不是因果关系同样可以进行，因为回归分析则与检验并列为对实验结果的整理方法，只不过回归分析结果反映的是相关关系性，而检验得出的结果反映的是因果关系。回归分析只是可以用来推断是否有因果关系，而具体有没有因果关系要看具体情况。

回归分析：是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似的表达变量间的平均变化关系的一种统计分析方法。根据回归分析的定义，变量X，Y之间只是相关关系可以做回归分析，并不一定需要因果关系。

不要求一定是因果关系，仅仅只是相关也可以。
虽然回归分析研究一个变量对另一些变量的依赖关系，但它并不一定意味着因果关系。因果关系的探讨，必须更多地依赖于先验的或者理论上的思考。回归和相关分析所能胜任的全部工作是研究联系，而不一定揭示基本的因果关系结构。

只要有关系，即使不是因果关系也不妨碍人们利用这种关系来进行推断。比如利用公鸡打鸣来预报太阳升起；虽然公鸡打鸣绝对不是日出的原因（虽然打鸣发生在先）

事间事物是普遍联系的，但是他们不一定存在因果关系。
只要他们有相关性，就可以进行回归分析，不一定要有因果关系。

回归方程中的X和Y，不一定是要有因果关系的.仅仅只是相关，即不一定有什么因果也可以建立回归方程.
回归分析是需要依靠相关分析来表明现象数量变化的相关程度,研究的是变量之间的联系.只要当变量之间存在着高度相关时,进行回归分析就有意义.
但是相关和因果关系是不等同的.比如,地震中损失与救援人员的多少和救援的及时程度 有关系,说明这三者是相关的,但是地震中发生的损失却不是由这两者(救援人员的多少和救援的及时程度)导致的,是由地震程度的大小导致的.所以地震程度是因,地震的财产损失是果.
所以相关不等同于因果.

相关关系只是说明二者相关性，而并非说明二者谁是因，谁是果，回归分析中自变量是普通变量，因变量是随机变量，旨在分析变量之间的变化规律，结果用于预测，说明了二变量之间的具体关系，但具体二者谁影响了谁，只能靠分析和逻辑判断了，符合逻辑就说明正确，否则反过来再验证。如果不是因果关系，如果他们中可能存在内在联系，也可以做回归，如果回归后，发现在模型中的变量不显著，则说明你变量选则有问题，应剔除变量重新回归

回归分析中x与y不一定要有因果关系，回归分析只是分别系变量之间从在的关系，检验其相关程度，通过数学关系式把其关系数学化，能实际运用罢了。

如果将两个事物的取值分别定义为变量x和y，这里需要注意两点，1.变量x称为自变量，而y为因变量，一般来讲应该有理由认为是由于x的变化而导致y发生变化。2.y拔不是一个确定数值，而是对应于某个确定x群体的y值平均值的估计。由此可知，x与y不一定有因果关系也是可行的。

　回归分析从一组数据出发确定某些变量之间的定量关系式，即建立模型并估计其中的未知参数，对这些关系式的可信程度进行检验。在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量选入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。利用所求的关系式对某一生产过程进行预测或控制。所以说解决上面所提方法也只是根据最基本的原理解决即可，根据老师所讲的只是嘴基本的原理和知识，所以足够 解决所提问题。个人见解
本文来自: 人大经济论坛 详细出处参考：http://www.pinggu.org/bbs/viewth ... amp;from^^uid=1027045

在回归分析中，我们把被解释或被预测的变量成为因变量，这不是因为有因果关系而叫它因变量的；把用来解释或预测因变量的一个或多个变量称为自变量。
比如说,分析贷款余额对不良贷款的影响时，我们的目的是预测一定的贷款余额条件下的不良贷款是多少，所以不良贷款是被预测的量，为因变量，贷款余额是自变量。
但不良贷款与贷款余额之间不是纯粹的因果关系。你不能说因为贷款余额少，从而导致了不良贷款多。那累计应收贷款干嘛用的？银行增强管理水平干什么？
我们研究回归是研究一个变量对其他变量的依赖程度，不单单是因果关系。因果关系的探讨，要更多的根据理论上的思考于判断。
所以只要有关系，即使不是因果关系，也可以用回归方程分析。
再打个比方：在一个完整的动物世界里，老鼠的数量与蛇的数量有因果关系，蛇的数量与老鹰的数量有因果关系（生物链么……）我们可以用老鹰的数量来预测老鼠的数量，进行回归分析，但老鼠数量的多是因为老鹰数量少么？他们虽然都姓“老”，但不存在因果关系。就像古代用日晷预测时间，但日晷绝对不是时间流逝的原因

不一定是因果关系，因为我们所要研究的是两个变量的相关性，即使不存在因果关系，也可以进行研究。从哲学的角度讲，任何的两个事物都存在一定的相关性，也为我们提供了相关性研究的基础，没有赢过关系同样可以算出一个相关系数，只是这个系数有没有意义就另当别论了。

我们老师说了，虽然回归分析研究一个变量对另一些变量的依赖关系，但它并不一定意味着因果关系，因果关系的探讨，必须更多的依赖于先验的或者理论上的思考。回归和相关分析所能胜任的全部工作是研究联系，而不一定揭示基本的因果关系结构。所以x和y 不一定要因果关系。

虽然回归分析研究一个变量对另一些变量的依赖关系，但它并不一定意味着因果关系。因果关系的探讨，必须更多地依赖于检验的或者理论上的思考。回归和相关分析不一定揭示基本的因果关系结构。只要有关系，即使不是因果关系也不妨碍人们利用这种关系来进行推断

事物是普遍联系的，我们做回归分析就是探讨事物之间存在的依存关系，任何两个变量都可。不过不同的变量之间的关联程度会不同

不是一定要是因果关系。

虽然回归分析研究一个变量对另一些变量的依赖关系，但它并不一定意味着因果关系。因果关系的探讨，必须更多地依赖于先验的或者理论上的思考。回归和相关分析所能胜任的全部工作是研究联系，而不一定揭示基本的因果关系结构。只要有关系，即使不是因果关系也不妨碍人们利用这种关系来进行推断。比如利用公鸡打鸣来预报太阳升起；虽然公鸡打鸣绝对不是日出的原因（虽然打鸣发生在先）。   

相关分析和回归分析都用于表述两个变量之间的联系，只是侧重点不同，相关分析更多的是变量之间联系的密切程度，而回归分析则重点说明自变量在数量上的变化对于因变量在数量上的影响程度。只要有关系，不一定是因果关系，也可以来进行推断，进行回归分析。

我认为不一定有因果关系。因为回归分析是指对具有相关关系的现象，根据其相关关系的具体形态，
选择一个合适的数学模型，用来近似地表达变量间的平均变化关系的一种统计分析方法。
只要是关系，相关就可以，不一定要因果。

回归方程中的X和应该是不一定存在因果关系的，做回归分析是看之间的相关程度有多大，相关关系也是指现象之间存在着严格的，不确定的依存关系。不存在一定的因果关系的。

相关就是有关系，但不一定是因果关系，也就是其中一个的变化会引起另一个的变化。

相关分析和回归分析只是定量分析的手段，通过相关和回归分析可以从数量上反映现象之间的联系形式和密切程度，但是无法准确判断现象之间内在联系的有无，也无法单独确定何种现象为因，何种现象为果。只有以实质性科学理论为指导，并结合实际经验进行分析研究，才能正确判断事物之间的内在联系和因果关系。对没有内在联系的事物进行回归分析和相关分析是没有意义的，所以在选择要分析的数据时要从经验和生活实际出发，分析可能存在关系的数据。

我觉得相关关系应该只是指他们二者的相关性，不一定非要分出二者谁是因，谁是果吧，两者存在应该是靠分析或是逻辑判断，看到底是谁影响了谁而造成整体的变化。

我认为回归方程中的X和Y不一定要是因果关系。只要具有一定相关关系的变量都可以进行回归分析。回归分析的定义不就是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型，即建立回归方程式，所以回归方程中的两个变量具有相关关系即可，不一定要有因果关系。

我认为不一定有因果关系。因为根据回归分析的定义：
对具有相关关系的现象，根据相关关系的具体形态，选择一个回归方程式，用来近似表达变量间的平均变化关系的一种统计分析方法。所以仅仅只是相关页可以。7 p: q0 r" O- g0


所以 U4 t( }
所以即使不是因果关系也不妨碍人们利用这种关系进行推断所以应该是只要两个变量之间有关系就能进行分析。

这只是我的个人观点，不知正确与否~

相关性只是一个数字游戏，而要使你建立的x、y之间的关系有意义，就必须是因果关系。
举例来说，假如非洲人的身高（Y）和美洲人吃面包的数量（X）之间是存在相关性的，建立起了函数y（x），但美洲人吃面包的数量和非洲人的身高是没有关系的。
因此，所得到的回归方程在逻辑上是荒谬的。

1# 09001-jz

有时候可能关系不大，所以我们用软件来计算他们之间的相关关系，但软件的计算只是一种工具，如果相关系数严重偏离规定指数，说明相关系数不大，这种关系不大也可能是一点关系也没有，只是我们的软件硬性的把他们拉到了一起。那些关系可能不是因果关系，但是我们用软件算出来的就是因果关系，或许也不一定。总之，我们只能作为一种参考，但如果不是因果关系，如果他们中可能存在内在联系，我们就显然可以做回归。如果做了回归后，发现在模型中的变量不显著，则说明你变量选则有问题，应剔除变量重新回归，或者重新分析。

回归分析是指对相关关系的具体形态，选择一个合适的回归方程式，用来近似表达变量之间的平均变化关系的一种统计分析方法。
虽然回归分析研究一个变量对另一个变量的依赖关系，但它不一定意味着因果关系。因果关系的探讨，必须更多的依赖于先验的或者理论上的思考。
所以不一定X和Y要因果关系，不是因果关系也可以进行回归分析。
谢谢~

变量间的关系有两种不同的类型：一种是函数关系，是确定性的，另一种是统计关系，是不确定性的，也称为相关关系。
相关分析主要是用一个指标去表明现象间相互依存关系的性质和密切程度；回归分析要具体测定变量之间相关关系的数量形式。
相关的变量不一定具有因果关系，均视为随机变量；回归分析是在变量因果关系分析的基础上研究其中的自变量的变动对因变量的具体影响，必须明确划分自变量和因变量。
注意：相关分析和回归分析从方法论的角度讲只是从数据出发定量地分析变量间相互联系的手段，并不能揭示现象间的本质联系。如果仅凭数据进行相关分析和回归分析，就可能是一种“伪相关”或“伪回归”。

回归方程是检验数据间的相关性，主要针对数据间是否有关及相关程度，不必一定有因果关系，并且是因是果我们通过回归方程并不能确定。

从我们学习中了解到，相关关系是指现象之间存在着严格的，不确定的依存关系。
其次回归方程中的X和Y不一定存在直接的因果关系，有相关就OK了，因为我们做分析的目的，就是判别其相关程度的。
我们作分析主要还是着重于看他们之间的依赖程度的。

这个是不一定的。因为回归分析是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型，用来近似地表达变量间的平均变化关系的一种统计分析方法。应该是只要两个具有相关关系就能够进行回归分析并不一定要是因果关系。

同意7楼的看法。事物建有普遍联系，不一定非是因果关系。