回归分析是通过提供变量之间的数学表达式来定量描述变量间相关关系的数学过程。这一数学表达式通常称为经验公式。我们不仅可以利用概率统计知识对这个经验公式的有效性进行判定，同时还可以利用这个经验公式，根据自变量的取值来预测因变量的取值。如果是多个因素作为自变量的时候，还可以通过进行因素分析，找出哪些自变量对因变量的影响是显著的，哪些是不显著的。

相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。

二者的区别主要体现在以下三个方面：

（1）相关分析主要通过相关系数来判断两个变量之间是否存在着相互关系及其关系的密切程度，其前提条件是两个变量都是随机变量，且变量之间不必区别自变量和因变量。而回归分析研究一个随机变量（Y）与另一个非随机变量（X）之间的相互关系，且变量之间必须区别自变量和因变量。

（2）相关系数只能观察变量间相关关系的密切程度和方向，不能估计推算具体数值。而回归分析可以根据回归方程，用自变量数值推算因变量的估计值。

（3）互为因果关系的两个变量，可以拟合两个回归方程，且互相独立、不能互相替换。而相关系数却只有一个，即自变量与因变量互换相关系数不变。

很重要的一点，变量之间是否存在“真实相关”，是由变量之间的内在联系所决定的。相关分析和回归分析只是定量分析的手段，通过相关分析和回归分析，虽然可以从数量上反映变量之间的联系形式及其密切程度，但是无法准确判断变量之间内在联系的存在与否，也无法判断变量之间的因果关系。因此，在具体应用过程中，一定要始终注意把定性分析和定量分析结合起来，在准确的定性分析的基础上展开定量分析。