分样本回归是指将整个数据集分割成多个子样本，然后对每个子样本进行回归分析的方法。在分样本回归中，每个子样本可以根据某种规则进行划分，比如按照时间顺序、地理位置等。然后，对每个子样本进行独立的回归分析，得到对应的回归模型和参数估计结果。最后，可以对这些子样本的回归结果进行整合，得到整体的回归模型和参数估计结果。

分样本回归的目的是在数据集较大时，通过分析多个子样本来提高回归模型的准确性和稳定性。分样本回归可以减少模型对数据集整体特征的过度拟合，同时可以更好地捕捉不同子样本之间的异质性。通过对多个子样本进行回归分析，可以更全面地理解数据集的特征和模式，提高回归模型的泛化能力。