ŷ读作“Y估计”根据回归方程代入X得出的值。

若在一组具有相关关系的变量的数据（x与Y）间，通过散点图我们可观察出所有数据点都分布在一条直线附近，这样的直线可以画出许多条，而我们希望其中的一条最好地反映x与Y之间的关系，即我们要找出一条直线，使这条直线“最贴近”已知的数据点。

因为模型中有残差，并且残差无法消除，所以就不能用二点确定一条直线的方法来得到方程，要保证几乎所有的实测值聚集在一条回归直线上，就需要它们的纵向距离的平方和到那个最好的拟合直线距离最小。

这里在y的上方加记号“^”，是为了区分Y的实际值y，表示当x取值xi=1，2，……，6）时，Y相应的观察值为yi。

在WORD中输入方法如下：

第一步：以Word2010版本为例，如下图，打开文档后，点击页面上方的“插入”。

第二步：在插入菜单栏下，点击“符号”一项，在弹出框里点击“其他符号”；

第三步：在弹出的符号设置框里，字体选择“特殊文本”，子集选择“拉丁语扩充-A”，找到ŷ符号，点击，再点击下面的插入；

第四步：如下图，则可成功在word里打出了ŷ符号。

扩展资料

回归直线的求法

最小二乘法：

总离差不能用n个离差之和

来表示，通常是用离差的平方和，即作为总离差，并使之达到最小，这样回归直线就是所有直线中Q取最小值的那一条，这种使“离差平方和最小”的方法，叫做最小二乘法：

由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（y1-bx1-a）²+（y2-bx2-a）²+······+（yn-bxn-a）²，这样，问题就归结于：当a，b取什么值时Q最小，即到点直线y=bx+a的“整体距离”最小。

参考资料： 百度百科-回归方程