قبل از شروع بکار با نرم افزار ایویوز و انجام آزمون‌های لازم و برآورد مدل تحقیق باید با مفاهیم کلی از جمله خط رگرسیون، انواع متغیرها و …بطور ساده آشنا شویم. چون از این به بعد با این مفاهیم و عبارات زیاد برخورد خواهید داشت.
–رگرسيون: يعني بازگشت. يعني پيش‌بيني و بيان تغييرات يک متغير بر اساس اطلاعات متغير ديگر.
در صورتی که بین متغیرهای مدل رابطه وجود داشته باشد، می‌توان آن را با الگوهای ریاضی بیان کرد. معمولاً چنین الگویی ممکن است از نوع خطی یا غیر خطی باشد. اگر بتوان الگوی همبستگی را به صورت یک معادله خط نوشت، به آن معادله رگرسیون خطی می‌گویند. به عبارت دیگر اگر دو متغیر با هم مرتبط باشند، یک متغیر را می‌توان بر مبنای متغیر یا متغیرهای دیگر پیش‌بینی کرد.
انواع مدل‌های خط رگرسیون
| مدل رگرسیون | معادله رگرسیون |
| رگرسیون خطی (Linear) | Y = a + bX |
| رگرسیون لگاریتمی (Logarithmic) | Y = a + (b lnX) |
| رگرسیون معکوس (Inverse) | Y = a + (b / X) |
| رگرسیون سهمی (Quadratic) | Y = a + (b1X) + (b2 X2) |
| رگرسیون درجه ۳ (Cubic) | Y = a + (b1 X) + (b2 X2) + (b3 X3) |
| رگرسیون توانی (Power) | (Y =aXb1 or lnY = lna + (b1 * lnX |
| رگرسیون مرکب (Compound) | Y =a b1X |
| رگرسیون منحنی (s (S-curve | Y=ea+b1/x |
| رگرسیون لجستیک (Logistic) | Y=1/(1/u+ab1X ) مقدار حد بالا: u |
| رگرسیون رشد (Growth) | Y=ea+b1x |
| رگرسیون نمایی (Exponential) | Y=aeb1x |
ماخذ (کتاب): کاربرد و تخمین داده های سری زمانی (نویسنده بهمن خانعلی زاده)