回归分析预测主要分五步进行：

１.全面分析影响预测目标变化的因素，找出主要影响因素，确定自变量
　　应尽可能地把影响预测目标变化的所有因素都找出来，然后，分别对每一个影响因素与预测目标的相关程度进行分析，选择相关程度较高的影响因素作为自变量。

２.选择合理的预测模型，确定模型参数
　　线性回归模型的参数确定方法主要是采用最小二乘法，对于非线性回归预测模型可转化为线性回归模型，而后进行参数的估算。

３.进行预测模型的统计假设检验
　　与时间序列预测法不同，并非任何回归预测模型都能直接用于预测，而必须进行回归预测模型的有效性检验，即统计假设检验后，方能用于实际预测。统计假设检验主要是采用统计推断方法对选择的自变量是否与因变量之间密切相关以及自变量的变化能否解释因变量的变化进行分析，以判断回归预测模型的有效性。

４.应用模型进行实际预测
　　当回归预测模型通过统计假设检验后，就可以利用它进行实际预测。首先通过其它途径获得自变量的先期预测值；然后把自变量的先期预测值代入预测方程，即可得到预测值。

５.检验预测结果的可靠性
　　预测结果可靠性检验是指通过有关专家的经验，对回归分析预测所得到的结果，同运用其它预测方法所得到的结果进行对比分析，并结合市场供求现状，对预测结果是否切合实际做出评价。对于市场预测而言，由于市场供求情况受诸多因素影响，情况变化多端，这种定性检验往往是非常重要的。

　　下面将主要讨论常用的一元线性回归预测方法和多元线性回归预测方法。