Anknüpfend an bereits erworbene einführende Kenntnisse der beschreibenden und schließenden Statistik aus der Veranstaltung Statistik I wird zunächst in die lineare Regressionsanalyse eingeführt, eine Methode, die es erlaubt, ein Merkmal auf Basis eines oder mehrere anderer Merkmale vorherzusagen und die Stärke des damit beschriebenen statistischen Zusammenhang zu bestimmen.
Aufbauend auf die lineare Regression, die auf metrische abhängige Variablen zugeschnitten ist, wird im Anschluss die Familie der generalisierten linearen Modelle (GLM) vorgestellt. Zu dieser Modellfamilie gehören Regressionsmodelle, die geeignet sind, unterschiedlich skalierte abhängige Variablen im Rahmen der Regressionsanalyse zu untersuchen. Dazu gehört z.B. die logistische Regression, die zum Einsatz kommt, wenn die abhängige Variable binär kodiert ist (z.B. ja/nein) oder die Poissonregression, die zum Einsatz bei Zählvariablen kommt.