4. 单变量线性回归模型：建立简单的成本估算模型（Y = aX + b）
在参数化成本估算中，单变量线性回归是最基础、最直观的建模方法。它假设成本（因变量 Y）与某个成本驱动因子（自变量 X）之间存在近似线性的关系，并通过历史数据拟合出一条直线：Y = aX + b。其中 a 是斜率（单位驱动因子的成本变化量），b 是截距（固定成本部分）。
适用场景判断：当历史项目数据中，成本与单一规模指标（如代码行数、建筑面积、零件数量）呈现明显的正相关或负相关趋势，且数据点大致分布在一条直线附近时，单变量线性回归是快速建立估算基准的有效工具。
4.1 模型数学定义与参数含义
线性回归模型的数学表达式为：
Y = aX + b + ε其中：
- Y：待估算的成本（因变量），如项目总成本、人工工时。
- X：成本驱动因子（自变量），如软件功能点数、施工面积。
- a：回归系数（斜率），表示 X 每变化一个单位，Y 的平均变化量。
- b：截距，表示当 X = 0 时的基础成本（需结合实际判断其合理性）。
- ε：随机误差项，表示模型无法解释的偏差。
| 参数 | 估算意义 | 调优方向 |
|---|---|---|
| a（斜率） | 单位规模的成本消耗率 | 通过剔除异常点、数据分段来稳定斜率 |
| b（截距） | 项目启动或固定管理成本 | 若 b 为负值，需检查数据范围或考虑强制过原点 |
| R²（决定系数） | 模型对成本变动的解释程度 | R² ≥ 0.7 视为可接受，低于 0.5 需重新选择驱动因子 |
4.2 最小二乘法：求解 a 和 b
最常用的参数求解方法是最小二乘法（OLS），其核心思想是：找到一条直线，使所有历史数据点到该直线的垂直距离平方和最小。公式如下：
a = [n * Σ(XiYi) - ΣXi * ΣYi] / [n * Σ(Xi²) - (ΣXi)²]
b = (ΣYi - a * ΣXi) / n其中 n 为历史项目样本数量。计算步骤：
- 收集 n 组历史项目数据 (X₁, Y₁), (X₂, Y₂), …, (Xₙ, Yₙ)。
- 计算 ΣX、ΣY、ΣXY、ΣX² 四个累加值。
- 代入公式求解 a，再求解 b。
- 得到回归方程后，代入新项目的 X 值，预测 Y 值。
实战案例：某软件团队收集了 5 个历史项目的功能点数（FP）与总工时（人天）数据：
项目 A: FP=50, 工时=120；项目 B: FP=80, 工时=190；项目 C: FP=120, 工时=280；项目 D: FP=150, 工时=350；项目 E: FP=200, 工时=460。
经计算：a ≈ 2.24（人天/FP），b ≈ 14.6（人天）。新项目 FP=175，估算工时 ≈ 2.24×175 + 14.6 ≈ 406.6 人天。
项目 A: FP=50, 工时=120；项目 B: FP=80, 工时=190；项目 C: FP=120, 工时=280；项目 D: FP=150, 工时=350；项目 E: FP=200, 工时=460。
经计算：a ≈ 2.24（人天/FP），b ≈ 14.6（人天）。新项目 FP=175，估算工时 ≈ 2.24×175 + 14.6 ≈ 406.6 人天。
4.3 模型评估指标
建立模型后，必须用统计指标评估其可靠性，避免盲目使用：
| 指标 | 公式/含义 | 判断标准 |
|---|---|---|
| R²（决定系数） | 1 - (SS_res / SS_tot) | ≥ 0.7 良好；0.5~0.7 可用；< 0.5 需改进 |
| 标准误差（SE） | √[Σ(Yi - Ŷi)² / (n-2)] | 越小越好，反映预测精度 |
| P 值（斜率显著性） | 检验 a 是否显著不为 0 | P < 0.05 表示 X 对 Y 有显著影响 |
| 平均百分比误差（MAPE） | 平均 |(Yi - Ŷi)/Yi| × 100% | < 15% 精度高；15%~30% 可接受 |
4.4 单变量线性回归建模流程
下图展示了从历史数据到估算模型的标准工作流：
4.5 参数调优实战要点
在历史项目数据上建立初步模型后，通常需要进行多轮调优才能达到可用的估算精度：
- 异常值处理：使用箱线图或 Z-score 识别并剔除偏离过大的历史项目数据点，避免单个异常点严重扭曲回归线。
- 数据分段回归：当项目规模跨度很大时（如 100 FP 与 10000 FP），考虑按规模区间分段建立不同的回归方程，提高局部拟合精度。
- 截距强制归零：如果业务上明确不存在固定成本（b 必须为 0），可采用过原点的回归模型
Y = aX，此时a = Σ(XiYi) / Σ(Xi²)。 - 交叉验证：将历史数据分为训练集（80%）和验证集（20%），用训练集建模、验证集评估 MAPE，避免过拟合。
常见陷阱：不要仅凭 R² 高就认为模型可靠。当样本量很小（n < 10）时，R² 可能虚高。始终结合 P 值检验斜率的统计显著性，并检查残差图是否呈现随机分布（无异方差性）。
4.6 单变量线性回归的局限性
尽管单变量线性回归简单易用，但在实际成本估算中需注意其边界：
| 局限性 | 说明 | 应对策略 |
|---|---|---|
| 仅考虑单一驱动因子 | 成本往往受多个因素共同影响 | 升级为多元线性回归或非线性模型 |
| 对异常值敏感 | 单个极端值可能大幅改变回归线 | 使用稳健回归（如 Huber 回归） |
| 假设线性关系 | 实际成本可能存在规模经济或规模不经济 | 引入 X² 项尝试多项式回归 |
| 外推风险高 | 超出历史数据范围的预测不可靠 | 严格限定估算范围，标注置信区间 |