根据回归结果写回归方程？1.打开数据，依次点击：analyse--regression，打开多元线性回归对话框。2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。3.设置回归方法，这里选择最简单的方法：enter，那么，根据回归结果写回归方程？一起来了解一下吧。
你是用SPSS做的回归分析吗？你做的是一元回归分析，这个表包括了很多有用的信尘顷息，第一是回归系数的估计值，第二是对回归系数作显著性检验的t值，第三是对共线橘兄余性的检验方差扩大因子。根据非标准化系数一栏，就可以写出回归方程：Y=0.177+1.239X，表示X每变动一个单位，Y变动1.239个单圆滚位。此外，回归系数都通过了显著性检验，模型拟合的效果不错。
说了这么多，希望对你有帮助！
方法：
1.打开excel界面。
2.输入数据表格。
3.点击 数据--数据分析。
4.弹出的窗口中点回归，确定。
5.分别选择X与Y输入区域，再选择一个空白处为输出乎樱区域。
6.得出结果如下。
7.对结果进行分析：排除变量X1和X2，p值小于0.001，可见X3对Y值岁敬丛有显著性影响稿春。最后得到回归方程：Y＝22.17857+0.792857*X3。
回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。
1、回归直线方程可以用最小二乘法求回归直线方程昌型中的a,b，从而得到回归直线方程。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。
2、回归方程是对变量之间统计关系进行定量描述的一种数学表达式。线性回归模型，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y=w'x+e，e为误差服从均值为0的正态分布。
3、最小二乘法又称最小平方法，是一种数学优化技术。与最小二乘法不同的是，最大似然法需要已知这个概率分布函数，这在实践中是很困难的。一般假设其满足正态分布函数的特性，在这种情况下，最大似然估计和最小二乘估计相同。
资料拓展：
回归方程是根据样本资料通过回归分析所得到耐仔猜的反映一个变量（因变量）对另一个或一组变量（自变量）的回归关系的数学表达式。回归直线方程用得比较多，可以用最小二乘法求回归直线方程中的a,b，从而得到回归直线方程。
选择在加载项菜单，加载项对话框弹出，负载分析，网上图书馆，选择在数学分析的菜单中，数学分析对话框弹出，
选择“回归”回归分析对话李搜山框弹出评论，
选项右侧的框[输入Y区]输入区域“A1：A4”;
选项右侧[进入X区域]输入框中输入区域“B1：漏悉B4”;
请在选项[输出选项]一个新的工作表;
在[残留]，选择线性拟合曲线。
单击[确定]，弹出线性哪中回归分析
线性回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。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，应用十分广泛。
一、概念
线性回归方程中变量的相关关系最为简单的是线性相关关系，设随机变量与变量之间存在线性相关关系，则由试验数据得到的点，将散布在某一直线周围。因此，可以认为关于的回归函数的类型为线性函数。
分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
二、计算方法
线性回归方程公式求法：
第一：用所给样本求出两个相关变量的(算术）平均值：
x_=(x1+x2+x3+...+xn)/n
y_=(y1+y2+y3+...+yn)/n
第二：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
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，得方程组解为
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。
以上就是根据回归结果写回归方程的全部内容，根据非标准化系数一栏，就可以写出回归方程：Y=0.177+1.239X，表示X每变动一个单位，Y变动1.239个单位。此外，回归系数都通过了显著性检验，模型拟合的效果不错。说了这么多，希望对你有帮助！。
