回归方程怎么做 求回归方程式，解法详细一点

回归方程怎么做

选中需要作图的数据区域，上方“插入”选项卡下图表，选择散点来图的第一种，



下一步直到完成

点击图上的其中一个点，使所有点被选中，右击添加趋势源线



类型选择线性，选项选择显示公式和R平方值





点击确定即zd可。这就是回归曲线。

求回归方程式，解法详细一点

1）用《可回归计算型计算器》直接按算——先调定要求的回归形式.然后按所给出的数据分组输入,再调出回归系数.
2）按最小误差理论建立的最小二乘法 手动回归.a)求平均值；b）求差值；c)求两个Σ值(即和值）；d)求系数 b（一次项系数）；e）求系数 a （常数项）——完成线性回归.
黑岩莉莉 2014-10-14

在进行线性回归时，为什么最小二乘法是最优方法

线性回归中，你要估计参数的话就需要设计一个函数，然后极小化这个函数来得到参数的估计。最小二乘方法就是这样的，依靠对残差平方和的最小化来估计参数。 还有其他的函数设计，诸如最小一乘方法，或者最小化残差的中位数等。 相比之下，只有最小一乘方法能够达到与最小二乘法相当的一些统计性质：参数估计的无偏性，渐进性等等。只不过在从前，计算机不发达的时候，最小二乘法由于计算的便利性被人们广泛使用。不过近来 ，由于计算机的改良和算法的进步，最小一乘方法的计算效率也可以很高了。加上它有稳健性，即估计值不容易被个别异常值破坏，因此最小一乘的应用也比较广泛。 简单来说，最小二乘就是因为良好的统计性质以及计算的便利性使得它成为了初学的最优的方法。

如何通过修改样本数据，得到理想的回归方程

不一定，如果该模型只有一个自变量，可以说该方程比较理想，但是如果该方程有多个自变量，那我们因该检测这些自变量之间是否存在multi－colinearity，也就是这些自变量之间是否相关联。如果colinearity存在，则不能说明98。01％的variance可以被自变量解释，r^2的高系数可能是有colinearity引起。