1楼：匿名用户
这牵涉连加符号，诶被西落，在此用∑表示。最小二乘法利用在减少误差上，所以必定有多组数据关于x.y的。设为n组。所以
∑(y)=b∑(x)+n*a
∑(x*y)=b∑(x*x)+a∑(x)
∑为连加，就是把后面字母对应的数据都加起来！
如数据x=1.2.3.
4.5,则∑(x)=1+2+3+4+5=15数据y=2.3.
4.5.6 则∑(y)=2+3+4+5+6=20∑(x*y)=1*2+2*3+3*4+4*5+5*6=∑(x*x)=1*1+2*2+3*3+4*4+5*5=因为有五个数据,所以这里的n=5
分别代入
最后得到关于a.b的二元一次方程组，
spss怎么用最小二乘法估计y=a+bx中a与b的值？
2楼：南瓜苹果
**如下：
//point.h
#include
using namespace std;
class point//point类的声明
double getx()
double gety()
friend double linefit(point l_point, int n_point);//友元函数
//int型变量为点数
private: //私有数据成员
double x;
double y;
};//endofpoint.h
扩展资料
最小二乘法直线拟合，最小二乘法多项式（曲线）拟合，机器学习中线性回归的最小二乘法，系统辨识中的最小二乘辨识法，参数估计中的最小二乘法，等等。所谓最小二乘，其实也可以叫做最小平方和。
就是通过最小化误差的平方和，使得拟合对象无限接近目标对象，这就是最小二乘的核心思想。可以看出，最小二乘解决的是一类问题，就是需要拟合现有对象的问题。
最小二乘应该说是一种思想，而只有结合了具体对象，才变成最小二乘法。这也就导致了多种多样的最小二乘公式、推导、证明等等。但是，其核心是最小二乘的思想，只是展示形式不同。
3楼：匿名用户
请参照下列操作。
系数(a)
模型 非标准化系数 标准系数
b 标准误差 t sig.
1(常量) 1.662(a) .2975 .595 .001
自变量 .139(b) .030 .882 4.579 .004
a.因变量:因变量
回归方程为因变量^=1.662+0.139自变量
回归方程式y=bx+a，其中如何求b?拜托了，**等着
4楼：only琛寶寶
b是拟合直线的斜率,与相关系数有一个定量关系,
最小二乘法求线性回归方程中的系数a，b怎么求
5楼：demon陌
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）+（y2-bx-a）+。。。+（yn-bxn-a）
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。
6楼：一个人走
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）+（y2-bx-a）+。。。+（yn-bxn-a）
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。
用最小二乘法求回归直线方程中的a,b有下面的公式
7楼：匿名用户
方法很多的!比如用 excel 求、手工求、计算器求、.等.
【你若真有耐心、有恒心,想学习用手工计算的方法,你在这里多追问,我应该可以包你最终能独立计算.没有那恒心、耐心,一两句话当然也说不清楚.】
线性回归模型y=bx+a+e（a和b为模型的未知参数）中，e称为 ______
8楼：手机用户
线性回归模型y=bx+a+e（a和b为模型的未知参数）中e是y与y=bx+a之间的误差，
它的均值e（e）=0，
随机误差的方差越小，说明预报真实值y的精度越高，它是引起预报值与真实值之间误差的原因之一，故答案为：随机误差
线性回归方程中的a，b怎么计算
9楼：匿名用户
回归直线的求法
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）+（y2-bx-a）+。。。+（yn-bxn-a）
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。
用最小二乘法求回归直线方程中的a,b有下面的公式：
10楼：柳絮迎风飘摇
b=(∑xiyi－nxoyo)/(∑xi2－nxo2)。
a=yo－bxo，说明：i（表示其通项1,2…，n）,o(表示其平均值）为下脚标，2（表示其平方）为上脚标。
分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差。
11楼：匿名用户
回归直线方程指在一组具有相关关系的变量的数据（x与y）间，一条最好地反映x与y之间的关系直线。根据以下回归直线公式即可算出a和b的值。
而我们希望其中的一条最好地反映x与y之间的关系，即我们要找出一条直线，使这条直线“最贴近”已知的数据点，记此直线方程为（如右所示，记为①式）这里在y的上方加记号“^”，是为了区分y的实际值y，表示当x取值xi=1，2，……，6）时，y相应的观察值为yi，而直线上对应于yi的纵坐标是 ①式叫做y对x的回归直线方程，相应的直线叫做回归直线，b叫做回归系数。
y=a+bx这公式a代表什么？ 40
12楼：看
y是x的一次函数
b代表一次项系数
a代表常数项
13楼：良驹绝影
y=a＋bx中的a表示直线在y轴上的截距。
14楼：匿名用户
a代表常数项，
也是方程在y轴上的截距~~~~
最小二乘法是指通过求函数q（a，b）的最小值而得出回归直线的方法．其中函数q（a，b）是指（ ）a．（y
15楼：手机用户
利用最小二乘法的定义可知：q（a，b）=ni＝1(y
i?bx
i?a)
，故选c．
怎样用最小二乘法求y=a+bx^2
16楼：匿名用户
例：x=[19,25,31,38,44];y=[19.0,32.3,49.0,73.3,97.8];
fun1=inline('c(1)+c(2)*x.^2','c','x'); %拟合函数
c=lsqcurvefit(fun1,[0,0],x,y) %求拟合系数
['y=',num2str(c(1)),'+',num2str(c(2)),'x^2']%拟合函数表达式
y1=c(1)+c(2)*x.^2; %拟合函数表达式值
plot (x,y,'b*', x, y1,'r-');%绘制x，y点与拟合函数，比较拟合程度
进行结果：
fun1 =
inline function:
fun1(c,x) = c(1)+c(2)*x.^2
optimization terminated: first-order optimality less than options.tolfun,
and no negative/zero curvature detected in trust region model.
c =0.972578657321613 0.0500351242188565
ans =
y=0.97258+0.050035x^2