Модели линейной регрессии (linear regression models) применяются в самых разных деловых ситуациях для установления зависимости между переменными, которые, как подсказывает аналитику его интуиция, должны быть между собой связаны. После того как зависимость установлена, ее можно использовать для прогнозирования. Обычно анализ методом регрессии используется для соотнесения продаж с ценой, мероприятиями по продвижению товара и рыночными факторами; курса акций с доходами и процентными ставками; затрат на производство с объемами выпуска. Но, конечно, его можно использовать также и для ответов на такие, например, вопросы: «Как влияет температура воздуха на продажу мороженого в стаканчиках?» Независимой переменной (independent variable) (X) в данном сценарии является температура. Это та переменная, от которой, как считается, зависит все происходящее. Зависимой переменной (dependent variable) (Y) будет объем продаж. Температура на улице влияет на объем продаж, но не наоборот.
Для анализа методом регрессии необходимо собрать данные, чтобы установить зависимость между переменными. Когда частных значений много, как в случае информации по изменениям температуры и объема продаж, можно построить график, откладывая по оси X значения температуры, а по оси Y — значения объема продаж. Цель анализа — составление уравнения линии, которая наилучшим образом отображает зависимость. При анализе методом регрессии стараются так провести линию между нанесенными на график точками, чтобы «значение суммы квадратов отклонений точек от линии было наименьшим». При работе методом наименьших квадратов (least squares method) требуется бесконечно складывать, вычитать и умножать. Для облегчения расчетов нужны деловой калькулятор или программа построения электронных таблиц.
