1、用最小二乘法求回歸直線方程中的a,b有下面的公式：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，并使之達到最小，這樣回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：由于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-bx-a2）+。

2、+（yn-bxn-a）2這樣，問題就歸結于：當a，b取什么值時Q最小，即到點直線y=bx+a的“整體距離”最小。

3、擴展資料：回歸分析的最初目的是估計模型的參數以便達到對數據的最佳擬合。

(資料圖片)

4、在決定一個最佳擬合的不同標準之中，最小二乘法是非常優越的。

5、這種估計可以表示為：1)樣本是在母體之中隨機抽取出來的。

6、2)因變量Y在實直線上是連續的，3)殘差項是獨立同分布的，也就是說，殘差是獨立隨機的，且服從高斯分布。

7、這些假設意味著殘差項不依賴自變量的值，所以和自變量X（預測變量）之間是相互獨立的。

8、在這些假設下，建立一個顯示線性回歸作為條件預期模型的簡單線性回歸方程，可以表示為：給一個隨機樣本，一個線性回歸模型假設回歸子和回歸量之間的關系是除了X的影響以外，還有其他的變數存在。

9、我們加入一個誤差項（也是一個隨機變量）來捕獲除了之外任何對的影響。

10、參考資料：百度百科——線性回歸方程。

本文到此分享完畢，希望對大家有所幫助。