共同性分析（commonality analysis），法学-社会学-社会学方法-数据分析，一种在多元回归分析中对解释变量进行分解的方法。回归分析由一个因变量和若干自变量组成，研究人员往往需要确定哪些自变量对模型产生的效果最大。但在多元回归模型中，确定每个自变量的贡献往往非常困难，因为模型的自变量间存在大量的共线关系（collinear）或相关关系。早期研究中，研究员在分析时经常犯两类错误：①只解释回归权重。指当回归方程存在共线性时，单独自变量并不能通过权重进行预测，当预测变量存在相关关系，给定自变量与预测结果间的皮尔逊相关系数作为相关系数，也必须进行计算，但2001年，美国统计学家T.库维尔（Troy Courville）和B.汤普森（Bruce Thompson）发现很多研究都忽略了这样的计算。②使用逐步回归的方法，选择自变量进行回归或评估预测结果。通过这样的方法观察预测变量反映的相对重要性，例如计算的大小可能会因为错误的自由度而无法得到正确判断。