一元线性回归分析有哪些优势与劣势?谢谢
一、概念：一元线性回归方程反应一个因变量与一个自变量之间的线性关系，当直线方程Y'=a+bx的a和b确定时，即为一元回归线性方程。
经过相关分析后，在直角坐标系中将大量数据绘制成散点图，这些点不在一条直线上，但可以从中找到一条合适的直线，使各散点到这条直线的纵向距离之和最小，这条直线就是回归直线，这条直线的方程叫作直线回归方程。
注意：一元线性回归方程与函数的直线方程有区别，一元线性回归方程中的自变量X对应的是因变量Y的一个取值范围。
二、构建一元线性回归方程的步骤： 1. 根据提供的n对数据在直角坐标系中作散点图，从直观上看有误成直线分布的趋势。
即两变量具有直线关系时，才能建立一元线性回归方程。
2. 依据两个变量之间的数据关系构建直线回归方程：Y'=a+bx。
（其中：b=Lxy\\\/Lxx a=y - bx）
一元线性回归分析有什么特点
（1）两个变脸光之剑不是对等关系，进行回归分析时，应该先根据研究目的确定自变量和 因变量（2）回归方程的作用在于给定自变量的值估计推算因变量的值，回归方程表明变量间的变动关系（3）回归方程中自变量的系数成为回归系数，回归系数有正负号，正好表明回归方程配合的是一条上升的直线，负号表明回归方程配合的是一条下降直线（4）回归方程要求自变量是给定数值，因变量是随机变量
一元线性回归分析报告
实验报告金融系金融学专业级班实验人：实验地点：实验日期：实验题目：进行相应的分析，揭示某地区住宅建筑面积与建造单位成本间的关系实验目的：掌握最小二乘法的基本方法，熟练运用Eviews软件的一元线性回归的操作，并能够对结果进行相应的分析。
实验内容：实验采用了建筑地编号为1号至12号的数据，通过模型设计、估计参数、检验统计量、回归预测四个步骤对数据进行相关分析。
实验步骤：一、模型设定1.建立工作文件。
双击eviews，点击File\\\/New\\\/Workfile，在出现的对话框中选择数据频率，因为该例题中为截面数据，所以选择unstructured\\\/undated，在observations中设定变量个数，这里输入12。
图12.输入数据。
在eviews命令框中输入dataXY，回车出现group窗口数据编辑框，在对应的X,Y下输入数据，这里我们可以直接将excel中被蓝笔选中的部分用cirl+c复制，在窗口数据编辑框中1所对应的框中用cirl+v粘贴数据。
图23.作X与Y的相关图形。
为了初步分析建筑面积（X）与建造单位成本（Y）的关系，可以作以X为横坐标、以Y为纵坐标的散点图。
方法是同时选中工作文件中的对象X和Y，双击得X和Y的数据表，点View\\\/Graph\\\/scatter，在Filelines中
一元线性回归方程的系数怎么计算
一元线性回归模型的假定条件(1)误差项ε是一个期为零的随机变量，即E(ε)0。
这意味着在式y=β0＋β1＋ε中，由于β0和β1都是常数，所以有E(β0)=β0，E(β1)=β1。
因此对于一个给定的x值，y的期望值为E(y)=β0＋β1x。
(2)对于所有的x值，ε的方差盯σ2都相同。
(3)误差项ε是一个服从正态分布的随机变量，且相互独立。
即ε～N(0，σ2)。
独立性意味着对于一个特定的x值，它所对应的y值与其他2所对应的y值也不相关。
理论模型 y=a+bx+ε X 是解释变量，又称为自变量，它是确定性变量，是可以控制的。
是已知的。
Y 是被解释变量，又称因变量，它是一个随机性变量。
是已知的。
A,b 是待定的参数。
是未知的。
一元线性回归的问题
就比如说，y是找工作成功率，x就是影响工作成功率的各种因素（如年龄，性别，家庭条件），但是年龄不是被家庭条件影响
