협착 혈관 수와 관련된 여러 요인들을 조합하여 협착혈관 수를 예측하거나 혹은 협착 혈관 수에 영향을 줄 수 있는 여러 요인들의 유의성을 한 모형에서 평가하고자 할 때 회귀분석을 사용한다. 협착혈관 수를 결과변수로, 협착혈관 수에 영향을 줄 수 있는 예측요인들을 독립변수로 하여 결과변수와 예측요인들 사이의 관련성을 수학적 함수로 나타낸 것인데, 각 예측요인과 결과변수 사이의 구체적인 관련성의 크기와 방향이 추정되고, 모형에 포함된 요인들의 값을 조합하여 협착혈관 수를 예측할 수 있게 된다. 예를 들어, 협착혈관 수와 관련된 유의한 예측요인들을 혈당수치(postload glucose), NOMA-IR, total cholesterol 이라고 가정할 때, 회귀분석으로부터, NOMA-IR, total cholesterol의 값은 변하지 않고, 혈당수치만 단위 ‘1’ 증가할 때, 협착혈관 수가 얼만큼 변하는지 추정되고, 한 사람의 혈당수치(postload glucose), NOMA-IR, total cholesterol 값이 주어질 때 그 사람의 협착혈관 수가 예측된다. 타당한 회귀분석을 위해서는 결과변수의 정규성 및 등분산성의 가정이 만족되어야 하며, 결과변수와 연속형 예측요인 사이의 선형적 관련성이 만족되어야 한다. 만약, 예측요인이 범주형일 경우, 가변수를 설정하는 것이 필요하다. 한편, 예측요인의 수가 2개 이상일 때 중회귀분석이라고 하는데, 예측요인의 수가 2개 이상이 되므로 예측요인들 사이의 다중공선성을 평가하고 이를 고려하여 모형을 설정해야 한다. 또한, 한 개의 예측요인과 결과변수의 관련성의 크기(혹은 방향)이 또 다른 예측요인의 값에 따라 달라질 수 있는지를 평가하는 교호작용 평가도 고려되어야 한다. 회귀분석을 위해 요구되는 기본적인 가정 이외에 타당한 중회귀분석을 위해 다중공선성과 교호작용의 개념을 이해하고 이를 고려하여 모형을 구축하는 방법, 그리고 가변수 설정방법 및 해석하는 방법을 이해하는 것이 필요하다.