线性回归方程的公式如下：
\[ b = \frac{x_1y_1 + x_2y_2 + \ldots + x_ny_n - nXY}{x_1 + x_2 + \ldots + x_n - nX} \]
其中：
\（ b \） 是回归方程的斜率。
\（ x_i \） 和 \（ y_i \） 是第 \（ i \） 对样本的输入和输出值。
\（ n \） 是样本的数量。
\（ XY \） 是所有 \（ x_i \） 和 \（ y_i \） 乘积的总和。
\（ X \） 是所有 \（ x_i \） 的总和。
这个公式用于计算线性回归方程的斜率 \（ b \），以便描述输入变量 \（ x \） 和输出变量 \（ y \） 之间的关系。通过最小二乘法，我们可以找到这个斜率，使得预测值与实际值之间的差距最小化。
建议在实际应用中，可以使用统计软件或编程语言（如Python、R等）来进行线性回归分析，这些工具通常提供了现成的函数或模块来计算回归方程的参数。