什么是WBR指数（住宅、建造、装修指数）？它有什么作用？
WBR指数（住宅、建造、装修指数）是测量住宅建筑和装修行业的市场潜力的统计量度。数据来源于统计学上可以调查到的最小区域单位的市场潜力数据。 WBR指数（住宅、建造、装修指数）可指出各国平均市场潜力的正负偏差。
因此，WBR指数是一个具有以下功能的工具：
WBR模式如何运行？
WBR 模式的基础是一个所谓的“非线性多元回归方法”（见工具箱1）。该程序用来探寻市场潜力和统计因素之间的关系。对一个已知样品的拟就（校准）而成的方程式可获得这种关系。
这些统计模型描述待解释的数值和多个独立的影响因素（要素）之间的关系。为此，一个回归方程（模型）将依据一个数据纪录而调节（校准）。多元非线性模型如WBR是通过迭代算法而获得的，即一个不断向正确结果靠齐的方法。所谓的复相关系数（R²）用来描述调整的性能。一个R²对于一个给定的样本大小是否重要取决于一种假设检验（F检验）。也就是说，原假设本来正确，但按检验规则却拒绝了原假设，这类错误发生的概率记为α。
市场潜力当然由大量的统计因素而决定，但在计算WBR指数时，不是所有因素都能或必须被考虑在内。因此我们需要简化数据，以获取最重要的影响因素。发挥同样影响力的多个因素，将被一个因素所取代，这一点尤为重要。这种简化数据的统计方法被称为“因素分析”（见工具箱2）
数据简化方法通过合并多个同类因素而实现。因素分析会引发所谓的特征值问题，以提取各种独立的因素。因素分析可以用来保证一个多元回归模型里的输入变量的独立性，如WBR指数。
也就是说，统计学上来看，有些因素虽然和其他因素“息息相关”，但是却不必单独详细考虑。这意味着对WBR指数的实际计算其实考虑到其他各种影响因素，而这些因素并没有被一一列出。
作为WBR模式的基础的因素分析，主要有：
WBR模型不能像普通多元线性回归模型一样叠加使用。 WBR模型考虑到购买力因素和以建筑成本数据的形式而显示的有限的销售额因素，这与建筑许可的数量相关，而该数量又由房屋结构而决定。
WBR模型的局限性
例外不是用来证实任何规则，而是使我们意识到这些模型的局限性。规则的主要性能取决于例外的数量。如果例外的数量少的话，即错误概率低，则说明该规则良好。正如同所有的统计模型，WBR模型也有一定的错误概率（见工具箱3）。但概率a= 0.09（假设检验所得）对于一个社会人口模型来说较低。对于像WBR模型所描述的复杂系统没有完整的解释。
为了能在统计分析的基础上作出相关决定，显着性水平尤显重要。它指出，通过所谓的“零假设”而作出错误决定的概率有多少。例如，如果显着性水平显示为5％，那么调查“准确度”则为95％。
另一个WBR模型的局限性体现在输入数据的类型，特别是那些基于建筑许可和相对建设成本的数据。换句话说，不需要建筑许可的住房扩建和翻修，不会被直接计算在内。然而却有间接耦合，因为一般来说，需要特别许可的建筑活动都与不需要建筑许可的施工活动紧密相关。