許栩原創專欄《從入門到高手：線性回歸分析詳解》第四章，一元線性回歸分析。
實際場景中，對需求影響的因素很多，也就是說自變量很多，很少能用單一的變量，也即一元回歸分析來做好預測。回歸分析在預測裡的應用，主要是多元回歸。但是，我們必須學會和掌握一元回歸分析，因為，一元回歸是多元回歸的基礎，我們只有學會和掌握了一元回歸，才能夠繼續去學習和掌握多元回歸。
《從入門到高手：線性回歸分析詳解》專欄總目錄見上圖。
一元線性回歸方程。
線性回歸，是假設因變量和自變量之間存在線性關係，線性關係可以用一元或多元線性方程式的形式表現出來，這個方程式就是線性回歸方程。
一元線性回歸只有一個變量，方程式是y=ax+b。（見上圖）
式中，y為因變量，x為自變量。
a為回歸直線的斜率，也稱為回歸係數。回歸係數（regression coefficient）表示自變量x 對因變量y 影響程度的參數。回歸係數越大（絕對值），代表自變量x 對因變量y 的影響程度越大。
回歸係數與相關係數的正負方向相同，即正相關關係的回歸係數為正數，表示因變量y 隨著自變量x 增大而增大；負相關關係的的回歸係數為負數，表示因變量y 隨著自變量x 增大而減少。
b為截距。截距分為橫截距和縱截距，橫截距是直線與X軸交點的橫坐標，縱截距是直線與Y軸交點的縱坐標。
在回歸方程中，b是指的縱截距，即回歸直接與Y軸交點的縱坐標（見上圖）。
求解一元線性回歸方程。
上圖我模擬了一組數據，記錄了回歸火鍋店冬天的氣溫和銷售業績。
上圖中氣溫和銷售業績是一組數據，是一個數據集。回歸分析其實就是尋找一條最能「擬合」這組數據的直線，尋找一條最佳直線。（所謂「擬合」，在回歸分析中，是指找出一條穿過數據集的，並且使這組數據集上的每個數據點到直線距離最近的直線。）
這個最佳的直線就是我們需要求解的線性回歸直線y=ax+b，即我們需要求出回歸方程中回歸係數a和截距b分別為多少。
常見的求解回歸係數a和截距b（求解回歸方程）的方法，一般有散點圖法、最小二乘法和Excel函數求解法。前兩個是從原理方面解出回歸方程，後者是用Excel函數為工具解出回歸方程（不管原理）。
從原理方面求解回歸方程比較複雜（比如最小二乘法），而Excel函數可以非常簡單解出回歸方程，本專欄以基於需求預測講回歸分析，即回歸分析主要是為了需求預測，我們對原理可以不用了解，只需要知道如何解出方程即可。
所以，本篇僅講解用Excel函數求解一元線性回歸方程方法。
用Excel求解線性回歸方程有三種方法：LINEST函數求解、散點圖功能自動求解和Excel數據分析工具求解。
1、LINEST函數求解。