um bom trabalho ao prever uma variável de resultado (dependente)

(2) Quais variáveis ​​em particular são preditores significativos da variável de resultado e de que maneira elas – indicadas pela magnitude e sinal das estimativas beta – impactam a variável de resultado

Essas estimativas de regressão são usadas para explicar a relação entre uma variável dependente e uma ou mais variáveis ​​independentes.

A forma mais simples da equação de regressão com uma variável dependente e uma variável independente é definida pela fórmula

y = c + b*x, onde

y = pontuação estimada da variável dependente,

c = constante,

b = coeficiente de regressão e

x = pontuação no variável independente.

Nomeando as Variáveis. Há muitos nomes para a variável dependente de uma regressão. Pode ser chamada de variável de resultado, variável de critério, variável endógena ou regressando.

As variáveis ​​independentes podem ser chamadas de variáveis ​​exógenas, variáveis ​​preditoras ou regressoras.

Três usos principais para a análise de regressão são:

(1) determinar a força dos preditores,

(2) prever um efeito e

(3) prever a tendência.