线性回归方程公式_y=bx+a_最小二乘法_斜率截距计算

线性回归方程公式（最小二乘法）

ŷ = bx + a　b = Σ(xᵢ-x̄)(yᵢ-ȳ)/Σ(xᵢ-x̄)²　a = ȳ - bx̄

一元线性回归方程，最小二乘法估计参数

b：斜率（回归系数）　a：截距　x̄,ȳ：均值　ŷ为预测值　R²为拟合优度

X数据（逗号分隔）

Y数据（逗号分隔）

线性回归方程详解

一元线性回归用于建立两个变量之间的线性关系模型：ŷ = bx + a，其中b为斜率，a为截距。

最小二乘法：选择b和a使残差平方和Σ(yᵢ-ŷᵢ)²最小。求导令偏导为0得：

b = Σ(xᵢ-x̄)(yᵢ-ȳ) / Σ(xᵢ-x̄)² = Sxy/Sxx

a = ȳ - b·x̄

拟合优度R²：R²=r²（r为相关系数），表示回归方程解释的变异比例，越接近1拟合越好。

应用：预测（给定x预测y）、趋势分析、变量关系量化。广泛用于经济、金融、医学、社会科学等领域。

例题：X=[1,2,3,4,5],Y=[2,4,5,4,5]，求回归方程

解：x̄=3,ȳ=4，Sxy=6,Sxx=10，b=0.6，a=4-0.6×3=2.2，ŷ=0.6x+2.2

A：线性（X与Y线性关系）、独立（残差独立）、正态（残差正态分布）、等方差（残差方差恒定）。不满足时需变换或用其他模型。

A：取决于领域。物理实验R²>0.99常见，社会科学R²>0.3就不错。R²高不代表因果关系，只代表线性拟合好。

A：多元回归Y=b₀+b₁X₁+...+bₖXₖ，用矩阵方法β=(X'X)⁻¹X'Y估计参数。需要用统计软件（R、Python、SPSS）计算。