一些注意事项：通常人们将方程写为或您的版本是可以的，但当您看到其他版本时可能会感到困惑。$y = b_0 + b_1X$$y = a + bx$

在您的等式中，衡量每增加 1 个单位会增加多少。如果为正，则预计会随着的上升而上升；如果为负数，则反之。因此，是斜率的度量。但是是与单位相关的：如果将的单位从毫米更改为米，会发生变化，但其含义不会发生变化。$a$$f(x)$$x$$a$$f(x)$$x$$a$$a$$a$$x$$a$

有一些衡量关系强度的方法。最常见的是，这是的线性关系解释。$R^2$$f(x)$$x$

编辑关于新问题

趋势以单位时间出现；_ 有几种方法可以标准化单位。您可以，也许是最简单的，从起点使用百分比变化。这是经常做的事情，例如，用股票市场平均值的趋势来适应它们不同的初始值。

R^2 是拟合误差的缩放度量。这是有关它的更多信息。 http://mathworld.wolfram.com/CorrelationCoefficient.html

虽然 R^2 很有用，但没有完美的衡量标准。他们每个人都有长处和短处。我发现我更多地使用像 Akaike Information Criterion 这样的度量，因为我有许多符合 R^2 一致的候选分析函数，我需要找到它们的混合和权重，这更有可能表明潜在的性质系统的。

相关链接包括： http ://www.csse.monash.edu.au/~dschmidt/ModelSectionTutorial1_SchmidtMakalic_2008.pdf

斜率可以从 -infinity 变为 +infinity，尽管在实践中它受到业务经济性的限制。如果您正在销售黄油，并且您的生产能力有限，那么您可以拥有的最大销售数量受到该产能或历史销售不足产能加上存储的总和的限制。一家企业不能损失无限的金钱，只能损失其全部净资产，再加上其信用评级所能承受的所有债务。您的负斜率将受到此类业务现实的限制 - 但它们将特定于您的业务。从理论上讲，它可以是正无穷和负无穷之间的任何值。在实践中，如果您选择正确类型的值 - 正确类型的域和范围，那么您的斜率将在一个有用的范围内。

您可能会考虑两种不同的 EWMA（指数加权移动平均线）函数，其中一个的周期与另一个不同。当短期高于长期时，会出现某种程度的上涨（正），而当长期处于顶部时，则会出现下跌。这是一个非常简单的指标，但它可以响应数据。单个线性拟合不能快速响应不断变化的业务现实，尤其是当它在较大的时间跨度或样本值上运行时。

在同一线性模型中比较两个自变量的相对“强度”的一种方法是将它们除以它们各自的标准偏差（即使用 z 分数）。它仍然不是一个苹果对苹果的比较，但它可能是有用的，例如，看看 X 增加 1 个 SD 是否会导致 Y 的增加大于 C 的 1 个 SD - 特别是如果 SD 是一个有用的描述符两个 IV（例如，它们是正态分布的）。