1、用最小二乘法求回归直线方程中的a,b有下面的公式：最小二乘法：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，即作为总离差，并使之达到最小，这样回归直线就是所有直线中Q取最小值的那一条，这种使“离差平方和最小”的方法，叫做最小二乘法：由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（y1-bx1-a）²+（y2-bx-a²）+。

2、+（yn-bxn-a）²这样，问题就归结于：当a，b取什么值时Q最小，即到点直线y=bx+a的“整体距离”最小。

3、扩展资料：回归分析的最初目的是估计模型的参数以便达到对数据的最佳拟合。

(相关资料图)

4、在决定一个最佳拟合的不同标准之中，最小二乘法是非常优越的。

5、这种估计可以表示为：1)样本是在母体之中随机抽取出来的。

6、2)因变量Y在实直线上是连续的，3)残差项是独立同分布的，也就是说，残差是独立随机的，且服从高斯分布。

7、这些假设意味着残差项不依赖自变量的值，所以和自变量X（预测变量）之间是相互独立的。

8、在这些假设下，建立一个显示线性回归作为条件预期模型的简单线性回归方程，可以表示为：给一个随机样本，一个线性回归模型假设回归子和回归量之间的关系是除了X的影响以外，还有其他的变数存在。

9、我们加入一个误差项（也是一个随机变量）来捕获除了之外任何对的影响。

10、参考资料：百度百科——线性回归方程。

本文到此分享完毕，希望对大家有所帮助。