回归分析都是统计学的核心。它其实是一个广义的概念，通指那些用一个或多个预测变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。
回归是一个令人困惑的词，因为它有许多特殊变种（见下表）。对于回归模型的拟合，R提供的强大而丰富的功能和选项也同样令人困惑。
| 回归类型 | 用 途 |
| 简单线性 | 用一个量化的解释变量预测一个量化的响应变量 |
| 多项式 | 用一个量化的解释变量预测一个量化的响应变量，模型的关系是n阶多项式 |
| 多元线性 | 用两个或多个量化的解释变量预测一个量化的响应变量 |
| 多变量 | 用一个或多个解释变量预测多个响应变量 |
| Logistic | 用一个或多个解释变量预测一个类别型响应变量 |
| 泊松 | 用一个或多个解释变量预测一个代表频数的响应变量 |
| 时间序列 | 对误差项相关的时间序列数据建模 |
| 非线性 | 用一个或多个量化的解释变量预测一个量化的响应变量，不过模型是非线性的 |
| 非参数 | 用一个或多个量化的解释变量预测一个量化的响应变量，模型的形式源自数据形式，不事先设定 |
| 稳健 | 用一个或多个量化的解释变量预测一个量化的响应变量，能抵御强影响点的干扰 |
| Cox比例风险 | 用一个或多个解释变量预测一个事件（死亡、失败或旧病复发）发生的时间 |
R Example