中级会计回归直线分析法考吗

（1）用所给样本求出两个相关变量的算术）平均值： x_=x1+x2+x3++xnn y_=y1+y2+y3++ynn ；（2）分别计算分子和分母：（两个公式任选其一） 分子=x1y1+x2y2+x3y3++xnyn-nx_Y_ 分母=x1^2+x2^2+x3^2++xn^2-n*x_^2 3来计算 b。

拓展资料：线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。  线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。

b=分子    分母  用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零，得方程组解。其中 ，且为观测值的样本方差线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线顺便指出,将来还需用到,其中为观测值的样本方差。

线性回归方程模型：1、线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在回归中最小化最小二乘损失函数的乘法。2、相反，最小二乘逼近可以用来拟合那些非线性的模型。因此，尽管最小二乘法和线性模型是紧密相连的，但他们是不能划等号的。

线性回归方程的求法：

第一：用所给样本求出两个相关变量的算术）平均值

第二：分别计算分子和分母

第三：计算b：b=分子分母用最小二乘法估计参数b,设服从正态分布,分别求对a、b的偏导数并令它们等于零。先求x,y的平均值X,Y。再用公式代入求解:b=x1y1+x2y2+xnyn-nXYx1+x2+xn-nX。后把x,y的平均数X，Y代入a=Y-bX。求出a并代入总的公式y=bx+a得到线性回归方程X为xi的平均数，Y为yi的平均数

个人建议：线性回归是利用数理统计中的回归分析来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法，是变量间的相关关系中最重要的一部分，主要考查概率与统计知识，考察学生的阅读能力、数据处理能力及运算能力，题目难度中等，应用广泛

一元线性回归预测法的概念　　一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。
常用统计指标：平均数、增减量、平均增减量。
一元线性回归预测基本思想　　确定直线的方法是最小二乘法
最小二乘法的基本思想：最有代表性的直线应该是直线到各点的距离最近。然后用这条直线进行预测。
一元线性回归预测模型的建立　　1、选取一元线性回归模型的变量
；
　　2、绘制计算表和拟合散点图
；
　　3、计算变量间的回归系数及其相关的显著性
；
　　4、回归分析结果的应用
。
模型的检验　　1、经济意义检验：就是根据模型中各个参数的经济含义，分析各参数的值是否与分析对象的经济含义相符。
　　2、回归标准差检验
　　3、拟合优度检验
　　4、回归系数的显著性检验
利用回归预测模型进行预测　　可以分为：点预测和置信区间预测法
　　1、点预测法：将自变量取值带入回归预测模型求出因变量的预测值。
　　2、置信区间预测法：估计一个范围，并确定该范围出现的概率。置信区间的大小的影响的因素：a、因变量估计值；b、回归标准差；C、概率度t。

回归分析与相关分析的联系：研究在专业上有一定联系的两个变量之间是否存在直线关系以及如何求得直线回归方程等问题,需进行直线相关和回归分析从研究的目的来说,若仅仅为了了解两变量之间呈直线关系的密切程度和方向,宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程,宜选用直线回归分析
从资料所具备的条件来说,作相关分析时要求两变量都是随机变量（如：人的身长与体重、血硒与发硒）；作回归分析时要求因变量是随机变量,自变量可以是随机的,也可以是一般变量即可以事先指定变量的取值,如：用药的剂量
在统计学教科书中习惯把相关与回归分开论述,其实在应用时,当两变量都是随机变量时,常需同时给出这两种方法分析的结果；另外,若用计算器实现统计分析,可用对相关系数的检验取代对回归系数的检验,这样到了化繁为简的目的
回归分析和相关分析都是研究变量间关系的统计学课题,它们的差别主要是：
1、在回归分析中,y被称为因变量,处在被解释的特殊地位,而在相关分析中,x与y处于平等的地位,即研究x与y的密切程度和研究y与x的密切程度是一致的；
2、相关分析中,x与y都是随机变量,而在回归分析中,y是随机变量,x可以是随机变量,也可以是非随机的,通常在回归模型中,总是假定x是非随机的；
3、相关分析的研究主要是两个变量之间的密切程度,而回归分析不仅可以揭示x对y的影响大小,还可以由回归方程进行数量上的预测和控制
望采纳

回归分析与相关分析的联系：研究在专业上有一定联系的两个变量之间是否存在直线关系以及如何求得直线回归方程等问题，需进行直线相关和回归分析。从研究的目的来说，若仅仅为了了解两变量之间呈直线关系的密切程度和方向，宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程，宜选用直线回归分析。
从资料所具备的条件来说，作相关分析时要求两变量都是随机变量（如：人的身长与体重、血硒与发硒）；作回归分析时要求因变量是随机变量，自变量可以是随机的，也可以是一般变量即可以事先指定变量的取值，如：用药的剂量。　　
在统计学教科书中习惯把相关与回归分开论述，其实在应用时，当两变量都是随机变量时，常需同时给出这两种方法分析的结果；另外，若用计算器实现统计分析，可用对相关系数的检验取代对回归系数的检验,这样到了化繁为简的目的。
回归分析和相关分析都是研究变量间关系的统计学课题，它们的差别主要是：
1、在回归分析中，y被称为因变量，处在被解释的特殊地位，而在相关分析中，x与y处于平等的地位，即研究x与y的密切程度和研究y与x的密切程度是一致的；
2、相关分析中，x与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非随机的，通常在回归模型中，总是假定x是非随机的；
3、相关分析的研究主要是两个变量之间的密切程度，而回归分析不仅可以揭示x对y的影响大小，还可以由回归方程进行数量上的预测和控制。

要确定回归直线方程，只要确定 a 与回归系数 b。采取最小二乘法。

具体分析：

1、回归直线的求法一般采用的是最小二乘法：离差作为表示 xi 对应的回归直线纵坐标 y 与观察值 yi 的差，其几何意义可用点与其在回归直线竖直方向上的投影间的距离来描述。

2、数学表达: yi-y^=yi-a- 总离差不能用 n 个离，差之和来表示，通常是用离差的平方和即 yi-a-bxi^2 计算。即作为总离差，并使之达到最小，这样回归直线就是所有直线中除去最小值的那一条。

3、用最小二乘法求回归直线方程中的 a,b 有图一和图二所示的公式进行参考。