回归方程是回归曲线的一种代数表示形式，用于描述响应和预测变量之间的关系。回归方程采取的形式为：

响应 = 常量 + 系数 * 预测变量 + …+ 系数 * 预测变量

或者 y = bo + b1X1 + b2X2 + ...+ bkXk

其中：

·    响应 (Y) 是响应的值。

·    常量 (bo) 是当预测变量为零时响应变量的值。由于此常量确定回归线截取 Y 轴（相交）的位置，因此它也称为截距。

·    预测变量 (X) 是预测变量的值。预测变量可以是一个多项式的项。

·    系数（b1，b2，...，bk）表示预测变量值的每个单位变化所对应的均值响应的估计变化。也就是说，它是 X 增加一个单位时 Y 发生的变化。

当模型中只含类别因子或含有超过 50 个因子水平组合时，Minitab 提供单个回归方程。

回归方程
 
薪金 = 2.7275 - 0.5775 主题_1 + 0.0792 主题_2 + 0.3858 主题_3 + 0.1125 主题_4
       - 0.3400 学历_1 - 0.2600 学历_2 + 0.6000 学历_3 - 0.0100 主题*学历_1 1
       + 0.0600 主题*学历_1 2 - 0.0500 主题*学历_1 3 - 0.0167 主题*学历_2 1
       - 0.0267 主题*学历_2 2 + 0.0433 主题*学历_2 3 - 0.0233 主题*学历_3 1
       - 0.0033 主题*学历_3 2 + 0.0267 主题*学历_3 3 + 0.0500 主题*学历_4 1
       - 0.0300 主题*学历_4 2 - 0.0200 主题*学历_4 3
                                                                   

对于薪金数据，当响应变量为“薪金”和预测变量为以下情形时，Minitab 显示单个方程：

·    三个水平的“学科”

·    两个水平的“学历”

·    六个学科和学历组合

您可以根据组成员将每个类别变量的斜率值解释为薪金的变化。对于教人文（学科 = 1）的学历为硕士的教授而言，变量 Subject_1、Degree_2 和 Subject*Degree_1 2 的值为 1，而其他变量为 0。添加计算预测值使用的常量和适用项：

2.7275 - 0.5775 - 0.2600 + 0.0600 = 1.9500 或 1,950.00 美元

使用统计 > 方差分析 > 一般线性模型 > 预测计算指定预测变量值的预测值和置信区间。