迴歸方程怎麼寫

先求 x、y 的平均數 x_=(3+4+5+6)/4=9/2,y_=(2.5+3+4+4.5)/4=7/2，然後求對應的 x、y 的乘積之和 ：3*2.5+4*3+5*4+6*4.5=66.5 ,x_*y_=63/4 ，接著計算 x 的平方之和：9+16+25+36=86,x_^2=81/4 ，現在可以計算 b 了：b=(66.5-4*63/4) / (86-4*81/4)=0.7 ，而 a=y_-bx_=7/2-0.7*9/2=0.35 ，所以迴歸直線方程為 y=bx+a=0.7x+0.35 。

擴充套件資料：迴歸方程是根據樣本資料通過迴歸分析所得到的反映一個變數（因變數）對另一個或一組變數（自變數）的迴歸關係的數學表示式。迴歸直線方程用得比較多，可以用最小二乘法求迴歸直線方程中的a,b，從而得到迴歸直線方程。

若在一組具有相關關係的變數的資料（x與Y）間，通過散點圖我們可觀察出所有資料點都分佈在一條直線附近，這樣的直線可以畫出許多條，而我們希望其中的一條最好地反映x與Y之間的關係，即我們要找出一條直線，使這條直線“最貼近”已知的資料點。因為模型中有殘差，並且殘差無法消除，所以就不能用二點確定一條直線的方法來得到方程，要保證幾乎所有的實測值聚集在一條迴歸直線上，就需要它們的縱向距離的平方和到那個最好的擬合直線距離最小。

記此直線方程為（如右所示，記為①式）這裡在y的上方加記號“^”，是為了區分Y的實際值y，表示當x取值xi=1,2，……，6）時，Y相應的觀察值為yi，而直線上對應於xi的縱座標是①式叫做Y對x的迴歸直線方程，相應的直線叫做迴歸直線，b叫做迴歸係數。要確定迴歸直線方程①，只要確定a與迴歸係數b。

迴歸方程的有關量：e.隨機變數 ^b.斜率 ^a.截距 —x.x的數學期望 —y.y的數學期望 R.迴歸方程的精確度。迴歸直線的求法最小二乘法：總離差不能用n個離差之和來表示，通常是用離差的平方和，即作為總離差，並使之達到最小，這樣迴歸直線就是所有直線中Q取最小值的那一條，這種使“離差平方和最小”的方法，叫做最小二乘法：由於絕對值使得計算不變，在實際應用中人們更喜歡用：Q=(y1-bx1-a)²+（y2-bx2-a）²+······+（yn-bxn-a）²，這樣，問題就歸結於：當a,b取什麼值時Q最小，即到點直線y=bx+a的“整體距離”最小。

用最小二乘法求迴歸直線方程中的a,b有下面的公式：迴歸方程的寫法：spss資料表中有非標準係數一欄，這其實就是迴歸方程的係數。對應的變數就是和係數相乘。

如果有常數項，就不用和變數值相乘。參考資料：百度百科-迴歸方程。

迴歸方程是根據樣本資料通過迴歸分析所得到的反映一個變數（依變數）對另一個或一組變數（自變數）的迴歸關係的數學表示式.迴歸直線方程用得比較多，可以用最小二乘法求迴歸直線方程中的a,b，從而得到迴歸直線方程.對變數之間統計關係進行定量描述的一種數學表示式.指具有相關的隨機變數和固定變數之間關係的方程.迴歸直線方程：在一組具有相關關係的變數的資料（x與Y）間，通過散點圖我們可觀察出所有資料點都分佈在一條直線附近，這樣的直線可以畫出許多條，而我們希望其中的一條最好地反映x與Y之間的關係，即我們要找出一條直線，使這條直線“最貼近”已知的資料點，記此直線方程為（如右所示，記為①式）這裡在y的上方加記號“^”，是為了區分Y的實際值y，表示當x取值xi=1,2，……，6）時，Y相應的觀察值為yi，而直線上對應於xi的縱座標是①式叫做Y對x的迴歸直線方程，相應的直線叫做迴歸直線，b叫做迴歸係數.要確定迴歸直線方程①，只要確定a與迴歸係數b.迴歸方程的有關量：e.隨機變數 ^b.斜率 ^a.截距 —x.x的數學期望 —y.y的數學期望 R.迴歸方程的精確度迴歸直線的求法最小二乘法：總離差不能用n個離差之和來表示，通常是用離差的平方和，即作為總離差，並使之達到最小，這樣迴歸直線就是所有直線中Q取最小值的那一條，這種使“離差平方和最小”的方法，叫做最小二乘法。