反映现象结果的数值通常是变化的，这些变化的量称之为变量（Variable）。主动想要了解研究的，处于被解释位置的变量为因变量（Dependent variable），那些引起或影响因变量变化的量为自变量（Independent variable）。根据变量间相关性的不同，变量间的关系可分为确定性关系与非确定性关系。当一个或几个变量的变化能够完全决定另一个变量的变化时，变量之间为确定性关系，也可称之为函数关系。当变量之间有密切的关系，但其程度不能使一个或一些变量的变化完全决定另一个变量的变化，称之为非确定性关系，也可称之为变量之间的统计关系。

统计关系规律性的研究是数理统计学中研究的主要对象，并且已形成两个重要的分支，分别为相关分析与回归分析。在应用中，两种分析方法经常相互结合与渗透，但它们的研究侧重点和应用面不同。差别主要包括以下几点：①在回归分析中，变量y为因变量，处于被解释的特殊地位；在相关分析中，变量y与x处于平等的地位，即研究变量y与变量x的密切程度与研究变量x与y的密切程度是一回事。②相关关系中所涉及的变量y与x均为随机变量；在回归分析中，因变量y为随机变量，自变量x可以是随机变量，也可以是非随机的确定变量（能够确定具体的数值）。通常的回归模型中，x总被假定为非随机的固定变量。③相关分析的研究主要是为刻画两类变量间线性相关的密切程度；回归分析不仅可以揭示变量x对变量y的影响大小，还可以由回归方程进行预测与控制。(www.daowen.com)

此章的研究目标是通过对新市场破坏性创新案例相对主流产品的特征变化数目进行统计，进而预测产品在未来市场中的受欢迎程度。自变量为各特征的变化数目，能够确定其具体的数值；因变量为成功概率值p，是待被预测的对象，表征产品的受欢迎程度。根据相关分析与回归分析中自变量与因变量的不同点，因此选择回归分析方法。回归分析包括多种类型，根据分析对象的变量特征，选择合理的回归分析方法是有效建立模型的重要基础。