3-1 統計方法
統計分析方法早已廣泛被應用於各不同領域上，其越趨重要性，
即使在一般生活中，也逐漸廣泛被利用。包括：經濟、證券分析、醫 學、農業、土木、水利、交通、生物、化學及環境等方面。
變數間之關係有些是確定的，像數學關係，如橘子一斤 30 元，
十斤橘子 300 元；有些是不確定的，是隨機的，像廣告支出與銷售額 的關係，商品價格與需要量的關係，個人年所得與教育年數的關係 等。人們需要研究的是那些不確定的變數間之關係。如公司的業務經 理知道他所銷售的貨品的價格與需求量間之關係後，便可依據商品的 價格來預測銷售量（陳哲儀，2005）。
對於比較簡單的變數之間的關係，有時候可以憑著過去的經驗與 直覺來判斷，但是對於比較複雜或需要精確結果的，就需要依賴客觀 的統計方法來了解它們之間的關係了。在統計學上用來研究這些關係 的統計方法除了變異數分析尚有迴歸分析、相關分析等（陳哲儀，
2005）。
3-1-1 迴歸分析簡介
許多變數之間常存在著一定因果關係，例如用電量與溫度，河川
流量與雨量、銷售量與廣告等，均有一定的因果關係。
迴 歸 分 析 就 是 一 種 統 計 分 析 的 方 法 ， 主 要 在 了 解 自 變 數
（independent variable）與應變數（dependent variable）間之數量關係。
主要用處是尋找兩個或兩個以上的變數之間的相互變化的關係。當找 到（或以為找到）這些關係之後，就可以利用它來做下面的事情（陳 哲儀，2005）：
目的
1. 敘述（description）：例如節目製作費用與收視率之關係（了解變 數之關係）。
2. 控制（control）：例如商品價格與需要量之關係，故控制價格，也 許就可以控制需要量（以價制量）。
3. 預測（prediction）：例如製作費與收視率之關係，也許可以用來粗 估某節目的收視率。
分類（依自變數多寡）
1. 簡單迴歸分析（Simple regression analysis）
2. 複迴歸分析（Multiple regression analysis ） 變數之選擇原則
1. 依相關理論或邏輯
2. 依研究人員探討之變數關係來決定
在迴歸分析中，有線性、對數、指數、多項式等迴歸方式，本研 究將採用線性迴歸方式進行分析與預測。
在線性迴歸分析中有四假設：
(一) 誤差沿著迴歸線是常態分佈。
(二) 應變數沿著迴歸線的變異為常數。
(三) 誤差項之間為序列獨立的關係。
(四) 自變數與應變數之間為線性關係。
3-1-2 迴歸分析模式之架構
迴歸（Regression）是研究自變數與應變數關係的方法，在本研 究中會刪除一些不明顯的數據，故將未被刪除之數據使用迴歸分析求 得迴歸方程式，以便推算出量達到預警效果。
迴歸公式如下：
0 1 1
Y
ˆb
b X
其中
Y
=迴歸預測值 b0=截距b1=自變數係數 X1=自變數 ε=誤差值