[讨论]回归方程中的X和Y，一定要是因果关系吗？仅仅只是相关，即不一定有什么因果也可以？

不是因果关系同样可以进行，因为回归分析则与检验并列为对实验结果的整理方法，只不过回归分析结果反映的是相关关系性，而检验得出的结果反映的是因果关系。回归分析只是可以用来推断是否有因果关系，而具体有没有因果关系要看具体情况。

回归分析：是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似的表达变量间的平均变化关系的一种统计分析方法。根据回归分析的定义，变量X，Y之间只是相关关系可以做回归分析，并不一定需要因果关系。

不要求一定是因果关系，仅仅只是相关也可以。
虽然回归分析研究一个变量对另一些变量的依赖关系，但它并不一定意味着因果关系。因果关系的探讨，必须更多地依赖于先验的或者理论上的思考。回归和相关分析所能胜任的全部工作是研究联系，而不一定揭示基本的因果关系结构。

只要有关系，即使不是因果关系也不妨碍人们利用这种关系来进行推断。比如利用公鸡打鸣来预报太阳升起；虽然公鸡打鸣绝对不是日出的原因（虽然打鸣发生在先）

事间事物是普遍联系的，但是他们不一定存在因果关系。
只要他们有相关性，就可以进行回归分析，不一定要有因果关系。

回归方程中的X和Y，不一定是要有因果关系的.仅仅只是相关，即不一定有什么因果也可以建立回归方程.
回归分析是需要依靠相关分析来表明现象数量变化的相关程度,研究的是变量之间的联系.只要当变量之间存在着高度相关时,进行回归分析就有意义.
但是相关和因果关系是不等同的.比如,地震中损失与救援人员的多少和救援的及时程度 有关系,说明这三者是相关的,但是地震中发生的损失却不是由这两者(救援人员的多少和救援的及时程度)导致的,是由地震程度的大小导致的.所以地震程度是因,地震的财产损失是果.
所以相关不等同于因果.

相关关系只是说明二者相关性，而并非说明二者谁是因，谁是果，回归分析中自变量是普通变量，因变量是随机变量，旨在分析变量之间的变化规律，结果用于预测，说明了二变量之间的具体关系，但具体二者谁影响了谁，只能靠分析和逻辑判断了，符合逻辑就说明正确，否则反过来再验证。如果不是因果关系，如果他们中可能存在内在联系，也可以做回归，如果回归后，发现在模型中的变量不显著，则说明你变量选则有问题，应剔除变量重新回归

回归分析中x与y不一定要有因果关系，回归分析只是分别系变量之间从在的关系，检验其相关程度，通过数学关系式把其关系数学化，能实际运用罢了。

如果将两个事物的取值分别定义为变量x和y，这里需要注意两点，1.变量x称为自变量，而y为因变量，一般来讲应该有理由认为是由于x的变化而导致y发生变化。2.y拔不是一个确定数值，而是对应于某个确定x群体的y值平均值的估计。由此可知，x与y不一定有因果关系也是可行的。

　回归分析从一组数据出发确定某些变量之间的定量关系式，即建立模型并估计其中的未知参数，对这些关系式的可信程度进行检验。在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量选入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。利用所求的关系式对某一生产过程进行预测或控制。所以说解决上面所提方法也只是根据最基本的原理解决即可，根据老师所讲的只是嘴基本的原理和知识，所以足够 解决所提问题。个人见解
本文来自: 人大经济论坛 详细出处参考：http://www.pinggu.org/bbs/viewth ... amp;from^^uid=1027045

在回归分析中，我们把被解释或被预测的变量成为因变量，这不是因为有因果关系而叫它因变量的；把用来解释或预测因变量的一个或多个变量称为自变量。
比如说,分析贷款余额对不良贷款的影响时，我们的目的是预测一定的贷款余额条件下的不良贷款是多少，所以不良贷款是被预测的量，为因变量，贷款余额是自变量。
但不良贷款与贷款余额之间不是纯粹的因果关系。你不能说因为贷款余额少，从而导致了不良贷款多。那累计应收贷款干嘛用的？银行增强管理水平干什么？
我们研究回归是研究一个变量对其他变量的依赖程度，不单单是因果关系。因果关系的探讨，要更多的根据理论上的思考于判断。
所以只要有关系，即使不是因果关系，也可以用回归方程分析。
再打个比方：在一个完整的动物世界里，老鼠的数量与蛇的数量有因果关系，蛇的数量与老鹰的数量有因果关系（生物链么……）我们可以用老鹰的数量来预测老鼠的数量，进行回归分析，但老鼠数量的多是因为老鹰数量少么？他们虽然都姓“老”，但不存在因果关系。就像古代用日晷预测时间，但日晷绝对不是时间流逝的原因