迴歸方程xi怎麼求

　　迴歸方程的xi是已知的各個資料，不用求，把題目所有的資料代入即可。迴歸方程是根據樣本資料透過迴歸分析所得到的反映一個變數（因變數）對另一個或一組變數（自變數）的迴歸關係的數學表示式。迴歸直線方程用得比較多，可以用最小二乘法求迴歸直線方程中的a，b，從而得到迴歸直線方程。

　　迴歸方程求殘差方法：在迴歸分析中，測定值與按回歸方程預測的值之差（簡單的說，殘差也就是指實際觀察值與迴歸估計值的差），以δ表示。殘差δ遵從正態分佈N（0，σ2）。（δ-殘差的均值）/殘差的標準差，稱為標準化殘差，以δ*表示。δ*遵從標準正態分佈N（0，1）。

　　實驗點的標準化殘差落在（-2，2）區間以外的機率≤0、05。若某一實驗點的標準化殘差落在（-2，2）區間以外，可在95%置信度將其判為異常實驗點，不參與迴歸線擬合。所謂殘差是指實際觀察值與迴歸估計值的差。顯然，有多少對資料，就有多少個殘差。殘差分析就是透過殘差所提供的資訊，分析出資料的可靠性、週期性或其它干擾。迴歸方程是根據樣本資料透過迴歸分析所得到的反映一個變數（因變數）對另一個或一組變數（自變數）的迴歸關係的數學表示式。迴歸直線方程用得比較多，可以用最小二乘法求迴歸直線方程中的a，b，從而得到迴歸直線方程。

　　1、線性迴歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化“擬合缺陷”在一些其他規範裡（比如最小絕對誤差迴歸），或者在迴歸中最小化最小二乘損失函式的乘法。

　　2、相反，最小二乘逼近可以用來擬合那些非線性的模型。因此，儘管最小二乘法和線性模型是緊密相連的，但他們是不能劃等號的。