Medidas estadísticas bivariantes: Montero, J.M. (2007). Regresión y Correlación Simple. Madrid: Paraninfo. (pp 151 – 158).Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación de mercados. México City: Cengage Learning.(pp 686 – 695).
Regresión Lineal 
Análisis de correlación 
Coeficiente de determinación 
Coeficiente de correlación 
Coeficiente de determinación lineal 
Regresión simple 
Qué se entiende por lineal
Linealidad en las variables
Linealidad en los parámetros.
Una función y = f(x) se dice que es lineal en X si la variable X aparece con potencia unitaria (por tanto, se excluyen términos como x2, x3, 1/x, √x, por ejemplo) y no está multiplicada ni dividida por otra variable.
Se dice que una función es lineal en los parámetros si éstos aparecen con frecuencia unitaria y no están multiplicados ni divididos por cualquier otro parámetro. A modo de ejemplo, yj = a + √bxi no es una función lineal en los parámetros.
Tiene como objeto medir el grado de dependencia de Y sobre X bajo la función de regresión lineal estimada.
Término usado en el análisis de regresión para denotar la proporción relativa de la variación total en la variable de criterio que puede explicarse mediante la ecuación de regresión ajustada. Link Title
Técnica estadística usada para medir la cercanía de la relación lineal entre dos o más variables en una escala de intervalo.
Se puede establecer una primera clasificación en función del número de variables explicativas: la regresión será simple si únicamente hay una variable explicativa; por el contrario, será múltiple
Término usado en el análisis de regresión para designar la fuerza de la relación lineal entre las variables de criterio y predictivas.
Análisis de correlación múltiple 
Permite añadir diversas variables, de modo que la ecuación refleje los valores de un cierto número de variables de predicción, no una sola. El objetivo de esto es mejorar las predicciones de la variable de criterio.
A falta de variable de predicción, el mejor estimado de la variable de criterio sería la media de la muestra.
Si hubiera poca variabilidad en las muestras de un territorio a otro, la media de la muestra sería un buen estimado de las ventas esperadas en cualquier territorio.
Es decir, r2 = 1 menos el error estándar del estimado al cuadrado, dividido entre la varianza de la muestra de la variable de criterio. 
La varianza de las muestras, sY 2, es una medición del grado de “deficiencia” de ese procedimiento de estimación.
El coeficiente de determinación o coeficiente de correlación múltiple al cuadrado, es una medida descriptiva que sirve para evaluar la bondad de ajuste del modelo a lo datos, ya que mide la capacidad predictiva del modelo ajustado.