回歸方程

在任何現象或過程的研究中，常常有必要找出是否存在的因素（變量）和響應函數（因變量）之間的關係，以及是如何接近它們的相互作用。 使它能夠回歸分析，這是在幾個階段進行。

一項所述的回歸分析的主要階段的是因素和響應函數，它允許以量化它們之間的現有關係之間的數學關係的計算。 這種關係被稱為回歸方程。 正式主要 的分析方法 確定所述方程被認為是 最小二乘法， 因為該方法允許光滑和最佳點相關字段。 然而在實踐中，找到一個功能是很困難的，因為你必須依靠所研究的現象的理論知識，他們在科學領域或通過“試錯”的方法前人的經驗做出的各種功能的簡單的搜索和評價。 如果成功的話，獲得回歸方程，從而允許充分評價所述響應函數的各種因素的影響，即，找到的因素（因變量）的特定值的響應函數（因變量）的預期值。

用於因子x的值的回歸分析和相應的值Y通過進行實驗部分所獲得的響應函數的初始數據。 為了清楚和更好地感知數據值被以表格形式表示。

線性方程 的回歸通常具有形式為Y = A + B∙X. 它包括一個恆定係數（常數）a和回歸係數（斜率）B，乘以可變係數X.因子b的值示出了在響應函數的平均變化在由一個單元中的所述係數的值。 當建立使用係數b也可以定義一個平角水平線產生的回歸方程。 應當指出的是，這個因素有一定的屬性：

·B可以具有不同的值;

·B不是對稱的，即，改變其在研究Y對X的影響的情況下，值;

·測量的單元 的相關係數 是響應函數的比例Y單元變量測量單元X;

·在回歸係數測量變量X和Y值單位也改變的改變的情況下。

在大多數情況下，觀測值很少正好位於該線。 幾乎總是可以觀賞到實驗數據的一些分散相對於回歸直線，形成的預測值。 從它的理論或預測值的回歸直線的一個特定點的偏差被稱為剩餘部分。

非常經常在實踐中，通過採樣回歸方程中，計算這是最小二乘法的係數的值的基本方法確定的。 係數被從代表採樣變量因子值和響應函數的初始數據來計算。

乍一看它可能看起來回歸方程中的係數的值的計算是相當複雜和費時的。 但這種情況並非如此。 它提供了研究人員，眾多的軟件包（最簡單的就是微軟的Excel），它根據你的原始數據，不僅要計算包含公式中的所有因素，將能夠建立變量和因變量之間的相關程度，而是代表以圖形的形式獲得的值。