一元線性回歸模型有很多實際用途。分為以下兩大類： 　　1.如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。 　　2.給定一個變量y和一些變量X1,...,Xp，這些變量有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。 　　一元線性回歸模型表示如下： 　　yt = b0 + b1 xt +ut （1） 上式表示變量yt 和xt之間的真實關系。其中yt 稱作被解釋變量（或相依變量、因變量），xt稱作解釋變量（或獨立變量、自變量），ut稱作隨機誤差項，b0稱作常數項（截距項），b1稱作回歸係數。 　　在模型 (1) 中，xt是影響yt變化的重要解釋變量。b0和b1也稱作回歸參數。這兩個量通常是未知的，需要估計。t表示序數。當t表示時間序數時，xt和yt稱為時間序列數據。當t表示非時間序數時，xt和yt稱為截面數據。ut則包括了除xt以外的影響yt變化的眾多微小因素。ut的變化是不可控的。上述模型可以分為兩部分。（1）b0 +b1 xt是非隨機部分；（2）ut是隨機部分。

斜率:亦稱“角係數”，表示一條直線相對於橫坐標軸的傾斜程度。一條直線與某平面直角坐標系橫坐標軸正半軸方向的夾角的正切值即該直線相對於該座標系的斜率。

如果直線與x軸互相垂直，直角的正切直無窮大，故此直線，不存在斜率。

對於一次函數y=kx+b，k即該函數圖像的斜率。

對於任意函數上任意一點，其斜率等於其切線與x軸正方向的夾角，即tanα. 斜率計算：ax+by+c=0中，k=-a/b. 截距:在數學上，指函數與坐標軸所有交點的（橫或縱）坐標之差,可取任何數. 曲線與x、y軸的交點（a，0），（0，b）其中a叫曲線在x軸上的截距；b叫曲線在y軸上的截距。截距和距離不同，截距的值有正、負、零。距離的值是非負數。

截距是實數，不是“距離”，可正可負。 截距之和即：X軸上截距與Y軸上截距之和。 回歸方程: 對變量之間統計關系進行定量描述的一種數學表達式。指具有相關的隨機變量和固定變量之間關系的方程。