原理
回歸方程（regression equation）是對變量之間統計關系進行定量描述的一種數學表達式。指具有相關的随機變量和固定變量之間關系的方程。
回歸直線方程指在一組具有相關關系的變量的數據（x與y）間，一條最好地反映x與y之間的關系直線。
案例分析
若：在一組具有相關關系的變量的數據（x與Y）間，通過散點圖我們可觀察出所有數據點都分布在一條直線附近，這樣的直線可以畫出許多條，而我們希望其中的一條最好地反映x與Y之間的關系，即我們要找出一條直線，使這條直線“最貼近”已知的數據點，記此直線方程為（如右所示，記為①式）
這裡在y的上方加記号“^”，是為了區分Y的實際值y，表示當x取值xi=1，2，……，6）時，Y相應的觀察值為yi，而直線上對應于xi的縱坐标是
①式叫做Y對x的回歸直線方程，相應的直線叫做回歸直線，b叫做回歸系數。要确定回歸直線方程①，隻要确定a與回歸系數b。
回歸方程的有關量：e.随機變量 ^b.斜率 ^a.截距 —x.x的數學期望 —y.y的數學期望 R.回歸方程的精确度
回歸直線的求法
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，并使之達到最小，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：
由于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，問題就歸結于：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：
回歸方程的寫法：spss數據表中有非标準系數一欄，這其實就是回歸方程的系數。對應的變量就是和系數相乘。如果有常數項，就不用和變量值相乘。
應用
“回歸分析（regression analysis）是對具有相關關系的兩個變量進行統計分析的一種常用方法．在《數學3〉中，我們對兩個具有線性相關關系的變量利用回歸分析的方法進行了研究，其步驟為畫散點圖，求回歸直線方程，并用回歸直線方程進行預報．”（引自：人民教育出版社《普通高中課程标準實驗教科書數學選修2—3》第80頁）
補充教程
如今，很少有人自己拿着計算器根據公式，算着線性回歸方程。在WPS上，隻需要輸入數據，就能畫出近拟的直線，給出方程。對于剛從其它版本轉型過來的應該就不會太懂吧，沒關系下面小編馬上就告訴大家WPS表格做直線回歸方程的方法。
WPS表格做直線回歸方程的方法：
- 在wps表格中輸入數據，選擇插入-圖表。選擇散點圖，然後選擇好，填入自己需要的橫縱坐标，标題之類。完成插入圖表，在界面上出現散點圖。對着散點右擊，選擇“添加趨勢線”。可以選擇線性，此時界面中會出現一天近拟的直線。同時在“選項”一欄中，還可添加方程和R平方值。
