其中 。

　　4 随机误差：当样本点散布在某一条直线的附近，而不是在一条直线上时，可用下面的线形回归模型来表示：

　　y=bx+a+e

　　其中a和b为模型的未知参数，e称为随机误差。

　　5 相关系数： 对于任何给定的一组样本()( i =1,2,...n )都可以用最小二乘法建立起一个线性回归模型，相应地就可以得到一条回归直线。但是，这样的一条回归直线并不是总有意义的，只有当变量X与Y之间确实存在某种因果关系时，其回归直线才有意义。统计学中要确定变量X和Y之间是否确实存在线性相关，通常利用相关系数来检验。相关系数记作，它能够较精确地描述两个变量之间线性相关的密切程度。当>0时称Y与X正相关；当<0时称Y与X是负相关。

　　6 线性回归模型的残差原因：

　　第一是所选择的数学模型不适合，变量间不是线性关系而建立了线性模型；第二是模型中所包含的自变量数目不合适，或是遗漏了某些重要的影响因素，或是包含了不必要的其他因素等。一般地，残差平方和越小的模型，拟和的效果越好；类似地，还可用R2来比较两个模型的拟和效果，R2越大，模型的拟和效果也越好。

　　7 建立回归模型的步骤：

　　（1） 确定研究对象，明确解释变量、预报变量；

　　（2） 画出确定好的解释变量和预报变量的散点图，观察是否存在线性关系等；

　　（3） 确定回归方程的类型；

　　（4） 按一定的规则估计回归方程中的参数；

　　（5） 得出结果后分析残差图是否有异常，若存在异常，则探明原因。