回歸分析參數模型    回歸分析（Regresion）是通過分析數據擬合因變量與自變量之間的關系式，來檢驗影響變量的顯著程度。例如，利用多元線性回歸，建立滿意度模型方程“總體滿意度=a+b1*產品滿意度+b2*服務滿意度+b3*價格滿意度”。一般情況下，通過上述方程就可以分析各環節滿意度對總體滿意度的影響，相類似的，我們也可以分析一些細項對各環節滿意度的影響。    因此，回歸分析可以算得上是一種有效且易用的方法。但是，在使用回歸分析方法時，一定要注意其技術本身所存在的一些局限性：    回歸分析的局限性    首先，回歸分析無法解決多重共線的問題。    多重共線指的是多個變量之間存在相關甚至高度相關，這種現象在實際調研中是經常出現的，但回歸分析無法解決這一問題。例如，在一項關于乘客對乘車環境的滿意度研究中，得到這樣一個回歸方程，Y=0.276+0.073*站內環境+0.053*乘車方便性-0.042*站內安全感+0.033*車內環境-0.023*乘車方便性+0.022*廣播質量+……。這個方程有個很奇怪的地方，站內安全感和乘車方便性對總體滿意度的影響是負向的，這是有悖于常理的結果，也可以說是不正確的結果。出現這樣結果的主要原因是自變量之間存在高度相關，也就是所謂的多重共線性的問題。    其次，回歸方法使用的前提假設條件是各觀測變量不存在測量誤差，即各觀測變量都已被百分之百真實測量出來，而這一假設在測量理論和實際操作中都是不可能滿足的。經典測量理論認為：測驗分數＝真分數＋誤差分數，誤差分數是無法避免的。同樣，在實際操作過程中，系統誤差和隨機誤差也是人力和主觀愿望所無法控制的，但回歸方法由于其方法本身的局限無法解決這一問題。所以，如果測量誤差越大，回歸分析所得結果的誤差也越大。