1樓：匿名使用者
方法很多的！1）若不要求誤差最小，隨便選兩點，用直線兩點式方程即可《回歸》；
2）平均法，把所有實驗值平均分成兩組（或者相差乙個值），分組相加，得出兩個含未知係數的一次方程，按解二元一次方程的方法解出係數 a、b，完成回歸；
3）用可《回歸計算》的計算器進行回歸計算；
4）用電腦的 excel (一般裝了 office 的就有）的linest 函式計算。
【後兩者其實還是用的 最小二乘法 】
最小二乘法求線性回歸方程中a，b怎麼理解理解？
2樓：天蒼
y=bx+a
b是斜率，a是y和豎軸交點縱座標
最小二乘法求線性回歸方程中的係數a，b怎麼求
3樓：demon陌
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，並使之達到最小，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-bx-a²）+。。。+（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。
4樓：乙個人走
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-bx-a²）+。。。+（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。
用最小二乘法求回歸直線方程中的a,b有下面的公式
5樓：匿名使用者
方法很多的!比如用 excel 求、手工求、計算器求、.等.
【你若真有耐心、有恆心,想學習用手工計算的方法,你在這裡多追問,我應該可以包你最終能獨立計算.沒有那恆心、耐心,一兩句話當然也說不清楚.】
求回歸方程的最小二乘法，是怎麼計算的？
6樓：古代聖翼龍
因為檢視此知識點的人較多，我對原答案進行了一些補充
求出上圖公式中的係數a和b，即可得到回歸方程。
tips：ς讀作sigma或「西格瑪」，意為求和。σ上方表示上界，下方表示下界，在本例中即意味著從i=1開始，一直到i=n為止，將西格瑪後面的式子進行累加。
如果題幹沒有歧義，上/下界也可以忽略不寫。而σ的作用域僅僅為後面的第乙個式子，這裡的式子可以理解為乙個「乘除表示式」，而非「加減表示式」，這也是記憶該最小二乘法計算方法的關鍵！該公式的計算步驟在追問&追答中有，下面補充乙個例子。
問：設n=2，k1=3，k2=6，h=5。求σki+h、σ(ki+h)、σki*h+h的值？
解：我將西格瑪的拆分式用符號[ ]框起來
①σki+h=[ σki ]+h=[ (k1) + (k2) ]+h=[ (3) + (6) ]+5=14
②σ(ki+h)=[ σ(ki+h) ]=[ (k1+h) + (k2+h) ]=[ (3+5) + (6+5) ]=19
③σki*h+h=[ σki*h ]+h=[ (k1*h) + (k2*h) ] +h=[ (3*5) + (6*5) ]+5=50
也就是σ只對它後面的第乙個乘法因子有效，倘若後面出現了+或-，則那些部分不在σ的作用域內。當然還要記住括號可以把乙個較長的加減表示式理解為乙個乘除表示式（例如②），即理解為乙個單一的乘法因子。
7樓：梔欣
計算方法：
y = ax + b:a = sigma[(yi-y均值)*(xi-x均值)] / sigma[(xi-x均值)的平方]；b = y均值 - a*x均值。
最小二乘法求回歸直線方程的推導過程
這裡的是為了區分y的實際值y（這裡的實際值就是統計資料的真實值，我們稱之為觀察值），當x取值(i=1，2，3……n)時，y的觀察值為，近似值為（或者說對應的縱座標是）。
其中式叫做y對x的回歸直線方程，b叫做回歸係數。要想確定回歸直線方程，我們只需確定a與回歸係數b即可。
設x，y的一組觀察值為：
i = 1，2，3……n
其回歸直線方程為：
當x取值(i=1，2，3……n)時，y的觀察值為，差刻畫了實際觀察值與回歸直線上相應點縱座標之間的偏離程度，見下圖：
實際上我們希望這n個離差構成的總離差越小越好，只有如此才能使直線最貼近已知點。換句話說，我們求回歸直線方程的過程其實就是求離差最小值的過程。
乙個很自然的想法是把各個離差加起來作為總離差。可是，由於離差有正有負，直接相加會互相抵消，如此就無法反映這些資料的貼近程度，即這個總離差不能用n個離差之和來表示，見下圖：
一般做法是我們用離差的平方和，即：
作為總離差 ，並使之達到最小。這樣回歸直線就是所有直線中q取最小值的那一條。由於平方又叫二乘方，所以這種使「離差平方和為最小」的方法，叫做最小二乘法。
用最小二乘法求回歸直線方程中的a、b的公式如下：
其中，、為和的均值，a、b的上方加「︿」表示是由觀察值按最小二乘法求得的估計值，a、b求出後，回歸直線方程也就建立起來了。
當然，我們肯定不能滿足於直接得到公式，我們只有理解這個公式怎麼來的才能記住它，用好它，因此給出上面兩個公式的推導過程更加重要。在給出上述公式的推導過程之前，我們先給出推導過程中用到的兩個關鍵變形公式的推導過程。首先是第乙個公式：
接著是第二個公式：
基本變形公式準備完畢，我們可以開始最小二乘法求回歸直線方程公式的推導了：
至此，公式變形部分結束，從最終式子我們可以看到後兩項
與a、b無關，屬於常數項，我們只需
即可得到最小的q值，因此：
8樓：匿名使用者
就是用乘法乘唄還能算計算
9樓：酆司越成
向左轉|向右轉
你是說這個嗎？給你公式就可以計算出a和b，然後y=bx+a就行了
什麼是最小二乘法回歸分析？
10樓：初夏
所謂回歸分析實際上就是根據統計資料建立乙個方程，用這個方程來描述不同變數之間的關係，
而這個關係又無法做到想像函式關係那樣準確，因為即使你重複全部控制條件，結果也還有區別，這時通過讓回歸方程計算值和試驗點結果間差值的平方和最小來建立回歸方程的辦法就是最小二乘法，二乘的意思就是平方。
最小二乘就是指回歸方程計算值和實驗值差的平方和最小。
11樓：清新格調
最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化誤差的平方和尋找資料的最佳函式匹配。
對於一元線性回歸模型, 假設從總體中獲取了n組觀察值（x1，y1），（x2，y2）， …，（xn，yn）。對於平面中的這n個點，可以使用無數條曲線來擬合。要求樣本回歸函式盡可能好地擬合這組值。
綜合起來看，這條直線處於樣本資料的中心位置最合理。 選擇最佳擬合曲線的標準可以確定為：使總的擬合誤差（即總殘差）達到最小。
有以下三個標準可以選擇：
（1）用「殘差和最小」確定直線位置是乙個途徑。但很快發現計算「殘差和」存在相互抵消的問題。
（2）用「殘差絕對值和最小」確定直線位置也是乙個途徑。但絕對值的計算比較麻煩。
（3）最小二乘法的原則是以「殘差平方和最小」確定直線位置。用最小二乘法除了計算比較方便外，得到的估計量還具有優良特性。這種方法對異常值非常敏感。
用matlab最小二乘法擬合指數函式
myfun。抄m function y myfun beta,x a b c m beta 1 n beta 2 y a b m c x n 視窗bai 下執行以du下命zhi令 beta0 rand 1，2 beta,r,j nlinfit x,y,daomyfun,beta0 呵呵copy，還需...
最小二乘法擬合與多項式擬合的關係是什麼
69.1622 29.0101 這樣解沒有問題的，能夠得到結果的啊這只是matlab預設執行兩百步就停止了！按某個文獻擬合a b值 a 185.87，b 157.54 與 用最小二乘法求一次和二次擬合多項式的程式流程圖 要體現二乘原理直接用現函式解決 這是純物件導向程式設計語言，擁有基於原型物件的模...
為什麼在對引數進行最小二乘估計之前要對模型提出古典假定
為什bai麼在對引數進行最du 小二乘估計之前zhi,要對模型提出古dao典假定?答 在古內典假定條件下,ols估計得容 到的引數估計量是該引數的最佳線性無偏估計,具有無偏性 有效性 線性.總之,作古典假定是為了使所作出的估計具有較好的統計性質和方便地進行統計推斷.智慧型儀器有哪些產品 那這個就太多...