在数据分析实践里，回归分析通常指什么？请说明它主要适用于哪些典型业务或研究场景。

回答思路

1. 【回答框架 1】回归分析是研究一个或多个自变量与因变量之间统计关系的方法，核心是建立数学模型（如线性回归方程）来估计因变量的条件期望，并用于预测或解释影响。
2. 【回答框架 2】常见类型包括线性回归（简单线性、多元线性）用于连续型因变量，逻辑回归用于二分类问题，岭回归和Lasso用于处理多重共线性或特征筛选，多项式回归用于非线性关系。
3. 【回答框架 3】应用场景覆盖销售预测（根据历史销量和促销因素预测未来销量）、风险评估（信用评分中预测违约概率）、经济学分析（研究收入、价格等对消费的影响）、医学研究（分析药物剂量与疗效的关系）以及运营优化（识别影响用户留存的关键指标）。
4. 【回答框架 4】使用时需注意数据满足基本假设（如线性、独立性、同方差性、正态性），并且要区分相关性与因果关系，回归结果不自动代表因果。
5. 【回答框架 5】模型评估常采用R方、调整R方、残差分析以及交叉验证等，防止过拟合。
6. 【关键点 1】回归分析用于量化变量间关系并做预测或解释。
7. 【关键点 2】线性回归要求因变量连续，逻辑回归针对分类目标。
8. 【关键点 3】常见应用包括销售预测、风险建模和影响因素分析。
9. 【关键点 4】使用前应检验线性、独立性、同方差等假设。
10. 【关键点 5】回归不等同于因果，且需防过拟合。
11. 【易错点 1】忽视多重共线性可能导致系数不稳定。
12. 【易错点 2】将相关关系当作因果关系。
13. 【易错点 3】对小样本数据使用复杂回归导致过拟合。