统计回归模型的使用，在社会科学的研究当中相当重要，它是对行为者的行为与社会现象进行解释或预测的重要工具。一般常见的回归方式，主要是根据依变项属于计量性资料（metric data）或量性资料（quantitative data），以简单回归或多元回归模型来进行解释；由于这是本于自变项与依变项间具有线性关系为基础，以找出特定的线性函数模式，所以又可称为线性回归模型。诚如前面章节的介绍，研究者只要能确认线性回归模型中各变项资料的分布状态是符合线性几率分布的特性，并且估算的残差项吻合独立且具有相同分配（independently identical distributed，IID）的特性，便能借由一般最小平方法（ordinary least square，OLS）有效估算出回归程序各解释变量之影响参数值。此一参数估算的特性，即统计上所谓的最佳的线性不偏估计量（best linear unbiased estimator，BLUE）。