例:某企业的某种产品月产量与单位成本的关系呈直线关系，用直线回归方程表示是：yc=77.36-1.818x，其中，x表示月产量(千件)y表示单位成本(元);a=77.36，表示生产这种产品在单位成本方面的条件；b=-1.818，表示月产品每增加1000件，单位成本平均降低1.818元。第30页，共67页，星期日，2025年，2月5日方程的求解：最小平方法即∑(y-yc)2=最小值。第31页，共67页，星期日，2025年，2月5日仍用上例1资料得到：第32页，共67页，星期日，2025年，2月5日yc=-199.5+0.5858x表明该市工资性现金支出每增加1万元，储蓄存款余额就增加0.5858万元。第33页，共67页，星期日，2025年，2月5日(二)多元线性回归分析多元线性回归分析可以看作是一元线性回归分析的扩展。现以二元线性回归模型进行回归分析，其方程式为：第34页，共67页，星期日，2025年，2月5日第35页，共67页，星期日，2025年，2月5日以某地1993－2003年11年笔记本电脑价格和销售量的实际资料为例，拟合一元线性回归方程为：yc=9643-65xb表明，笔记本平均价格每降低1百元/台，销售量约平均增长65台。一元线性回归模型只列入了笔记本平均价格对销售量的影响，而忽略了居民收入这一很重要的因素，因此，现对此资料补入同期居民人均货币收入资料，将原来的一元线性回归模型扩展为二元线性回归模型进行回归分析。例第36页，共67页，星期日，2025年，2月5日年份(n=11)笔记本销售量y(台)人均货币收入x1(百元)笔记本平均价格x2(百元/台)x1yx2yx1x21993650.4102.113466405.8487153.613681.41994758.4105.313479859.52101625.614110.21995819.9110.112990270.99105767.114202.919961051.7113.9131119788.63137772.714920.919971149.7120.4127148423.88146011.915290.819981388.1131.0125181841.10173512.516375.019991944.4157.0123305270.80239161.219311.020002534.0193.5123490329.00311682.023800.520012890.0210.2114607478.00329460.023962.820023576.0228.789817831.20318264.020354.320033898.0258.7861008412.60335228.022248.2合计20660.61730.913153905911.562285638.6198258.0第37页，共67页，星期日，2025年，2月5日年份(n=11)199310424.4117956199411088.0917956199512122.0116641199612973.2117161199714496.1616129199817161.0015625199924649.0015129200037442.2515129200144184.0412996200252303.697921200366925.697396合计303769.55160039续表第38页，共67页，星期日，2025年，2月5日第39页，共67页，星期日，2025年，2月5日b1表明在笔记本平均价格固定时，人均货币收入每增加１百元，销售量平均增长18.6368台；b2表明在人均货币收入固定时，笔记本平均价格每上升１百元/台，销售量平均减少8.0328台。这里的b2比原一元线性回归模型中的同一回归系数b=-65要大得多，是因为一元线性回归模型只列入了笔记本平均价格对销售量的影响而忽略了居民收入这一很重要的因素，在笔记本平均价格的影响中渗入了居民收入的