ضریب همبستگی که برای کشف وجود یا عدم وجود رابطه بین دو یا چند متغیر بکار می رود از جمله روش های تحلیل است که علاوه بر تعیین شدت و ضعف رابطه بین دو متغیر، جهت روابط را نیز نشان می دهد. اما این روش قادر به بیان روابط علی بین متغیر ها نبوده و نمی تواند مدعی باشد که کدام یک از متغیر ها علت و کدام یک معلول دیگری است. همچنین امکان پیش بینی یک متغیر از طریق یا متغیر های دیگر وجود ندارد. به همین دلیل برای تحلیل های پیشرفته تر و پیش بینی دو متغیر وابسته در صورت تغییر در متغیر یا متغیر های مستقل باید از روشهای دیگری نظیر تحلیل رگرسیون استفاده کرد.

رگرسیون ساده:
اگر بخواهیم تنها با توجه به یک متغیر مستقل، تغییرات متغیر وابسته را پیش بینی کنیم از دستور رگرسیون ساده استفاده می کنیم. مثال: آیا بین ساعات مطالعه و نمره دانشجو رابطه وجود دارد؟

رگرسیون چندگانه:

زمانی که دنبال این مسئله باشیم که کدام یک از متغیر های مستقل برای پیش بینی متغیر وابسته سودمندتر و قوی تر است از طریق تحلیل رگرسیون چندگانه (Multiple Regression ) محاسبه می شود.روش رگرسیون چندگانه (Enter ): اگر به دنبال اثرات کلیه متغیر های مستقل بر وابسته باشیم و تمامی آنها را همزمان وارد تحلیل کنیم از رگرسیون به شیوهEnter استفاده می کنیم. روش رگرسیون چندگانه گام به گام(Stepwise Method ): روشی است که در آن قوی ترین متغیر ها یک به یک وارد معادله می شوند و این کار تا زمانی که خطای آزمون معنی داری به 5 درصد برسد ادامه می یابد.

روش رگرسیون چندگانه پس حذف رو (Backward Elimination Method ):
در این روش نیز مانند روش اینتر ابتدا کلیه متغیر های مستقل وارد معادله شده و اثر کلیه متغیر ها بر روی متغیر وابسته سنجیده می شود. اما در این روش به مرور متغیر های ضعیفتر، یکی پس از دیگری از معادله خارج می شوند تا زمانی که خطای آزمون معناداری به ده درصد برسد. روش رگرسیون پیشرو (Forward Method ): این روش نیز شبیه روش گام به گام است.

رگرسیون لوجستیک:

در صورتی که متغیر وابسته از نوع اسمی دو وجهی باشد بجای استفاده از رگرسیون چندگانه باید از رگرسیون لوجستیک استفاده شود. در این روش بر اساس متغیر های مستقل مورد استفاده می توان احتمال هر یک از سطوح متغیر دو وجهی وابسته را محاسبه کرد.