欢迎来到线性回归的世界！
在 A Level 数学中，你可能已经见过用肉眼画出的“最佳拟合线”。在高等数学（Further Mathematics）中，我们会更进一步。我们使用线性回归（Linear Regression）来计算出数学上最完美的最佳拟合线。这让我们能更精确地预测数值并理解两个变量之间的关系。无论是你要预测未来利润还是科学实验的结果，回归分析都是你不可或缺的工具。
如果起初觉得有点复杂，别担心！ 我们会一步步拆解，从识别变量到有效利用计算器，让你轻松掌握。
1. 自变量与因变量
在进行任何计算之前，我们必须厘清哪个是哪个。在统计学中，我们通常探讨一件事如何影响另一件事。
- 自变量 (Independent Variable, \(x\))： 也称为解释变量 (Explanatory) 或受控变量 (Controlled)。这是我们首先设定或测量的变量。例如：温习的时间。
- 因变量 (Dependent Variable, \(y\))： 也称为反应变量 (Response)。这是我们测量用以观察变化结果的变量。例如：测试分数。
现实生活例子： 如果你要研究肥料用量如何影响植物生长，肥料用量就是自变量 (\(x\))，因为这取决于你决定给多少；而植物高度就是因变量 (\(y\))，因为它的生长“取决于”肥料。
你知道吗？ 有时候，变量之间并没有严格的“受控”关系。例如，如果你测量运动员的手臂长度和腿部长度，两者之间并没有因果关系，但为了找出它们的关系，我们仍然会将其中一个设为 \(x\)，另一个设为 \(y\)。
快速复习： 永远将自变量绘制在水平轴 (\(x\)) 上，将因变量绘制在垂直轴 (\(y\)) 上。
2. “最小二乘法”的概念
我们如何判断哪条线才是真正的“最佳”？这就是最小二乘法 (Least Squares) 的用途。
想象一个散点图。对于我们画出的每一条线，每个数据点与直线之间都会有一个垂直距离，这个距离称为残差 (residual)。有些点在线上方（正残差），有些则在下方（负残差）。
为了找到最佳拟合线，我们进行以下步骤：
- 将这些残差全部平方（这样负数也会变成正数）。
- 将这些平方值全部相加。
- 找出能让这个平方和 (sum of squares) 达到最小的直线。
类比： 想象每个数据点都通过一根弹簧连接到一根金属杆（即直线）上。金属杆会自然地稳定在一个位置，使所有弹簧的总张力降至最低。这就是你的最小二乘回归线！
3. 回归线方程
对于 OCR 课程大纲，y 对 x 的回归线方程写作：
\(y = a + bx\)
其中：
- b 是斜率 (gradient)（表示 \(x\) 每增加 1 个单位，\(y\) 的变动量）。
- a 是 y 截距 (y-intercept)（即当 \(x = 0\) 时 \(y\) 的值）。
如何计算 b 和 a：
你通常会获得如 \(\sum x\)、\(\sum y\)、\(\sum x^2\) 和 \(\sum xy\) 等统计摘要数据。请使用以下公式：
1. 计算 \(S_{xx} = \sum x^2 - \frac{(\sum x)^2}{n}\)
2. 计算 \(S_{xy} = \sum xy - \frac{(\sum x)(\sum y)}{n}\)
3. 找出斜率：\(b = \frac{S_{xy}}{S_{xx}}\)
4. 找出截距：\(a = \bar{y} - b\bar{x}\)
（注意：\(\bar{x}\) 和 \(\bar{y}\) 分别是 \(x\) 和 \(y\) 的平均值）
常见错误： 千万不要弄混 \(a\) 和 \(b\)！在纯数学中，我们习惯用 \(y = mx + c\)，但在统计学中，我们习惯用 \(y = a + bx\)。请务必仔细阅读计算器输出的数值！
重点提示： 回归线永远会经过“平均点”\((\bar{x}, \bar{y})\)。
4. 线性编码 (Linear Coding)
有时数据值非常大（例如 1,000,005）或非常小（0.00002）。为了简化计算，我们可以使用线性变换来对数据进行“编码”，例如 \(u = \frac{x - c}{d}\)。
如果你计算出编码后数据的回归线（例如 \(v = a' + b'u\)），你可以将编码公式代回方程，从而还原出原始的回归线。
记忆小撇步： 编码就像是更改图表的“比例尺”或“单位”。变量之间的内在关系保持不变，只是数值看起来不一样了！
5. 利用回归线进行估计
我们找出这个方程的主要原因就是为了进行预测。如果我们有某个 \(x\) 的值，就可以将其代入 \(y = a + bx\) 来估计 \(y\)。
内插法 (Interpolation) 与 外推法 (Extrapolation)
- 内插法： 在原始数据范围之内进行预测。这通常非常可靠。
- 外推法： 在数据范围之外进行预测。这非常危险且不可靠，因为我们不知道线性趋势是否会无限持续下去。
例子： 如果你测量一个孩子 2 岁到 10 岁身高，你可以准确地预测他 5 岁时的身高（内插法）。然而，若用同一条线来预测他 40 岁时的身高（外推法），那他可能会高达 10 英尺！
关键点： 当题目要求评论估计的可靠性时，检查它是属于内插法还是外推法，并检查相关系数的强弱。
总结清单
1. 识别你的自变量 (\(x\)) 和因变量 (\(y\))。
2. 计算统计摘要数据 (\(S_{xx}\) 和 \(S_{xy}\))，或使用计算器的 1-Var/2-Var 模式。
3. 建立方程 \(y = a + bx\)。
4. 解释 \(a\) 和 \(b\) 在题目背景下的意义（例如：“初始温度为 \(a\)，每分钟升高 \(b\) 度”）。
5. 进行估计，但要警惕外推法 (extrapolation)！
继续练习吧！ 回归分析是统计学中最实用的部分之一，因为几乎所有行业都会用它来制定未来规划。你一定能学好的！