聲明：本筆記為筆者根據社工師考試整理的濃縮重點，方便考生能夠快速記憶為主，內容較為不嚴謹，難免會有錯誤，正確資訊以課本知識為主
一、迴歸分析
用來描述預測變項與依變項之間的關係，也可以根據已知的預測變項，估計依變項的數值。
二、簡單線性迴歸
(一)、定義
簡單線性迴歸使用一個預測變項，以直線描述依變項平均值的變化。
(二)、「簡單」指只有一個預測變項。
(三)、目的
用自變項(x)預測依變項(y)。
(四)、例如
以每週學習時數預測考試成績。
(五)、公式
1.X是學習時數。
2.Ŷ是預測成績。
3.b₀是截距。
4.b₁是斜率。
(六)、直線會通過平均數(Mx，My)
三、多元迴歸分析
(一)、定義
用「兩個以上」的預測變項，預測同一個數值依變項。
(二)、「多元」指有多個預測變項。
(三)、目的
用多個自變項(x)一起來預測依變項(y)。
(四)、例如
將學習時數與學習動機同時放入模型，依變項仍然是考試成績。
(五)、公式
1.X₁是學習時數。
2.X₂是學習動機。
3.Xₖ是其他因素。
4.Ŷ是預測成績。
5.b₀是截距。
6.bₖ是斜率。
四、決定係數
(一)、定義
決定係數，記為 R²，表示樣本中依變項的總變異，有多少比例可由模型解釋。
(二)、例如
學習時數與學習動機的模型若得到R²＝.57，可寫成「這個模型解釋了樣本中考試成績總變異的57%」
(三)、與相關係數r的關係
R²等於相關係數平方，也就是r²。
(四)、公式
1.SSerror是殘差平方和。
2.SStotal是實際值相對於樣本平均數的總平方和。
五、多元共線性
(一)、定義
多元共線性指自變數之間的相關性很高，這會讓它們的影響變得扭曲，導致對依變數的解釋不夠精準。
(二)、例如
如果同時放入「每週總讀書時數」和「每週自習時數」，兩者可能高度重疊，導致解釋不精確。