Регрессионный анализ может предсказать исход любого ключевого бизнес показателя (зависимой переменной) на основании взаимодействия с другими связанными факторами бизнеса (объясняющими переменными). Например: он позволяет вам предсказать объем продаж, используя количество средств, потраченных на рекламу, и число людей, задействованных в продажах.

Взаимосвязь между средним значением результирующей переменной и средними значениями предикторов выражается в виде уравнения регрессии. Уравнение регрессии — математическая функция, которая подбирается на основе исходных статистических данных зависимой и объясняющих переменных. Чаще всего используется линейная функция. В этом случае говорят о линейном регрессионном анализе.

Регрессионный анализ очень тесно связан с корреляционным анализом. В корреляционном анализе исследуется направление и теснота связи между количественными переменными. В регрессионном анализе исследуется форма зависимости между количественными переменными. Т.е. фактически оба метода изучают одну и ту же взаимосвязь, но с разных сторон, и дополняют друг друга. На практике корреляционный анализ выполняется перед регрессионным анализом. После доказательства наличия взаимосвязи методом корреляционного анализа можно выразить форму этой связи с помощью регрессионного анализа.

Цель регрессионного анализа — с помощью уравнения регрессии предсказать ожидаемое среднее значение результирующей переменной.

Основные задачи регрессионного анализа следующие:
определения вида и формы зависимости;
оценка параметров уравнения регрессии;
проверка значимости уравнения регрессии;
проверка значимости отдельных коэффициентов уравнения;
построение интервальных оценок коэффициентов;
исследование характеристик точности модели;
построение точечных и интервальных прогнозов результирующей переменной.

Как и корреляционный анализ, регрессионный анализ отражает только количественные зависимости между переменными. Причинно-следственные зависимости регрессионный анализ не отражает.

Регрессионный анализ широко используется для прогнозирования продаж отдельных видов продукции, а также для прогнозирования доходов и других финансовых показателей. Требования по предоставлению необходимой информации могут отличаться, но месячные или квартальные данные на протяжении нескольких лет могут служить основой для выявления существенных зависимостей.

С точки зрения математика, необходимо иметь как минимум на два результата наблюдений больше, нежели число имеющихся показателей независимых переменных. Регрессионный анализ обычно весьма эффективен при краткосрочных и среднесрочных аналитических исследованиях. Он считается весьма хорошим средством определения узловых точек при анализе взаимосвязей финансовых показателей.