对于一元线性回归模型的学习，将根据模型的学习思维进行相应的总结，具体如下。
一、模型的目的
通过样本数据规律来进行预测未来
二、模型的公式和参数
公式：
其中X为自变量，Y为因变量，为残差(实际值和估计值之间的差)
三、模型的解释
如果X增加一个单位，在B0不变的情况下，Y增加B1个单位。如果B1为0，则Y等于B0
四、模型参数的计算
一元线性回归模型的计算为使用最小二乘法进行计算。其中参数的计算如下：
考试中的涉及的计算方式：
Ø 如果提供了协方差和方差，就直接按照上述公式计算。
Ø 如果提供了两组数据，则使用金融计算器进行计算。
第一步：2nd+7，进入数据输入页面
第二步：输入X，按enter，输入Y，按enter。直到输入完成所有数据
第三步：2ND+8，然后按下一个箭头，则会依次显示标准差、方差、a(为截距)、b(斜率)。
五、模型的假设
1. 自变量和因变量间存在线性关系。因为我们这个设置的是线性回归方程，所以要满足这个前提条件
2. 自变量不随机。因为在线性方程中X和残差是不相关，同时残差项是随机数，如果自变量也是随机，那么X和残差项是相关的。
3. 残差项的期望为0。因为残差项是正态分布的随机数，所以相加为0.
4. 残差项的方差必须是常数。也就是残差项是稳定的，各值对应的残差的波动性为常数。如果残差项恒定，这称为同方差性，不恒定，则为异方差性。例如：前一个数据对应的残差项的方差和后一百个数据对应的残差的方差是一致的。
5. 残差项与残差项之间互不关联。不能有正相关，也不能有负相关。
6. 残差项是一个服从正态分布的随机数。
六、模型的分析。
方差分析表
DF SS MSS
Regression 1 RSS RSS/1
Error n-2 SSE SSE/(n-2)
Total n-1 TSS
估计标准误：SEE=根号MSE
决定系数：RSS/TSS=1-SSE/TSS,用于表示模型可以解释数据的百分比，例如0.8，则模型可以解释80%的预估数据。
七、模型的假设检验
第一种方法：关键值，找到关键值，看看有没有落在拒绝域中
第二种方法：P值法，找到P值，看其是否小于a
第三种方法：置信区间
