1、计算方法：y = Ax + B:a = sigma[(yi-y均值)*(xi-x均值)] / sigma[(xi-x均值)的平方]；b = y均值 - a*x均值。

2、知识拓展最小二乘法求回归直线方程的推导过程这里的是为了区分Y的实际值y（这里的实际值就是统计数据的真实值，我们称之为观察值），当x取值(i=1，2，3……n)时，Y的观察值为，近似值为（或者说对应的纵坐标是）。

(资料图)

3、其中式叫做Y对x的回归直线方程，b叫做回归系数。

4、要想确定回归直线方程，我们只需确定a与回归系数b即可。

5、设x，Y的一组观察值为：i = 1，2，3……n其回归直线方程为：当x取值(i=1，2，3……n)时，Y的观察值为，差刻画了实际观察值与回归直线上相应点纵坐标之间的偏离程度，见下图：实际上我们希望这n个离差构成的总离差越小越好，只有如此才能使直线最贴近已知点。

6、换句话说，我们求回归直线方程的过程其实就是求离差最小值的过程。

7、一个很自然的想法是把各个离差加起来作为总离差。

8、可是，由于离差有正有负，直接相加会互相抵消，如此就无法反映这些数据的贴近程度，即这个总离差不能用n个离差之和来表示，见下图：一般做法是我们用离差的平方和，即：作为总离差 ，并使之达到最小。

9、这样回归直线就是所有直线中Q取最小值的那一条。

10、由于平方又叫二乘方，所以这种使“离差平方和为最小”的方法，叫做最小二乘法。

11、用最小二乘法求回归直线方程中的a、b的公式如下：其中，、为和的均值，a、b的上方加“︿”表示是由观察值按最小二乘法求得的估计值，a、b求出后，回归直线方程也就建立起来了。

12、当然，我们肯定不能满足于直接得到公式，我们只有理解这个公式怎么来的才能记住它，用好它，因此给出上面两个公式的推导过程更加重要。

13、在给出上述公式的推导过程之前，我们先给出推导过程中用到的两个关键变形公式的推导过程。

14、首先是第一个公式：接着是第二个公式：基本变形公式准备完毕，我们可以开始最小二乘法求回归直线方程公式的推导了：至此，公式变形部分结束，从最终式子我们可以看到后两项与a、b无关，属于常数项，我们只需即可得到最小的Q值，因此：。

本文就为大家分享到这里，希望小伙伴们会喜欢。

标签：