回归分析之前是否必须进行
相关分析的原因有，如果是实际处理问题，做回归也不大需要进行相关分析，
回归系数本身就反映了变量之间的相关，而且较普通的pearson相关来说更准确；但如果是做科研写论文，相关分析这一步还是不可省略的。
在
大数据分析中，回归分析是一种预测性的建模技术，研究的是
因变量（目标）和
自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的
研究方法就是回归。一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。
回归分析法指利用数据统计原理，对大量统计数据进行数学处理，并确定因变量与某些自变量的相关关系，建立一个
相关性较好的
回归方程，并加以外推，用于预测今后的因变量的变化的分析方法。回归分析法主要解决的问题，确定变量之间是否存在相关关系，若存在，则找出数学表达式；根据一个或几个变量的值，预测或控制另一个或几个变量的值，且要估计这种控制或预测可以达到何种精确度。为使回归方程较能符合实际，首先应尽可能定性判断自变量的可能种类和个数，并在观察事物发展规律的基础上定性判断回归方程的可能类型；其次，力求掌握较充分的高质量统计数据，再运用统计方法，利用数学工具和相关软件从定量方面计算或改进定性判断。