在建筑论文中，常用的回归分析方法主要包括线性回归分析和逻辑回归分析。
线性回归分析：
一元线性回归：当自变量只有一个时，使用一元线性回归来探究因变量与一个自变量之间的线性关系。
多元线性回归：当自变量有多个时，使用多元线性回归来探究因变量与多个自变量之间的线性关系。这种方法在建筑能耗研究、建筑材料性能预测等方面有广泛应用。
线性回归分析的目的是找到一条直线（或在多维空间中找到一个超平面），使得这条直线能够最好地拟合给定的数据点。拟合的好坏通常通过最小二乘法来衡量，即最小化预测值与实际值之间的差的平方和。
逻辑回归分析：
逻辑回归通常用于处理二分类问题，即因变量是二元的（如0和1，是或否等）。在建筑领域中，逻辑回归可用于预测建筑是否满足某种标准（如节能标准）、建筑材料是否合格等。逻辑回归通过逻辑函数（如Sigmoid函数）将线性回归的输出转换为介于0和1之间的概率值，从而实现对二分类问题的建模。
除了线性回归和逻辑回归外，还有一些其他的回归分析方法在建筑论文中可能会用到，如岭回归、套索回归、ElasticNet回归等。这些方法主要用于处理自变量之间存在多重共线性的问题，或者在自变量数量较多时进行特征选择。
需要注意的是，在选择回归分析方法时，应根据研究问题的具体性质和数据的特点来选择合适的方法。同时，还需要对模型的假设条件进行检验，以确保模型的适用性和可靠性。