回歸方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。
1、回歸直線方程可以用最小二乘法求回歸直線方程中的a,b，從而得到回歸直線方程。線性回歸也是回歸分析中第壹種經過嚴格研究並在實際應用中廣泛使用的類型。按自變量個數可分為壹元線性回歸分析方程和多元線性回歸分析方程。
2、回歸方程是對變量之間統計關系進行定量描述的壹種數學表達式。線性回歸模型，是利用數理統計中回歸分析，來確定兩種或兩種以上變量間相互依賴的定量關系的壹種統計分析方法，運用十分廣泛。其表達形式為y=w'x+e，e為誤差服從均值為0的正態分布。
3、最小二乘法又稱最小平方法，是壹種數學優化技術。與最小二乘法不同的是，最大似然法需要已知這個概率分布函數，這在實踐中是很困難的。壹般假設其滿足正態分布函數的特性，在這種情況下，最大似然估計和最小二乘估計相同。
資料拓展：
回歸方程是根據樣本資料通過回歸分析所得到的反映壹個變量（因變量）對另壹個或壹組變量（自變量）的回歸關系的數學表達式。回歸直線方程用得比較多，可以用最小二乘法求回歸直線方程中的a,b，從而得到回歸直線方程。
回歸方程（regression equation）是對變量之間統計關系進行定量描述的壹種數學表達式。指具有相關的隨機變量和固定變量之間關系的方程。
回歸直線方程指在壹組具有相關關系的變量的數據（x與y）間，壹條最好地反映x與y之間的關系直線。