亲爱的   不要这样说吧

哈哈哈哈，有什么不可以呢？朋友

这个问题也困惑在下很久，现在把体会说给你，不一定全面，但是自己思索的，要给分的啊！
回归吗，就是回归啦，回来，返回的意思，就是你知道了某事物的“果”，想去弄明白造成这“果”的那个，或者说那些“因”-----知道了结果，去找原因，这就是回归的根本含义，精髓所在，也所以叫做“回归”。统计学的回归，不但要求说明“果”和“因”可能有关，而且要求在数量上说明有在多大程度上有关。对于这关系的说明，由于“果”和“因”的数学方面的关系（本质上也就是某种函数关系了）是不同的，不仅仅限于直线，于是产生了各种各样的回归模型。比如你看见了一种特别大，而且口感好的苹果，你想知道这种苹果是在哪儿产的，是什么品种，用过什么药物，施过什么肥料，其中苹果就是“果”，其它的都是“因”，要解决这类问题，就要用到回归了，你去度量每个苹果的重量，搞清相对于出产这个苹果的产地、品种、药物、肥料的具体数值，于是就可以在经验或者试验（其实在此之前你并不知道你找的“因”是否真的和“果”有联系）的基础上，在已经有的某种数学模型中挑一个来试着说明这种关系。比如最常用的直线回归，你就可以得出一个类似于[果重=产地+品种+药物+肥料]的回归模型，这是最基本的了。由于你考虑到的“因”可能对“果”的影响作用有大小，把他们如上简单地相加明显不合适，于是你需要一个说明联系程度或影响程度的量，就是“回归系数”，以上模型更加合理的形式可能是[果重=β1*产地+β2*品种+β3*药物+β4*肥料]，做到这一步后，以后的工作就是具体的统计步骤了，比如变量筛选，模型检验，因素显著性的检验等等。
基于以上认识，在下认为楼主的思路是正确的，但假如建立的模型是工作压力=时间压力+焦虑压力，明显不能说明问题：工作压力怎么测量？时间压力怎么定义，焦虑的具体表现用那些变量说明，这都是问题，而且，你怎么就知道这些变量之间是直线关系？都是需要具体问题具体解决的。
欢迎拍砖！

深入浅出，很受启发