回归方程公式是什么？
线性回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。
线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。
线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。
线性回归方程求法介绍
1、用所给样本求出两个相关变量的(算术）平均值
2、分别计算分子和分母：（两个公式任选其一）分子
3、计算b：b=分子/分母
4、用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零。
5、先求x,y的平均值X,Y
6、再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)后把x,y的平均数X，Y代入a=Y-bX
7、求出a并代入总的公式y=bx+a得到线性回归方程(X为xi的平均数，Y为yi的平均数)
以上内容参考 百度百科—线性回归方程
回归直线方程指在一组具有相关关系的变量的数据（x与Y）间，一条最好地反映x与y之间的关系直线。
离差作为表示Xi对应的回归直线纵坐标y与观察值Yi的差，其几何意义可用点与其在回归直线竖直方向上的投影间的距离来描述。数学表达:Yi-y^=Yi-a-bXi。
总离差不能用n个离差之和来表示，通常是用离差的平方和，即（Yi-a-bXi）^2计算。
要确定回归直线方程①，只要确定a与回归系数b。回归直线的求法通常是最小二乘法：离差作为表示xi对应的回归直线纵坐标y与观察值yi的差，其几何意义可用点与其在回归直线竖直方向上的投影间的距离来描述。
绛旓細鍥炲綊鐩寸嚎鏂圭▼鍏紡涓篩i-y^=Yi-a-bXi锛岀宸綔涓鸿〃绀篨i瀵瑰簲鐨勫洖褰掔洿绾跨旱鍧愭爣y涓庤瀵熷糦i鐨勫樊锛屽叾鍑犱綍鎰忎箟鍙敤鐐逛笌鍏跺湪鍥炲綊鐩寸嚎绔栫洿鏂瑰悜涓婄殑鎶曞奖闂寸殑璺濈鏉ユ弿杩般傚洖褰掔洿绾挎柟绋嬫寚鍦ㄤ竴缁勫叿鏈夌浉鍏冲叧绯荤殑鍙橀噺鐨勬暟鎹紙x涓嶻锛夐棿锛屼竴鏉℃渶濂藉湴鍙嶆槧x涓巠涔嬮棿鐨勫叧绯荤洿绾裤浠涔堟槸鍥炲綊鐩寸嚎鏂圭▼锛熷湪涓缁勫叿鏈夌浉鍏冲叧绯荤殑...
绛旓細绾挎鍥炲綊鏂圭▼鍏紡鐩稿叧绯绘暟rr鏄浉鍏崇郴鏁帮紝r=鈭(Xi-X)(Yi-Y)/鏍瑰彿[鈭(Xi-X)脳鈭(Yi-Y)]锛屼笂寮忎腑鈥濃垜鈥濊〃绀轰粠i=1鍒癷=n姹傚拰銆傝姹傝繖涓煎ぇ浜5%銆傚澶ч儴鍒嗙殑琛屼负鐮旂┒鑰呮潵璁诧紝鏈閲嶈鐨勬槸鍥炲綊绯绘暟銆俽鏄嚎鎬у洖褰掓柟绋嬬殑鐩稿叧绯绘暟锛屾弿杩扮嚎鎬у叧绯荤殑寮哄害鍜屾柟鍚戙傚叾鍊艰寖鍥翠负-1鍒1涔嬮棿锛岃秺鎺ヨ繎浜1鎴-1...
绛旓細绾挎鍥炲綊鏂圭▼鍏紡锛歜=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)銆傜嚎鎬у洖褰掓柟绋嬫槸鍥炲綊鍒嗘瀽涓涓绉嶇粡杩囦弗鏍肩爺绌跺苟鍦ㄥ疄闄呭簲鐢ㄤ腑骞挎硾浣跨敤鐨勭被鍨嬨傝繖鏄嚎鎬т緷璧栦簬鍏舵湭鐭ュ弬鏁扮殑妯″瀷姣旈潪绾挎т緷璧栦簬鍏朵綅缃弬鏁扮殑妯″瀷鏇村鏄撴嫙鍚堬紝鑰屼笖浜х敓鐨勪及璁＄殑缁熻鐗规т篃鏇村鏄撶‘瀹氥傜粰瀹氫竴涓彉閲弝鍜屼竴浜涘彉閲廥1锛....
绛旓細鏈灏忎簩涔樻硶鏄竴绉嶆渶甯歌鐨勭嚎鎬у洖褰掓柟娉曪紝鍥犱负瀹冭绠楃畝鍗曞苟涓旀槗浜庡疄鐜般傞櫎浜嗘渶灏忎簩涔樻硶涔嬪锛岃繕鍙互浣跨敤鍏朵粬鐨勭畻娉曟潵璁＄畻绾挎у洖褰掓ā鍨嬨備緥濡傦紝闅忔満姊害涓嬮檷绠楁硶鍜岀墰椤胯凯浠ｇ畻娉曠瓑銆傝繖浜涚畻娉曞湪涓嶅悓鐨勬暟鎹泦鍜岄棶棰樹笂鏈変笉鍚岀殑鎬ц兘琛ㄧ幇銆傛讳箣锛岀嚎鎬鍥炲綊鏂圭▼r鏄竴涓娴嬪彉閲忓拰瑙ｉ噴鍙橀噺涔嬮棿鍏崇郴鐨勬ā鍨嬨傝绠鍏紡涓殑...
绛旓細鍥炲綊鐩寸嚎鏂圭▼鎸囧湪涓缁勫叿鏈夌浉鍏冲叧绯荤殑鍙橀噺鐨勬暟鎹紙x涓嶻锛夐棿锛屼竴鏉℃渶濂藉湴鍙嶆槧x涓巠涔嬮棿鐨勫叧绯荤洿绾裤傜宸綔涓鸿〃绀篨i瀵瑰簲鐨勫洖褰掔洿绾跨旱鍧愭爣y涓庤瀵熷糦i鐨勫樊锛屽叾鍑犱綍鎰忎箟鍙敤鐐逛笌鍏跺湪鍥炲綊鐩寸嚎绔栫洿鏂瑰悜涓婄殑鎶曞奖闂寸殑璺濈鏉ユ弿杩般傛暟瀛﹁〃杈:Yi-y^=Yi-a-bXi銆傛荤宸笉鑳界敤n涓宸箣鍜屾潵琛ㄧず锛岄氬父鏄敤绂诲樊鐨...
绛旓細绾挎鍥炲綊鏂圭▼鐨鍏紡濡備笅鍥炬墍绀猴細鍏堟眰x,y鐨勫钩鍧囧糥,Y 鍐嶇敤鍏紡浠ｅ叆姹傝В:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)鍚庢妸x,y鐨勫钩鍧囨暟X锛孻浠ｅ叆a=Y-bX 姹傚嚭a骞朵唬鍏ユ荤殑鍏紡y=bx+a寰楀埌绾挎у洖褰掓柟绋嬨傛眰瑙ｆ柟娉 绾挎у洖褰掓ā鍨嬬粡甯哥敤鏈灏忎簩涔橀艰繎鏉ユ嫙鍚堬紝浣嗕粬浠篃鍙兘鐢ㄥ埆鐨勬柟娉曟潵鎷熷悎锛...
绛旓細绾挎鍥炲綊鏂圭▼鍏紡锛歜=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)銆傝瑙ｅ涓嬨1銆佺涓锛氱敤鎵缁欐牱鏈眰鍑轰袱涓浉鍏冲彉閲忕殑锛堢畻鏈級骞冲潎鍊笺2銆佺浜岋細鍒嗗埆璁＄畻鍒嗗瓙鍜屽垎姣嶏細锛堜袱涓叕寮忎换閫夊叾涓锛夊垎瀛愩3銆佺涓夛細璁＄畻b锛歜=鍒嗗瓙锛忓垎姣嶃4銆佺敤鏈灏忎簩涔樻硶浼拌鍙傛暟b,璁炬湇浠庢鎬佸垎甯冿紝鍒嗗埆姹傚a...
绛旓細鍥炲綊鏂圭▼鏄鏍规嵁鏍锋湰璧勬枡閫氳繃鍥炲綊鍒嗘瀽鎵寰楀埌鐨勫弽鏄犱竴涓彉閲忥紙鍥犲彉閲忥級瀵瑰彟涓涓垨涓缁勫彉閲忥紙鑷彉閲忥級鐨勫洖褰掑叧绯荤殑鏁板琛ㄨ揪寮忋傚洖褰掔洿绾挎柟绋嬬敤寰楁瘮杈冨锛屽彲浠ョ敤鏈灏忎簩涔樻硶姹傚洖褰掔洿绾挎柟绋嬩腑鐨刟,b锛屼粠鑰屽緱鍒板洖褰掔洿绾挎柟绋媦=bx+a銆傜敤鏈灏忎簩涔樻硶姹傚洖褰掔洿绾挎柟绋嬩腑鐨刟,b鏈変笅闈㈢殑鍏紡锛
绛旓細鍥炲綊鐩寸嚎鏂圭▼鍏紡璇﹁В濡備笅锛氬洖褰掔洿绾跨殑姹傛硶閫氬父鏄渶灏忎簩涔樻硶锛氱宸綔涓鸿〃绀簒i瀵瑰簲鐨勫洖褰掔洿绾跨旱鍧愭爣y涓庤瀵熷紋i鐨勫樊锛屽叾鍑犱綍鎰忎箟鍙敤鐐逛笌鍏跺湪鍥炲綊鐩寸嚎绔栫洿鏂瑰悜涓婄殑鎶曞奖闂寸殑璺濈鏉ユ弿杩般
绛旓細鏇茬嚎鍥炲綊鏂圭▼鍏紡锛歽=锛坅+bx锛/x 涓や釜鍙樻暟闂村憟鐜版洸绾垮叧绯荤殑鍥炲綊锛屾洸绾垮洖褰掓槸寤虹珛涓嶅悓鍙橀噺闂寸浉鍏冲叧绯荤殑闈炵嚎鎬ф暟瀛︽ā鍨嬫暟閲忓叧绯诲紡鐨勭粺璁℃柟娉曘傚啘涓氬寲瀛︿腑鍚勭鍥犵礌闂寸殑鐩镐簰鍏崇郴澶氭暟鏄洸绾垮叧绯汇傛洸绾垮洖褰掑垎鏋愭垨闈炵嚎鎬у洖褰掑垎鏋愶細浠ユ渶灏忎簩涔樻硶鍒嗘瀽鏇茬嚎鍏崇郴璧勬枡鍦ㄦ暟閲忓彉鍖栦笂鐨勭壒寰佸拰瑙勫緥鐨勬柟娉曘
