egression analysis นั้นสามารถที่จะใช้ได้กับหลายลักษณะความสัมพันธ์ และปริมาณตัวแปร เช่น

1. Simple linear regression analysis : จะใช้เมื่อเราต้องการวิเคราะห์ความสัมพันธ์ระหว่าง สองตัวแปร  และความสัมพันธ์ระหว่างสองตัวแปรดังกล่าวจะต้องเป็นในลักษณะเชิงเส้น และตัวแปรจะต้องมีระดับการวัดในระดับ interval - ratio scale   ดังตัวอย่างง่ายๆ 

                                                     % Bacteria killed (Y)   =   67.45  +  0.214* Temperature(X)

2. Multiple linear regression analysis : จะใช้เมื่อเราต้องการวิเคราะห์ความสัมพันธ์ เมื่อมีตัวแปรที่เป็น Predictor มากกว่า 1 ตัวขึ้นไป แต่ความสัมพันธ์ของตัวแปรทั้งสองฝั่ง ยังคงเป็นแบบเชิงเส้นตรง ยกตัวอย่าง ในกรณีคำถามที่ 3 ที่ผ่านมานั้น นอกจากอุณหภูมิจะมีผลต่อจำนวนเชื้อแบคทีเรียที่ถูกฆ่าแล้ว เวลาที่แช่ภาชนะเพาะเชื้อแบคทีเรียในน้ำรอน ก็เป็นตัวแปร ที่มีผลด้วยเช่นกัน เพราะถ้าอุณหภูมิเท่าเดิม การใช้เวลา 1 นาที กับ 2 นาทีสามารถฆ่าเชื้อแบคที่เรียได้จำนวนแตกต่างกัน ด้วย  สมมติว่าความสัมพันธ์เป็นเชิงเสิ้นตรง ตัวอย่าง Mathemical model จะเป็นดังนี้

                           % Bacteria killed (Y )   =   36.415  +  0.412* Temperature(X1 ) + 4.85*Time( X2 )

3. Polynomial regrssion analysis : จะใช้เมื่อเราต้องการวิเคราะห์ถึงความสัมพันธ์ที่ไม่เป็นเชิงเส้นตรง รวมถึงกรณีมีตัวแปร Predictor มากกว่า 1 ด้วย ยกตัวอย่างเช่น ถ้ากรณีเปิดเครื่องปรับอากาศนั้น นอกจากจำนวนชั่วโมงที่เปิดจะมีผลต่อจำนวนหน่วยไฟฟ้าที่ใช้แล้ว อุณหภูมินอกห้อง ก็ส่งผลด้วยเหมือนกันและไม่เป็นเส้นตรงด้วย การวิเคราะห์ก็จะยิ่งซับซ้อน และยุ่งยากมากขึ้นไปอีก  Mathemical Model จะเป็นดังตัวอย่างต่อไปนี้

                               Power consumtion (Unit)  = 1.542 + 0.859 * Time + 0.587*( External Temperature )2

4. Logistic regression analysis กรณีที่ Y มีค่าเพียงสองสถานะ เช่น No ,Yes เป็นต้น แต่ X เป็นค่าแบบต่อเนื่องปกติ