- 一元线性回归
  - 描述两个变量之间的统计关系
  - 建模思想与基本统计思想
  - 实际背景与例子
    - 某市社会商品零售总额与工资总额的关系
    - 数据表与三景图分析
      - 工资总额为自变量X
      - 零售总额为因变量Y
      - 观测点分布在直线附近
      - 存在随机因素导致偏差
  - 回归模型的数学表达
    - Y = β0 + β1X + ε
      - β0和β1为回归参数
      - X为自变量或解释变量
      - Y为因变量或被解释变量
      - ε为随机误差项，期望值为0
    - 模型刻画Y与X的关系
      - X变化引起Y的线性变化
      - 随机误差ε引起Y的变化
  - 样本回归模型
    - 独立观测N次得到样本数据
    - 理论回归模型与样本回归模型等价
    - 计算Y的均值（回归方程）
      - 应用中关注均值的实际意义
  - 回归分析的主要任务
    - 基于样本观测值计算回归参数β0和β1
    - 构建一元线性回归方程
  - 最小二乘法
    - 基本思想
      - 寻找使离差平方和最小的β0和β1估计值
      - 称为最小二乘估计
    - 求解过程
      - 对Q关于β0和β1求导并等于0
      - 整理得到正规方程组
      - 解方程组得到β0和β1的具体表达式
    - 引入符号简化计算
      - LSF与LSY的定义与表达式
      - 与样本方差的关系