琢玉成华
简单来说：回归模型做预测是很不错的，它不仅可以预测并求出函数，还可以自己对结果进行残差的检验，检验模型的精度。但是回归模型比较简单，算法相对低级。回归方程假设严格，需要知道引起因变量改变的所有解释变量的因素，否则回出现伪回归等问题，假设检验不过关。具体分析： 优点： 1、回归分析法在分析多因素模型时，更加简单和方便； 2、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果，但在图和表的形式中，数据之间关系的解释往往因人而异，不同分析者画出的拟合曲线很可能也是不一样的； 3、回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的高低，提高预测方程式的效果；在回归分析法时，由于实际一个变量仅受单个因素的影响的情况极少，要注意模式的适合范围，所以一元回归分析法适用确实存在一个对因变量影响作用明显高于其他因素的变量是使用。多元回归分析法比较适用于实际经济问题，受多因素综合影响时使用。 缺点： 有时候在回归分析中，选用何种因子和该因子采用何种表达。 回归方程式只是一种推测，这影响了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。 
回归模型做预测还是很不错的，它不仅可以预测并求出函数，还可以自己对结果进行残差的检验，检验模型的精度。但是回归模型比较简单，算法相对低级，很多人尤其是比赛的时候不愿意采用。希望能帮你。
还有，见到有些地方层次分析法界和着topsis也用了，用来检验的，具体就看不懂了有什么联系吗?是不是都可以这么用啊???用层次分析法嵌套熵值法，再用topsis检验就没了
