在做迴歸分析前，我們須先了解兩數值型變數間是否有呈現線性相關，最簡單的方式就是觀察兩變數的散佈圖。以下面兩張圖為例，雖然兩者均呈現線性相關，但相較於左圖而言,右圖的資料分布與迴歸線較為離散，所以我們可以因此而認定右圖資料不適合做迴歸分析嗎？也由於散佈圖的解說是很主觀的，如果我們只靠圖形來判別資料適不適合做迴歸分析，可能每個人的解讀結果都不相同。這時我們就需要有一個客觀的判斷準則--統計量。

典型(正準)相關用來檢查一組 X 變數的線性組合與一組 Y 變數的線性組合之間的關係。例如：您可以使用正準相關工作，判斷一組工作特徵與一組員工滿意度評量之間的對應程度。

迴歸分析是統計學上常用的分析方法，主要在建立一個函數（最能夠代表變數間的所有觀測資料），並用此函數來代表應變數和自變數之間的數學模式，以便觀察特定的變數來預測我們所感興趣的變數。若特定的變數（X）和有興趣的變數(Y)的數目都為一個，則我們稱此模型（Y=Bo+B1X）為簡單線性迴歸分析。

迴歸分析是統計學上常被使用的一種分析方法，其主要在探討並建立兩變數間的直線關係，但若兩變數之間並非直線關係，而是具有其他非線性的函數關係時，我們又該如何處理呢？一般來說，我們可以直接將其中一個變數做數值的轉換，使轉換後的變數間可以呈現直線的關係，然後再進行線性迴歸分析；亦或是，我們在一開始建立資料間的數學模式時，即設定為非線性的關係，如倒數、指數等函數關係。

在分析中，摘要表是我們常用來表現資料的一種方法，在此我們利用摘要表精靈來產生所需的摘要表。

當處理的變量較多時，我們需要快速得知多個分類變數中的數值性大小，而之前介紹的長條圖或是摘要表已經無法滿足我們的需求，此時方塊圖就是一個很好的選擇。 

雷達圖是一種表現群組資料與整組資料間關係的圖表。雷達圖將群組資料依序標繪在雷達圖的輻條上，然後依照數值的大小以雷達圖的中心為原點向外標出頂點。這樣一眼就可以判斷出群組資料與整組資料間的關係了。

氣泡圖有點像是散佈圖的變形，利用氣泡的大小來表示第三的數值型變數的大小。 

曲面圖將三個數值性資料顯示成地形圖的形式。

本篇我們以SASHELP中的CARS檔案為例，討論汽車的引擎大小與那些因素有相關，在調查項目裡我們選取下列變數來討論：Invoice (售價；單位：美金)、Enginesize (引擎大小；單位：1000cc數)、Cylinders (汽缸數)、Horsepower (馬力)、MPG_city (每加侖可在市區行駛公哩數)、MPG_highway (每加侖可在高速公路上行駛公哩數)、Weight (車輛重量；單位：磅)、Wheelbase(車輛軸距；單位：吋)及Length (車輛長度；單位：吋)。資料存放在sashelp裡面：本機=>資料館=>SASHELP=>CARS。