趋势分析和回归分析，线性、对数、多项式、盛幂、指数、移动平均分析有何不同？1 趋势分析法趋势分析法称之趋势曲线分析、曲线拟合或曲线回归，它是迄今为止研究最多，也最为流行的定量预测方法。
它是根据已知的历史资料来拟合一条曲线，使得这条曲线能反映负荷本身的增长趋势，然后按照这个增长趋势曲线，对要求的未来某一点估计出该时刻的负荷预测值。
常用的趋势模型有线性趋势模型、多项式趋势模型、线性趋势模型、对数趋势模型、幂函数趋势模型、指数趋势模型、逻辑斯蒂(logistic)模型、龚伯茨(gompertz)模型等，寻求趋势模型的过程是比较简单的，这种方法本身是一种确定的外推，在处理历史资料、拟合曲线，得到模拟曲线的过程，都不考虑随机误差。
采用趋势分析拟合的曲线，其精确度原则上是对拟合的全区间都一致的。
在很多情况下，选择合适的趋势曲线，确实也能给出较好的预测结果。
但不同的模型给出的结果相差会很大，使用的关键是根据地区发展情况，选择适当的模型。
分析珠海市1995年以来的用电量历史数据，发现具有比较明显的二项式增长趋势，模型曲线为y=0.229565x2-914.8523x+911472.65，利用该模型曲线得到2005年到2010年的用电量水平分别为52.78亿kwh和85.08亿kwh。
拟合曲线如图1所示。
2 回归分析法回归分析法(又称统计分析法)，也是目前广泛应用的定量预测方法。
其任务是确定预测值和影响因子之间的关系。
电力负荷回归分析法是通过对影响因子值(比如国民生产总值、工农业总产值、人口、气候等)和用电的历史资料进行统计分析，确定用电量和影响因子之间的函数关系，从而实现预测。
但由于回归分析中，选用何种因子和该因子系用何种表达式有时只是一种推测，而且影响用电因子的多样性和某些因子的不可测性，使得回归分析在某些情况下受到限制。
对珠海市历年用电量和国内生产总值gdp、人口popu等数据进行分析，求得回归方程为：y=-3.9848+0.0727gdp+0.10307popu，用该模型预测2005年和2010年的用电量水平分别为47.11亿kwh和70.98亿kwh。
SPSS 10.0高级教程十二：多元线性回归与曲线拟合回归分析是处理两个及两个以上变量间线性依存关系的统计方法。
在医学领域中，此类问题很普遍，如人头发中某种金属元素的含量与血液中该元素的含量有关系，人的体表面积与身高、体重有关系；等等。
回归分析就是用于说明这种依存变化的数学关系。
§10.1Linear过程10.1.1 简单操作入门调用此过程可完成二元或多元的线性回归分析。
在多元线性回归分析中，用户还可根据需要，选用不同筛选自变量的方法（如：逐步法、向前法、向后法，等）。
例10.1：请分析在数据集Fat surfactant.sav中变量fat对变量spovl的大小有无影响？显然，在这里spovl是连续性变量，而fat是分类变量，我们可用用单因素方差分析来解决这个问题。
但此处我们要采用和方差分析等价的分析方法--回归分析来解决它。
回归分析和方差分析都可以被归入广义线性模型中，因此他们在模型的定义、计算方法等许多方面都非常近似，下面大家很快就会看到。
这里spovl是模型中的因变量，根据回归模型的要求，它必须是正态分布的变量才可以，我们可以用直方图来大致看一下，可以看到基本服从正态，因此不再检验其正态性，继续往下做。
10.1.1.1 界面详解在菜单中选择Regression==>liner，系统弹出线性回归对话框如下：除了大家熟悉的内容以外，里面还出现了一些特色菜，让我们来一一品尝。
【Dependent框】用于选入回归分析的应变量。
【Block按钮组】由Previous和Next两个按钮组成，用于将下面Independent框中选入的自变量分组。
由于多元回归分析中自变量的选入方式有前进、后退、逐步等方法，如果对不同的自变量选入的方法不同，则用该按钮组将自变量分组选入即可。
下面的例子会讲解其用法。
【Independent框】用于选入回归分析的自变量。
【Method下拉列表】用于选择对自变量的选入方法，有Enter（强行进入法）、Stepwise（逐步法）、Remove（强制剔除法）、Backward（向后法）、Forward（向前法）五种。
