回归模型是用一个方程式，建立一个因变量与多个自变量的关系，可用于预测和推算。 回归模型可在GIS中用地图叠置运算把分析所需的全部自变量结合起来。 

常用的回归模型有线性回归、局部回归和对数回归三种。

线性回归的主要用途是通过xi的值预测y的值。线性回归需要对预测值和真实值之间的误差、残差等作出几个假设. 

线性回归模型已用于对积雪、野生动物的活动范围、非点源污染的风险、土壤水份和入室盗窃建模。

局部回归模型，又称为地理加权回归分析，用每个已知点的信息推导局部模型。 以探索空间非稳定性为基础（如，变量间的关系随空间变化），模型的参数可随着空间变化，这与整体回归模型中的稳定性的假设相反.

当因变量是类别数据（例如出现与否），自变量是类别数据或数值变量或两者皆是的时候，采用对数回归模型。 

逻辑回归模型已被开发用于预测草地鸟类栖息地、鱼类的栖息地和旅客对指定的国家公园的意识和态度。比如，木材毁坏量回归预测模型模型的因变量有坡度，树径，树高，蓄积量，树木缺矢量。