y分元y
可见,各散点通常并不会恰好在一条 直线上,但反映出两变量的线性趋势。我 们可以假定,相对于X各个取值,相应的Y 的总体均数位于一条直线上,与X之间数量 上的线性依存关系就称为线性回归。这样 我们就可以用某个恰当的线性回归方程 linear regression equation)来描述Y的总体 均数依赖于X的数值变化 u,r=a+ Br
可见，各散点通常并不会恰好在一条 直线上，但反映出两变量的线性趋势。我 们可以假定，相对于X各个取值, 相应的Y 的总体均数位于一条直线上,与X之间数量 上的线性依存关系就称为线性回归。这样 我们就可以用某个恰当的线性回归方程 (linear regression equation)来描述Y的总体 均数依赖于X的数值变化：
以Y表示的一个样本估计值, 即Ⅹ确定时Y的样本均数,样本回归方程 的一般表达式可写为: Y=a+bX
以 表示 的一个样本估计值， 即X确定时Y的样本均数，样本回归方程 的一般表达式可写为： y|x
直线回归方程的建立 1.一般表达式 y=a+bx x自变量 y当x取某一定值时,因变量y的 平均估计值。 -截距,即当x=0时,y的 平均估计值
三、直线回归方程的建立 1.一般表达式： 自变量 当 取某一定值时，因变量 的 平均估计值。 y = a + bx 截距，即当 时， 的 平均估计值
b—斜率(回归系数):当x 每改变一个单位时,少的平均改变量
斜率（回归系数）：当 每改变一个单位时， 的平均改变量