首先，我们要明白最小二乘估计是个什么东西？说的直白一点，当我们确定了一组数的模型之后，然后想通过最小二乘的办法来确定模型的参数。举个两变量（一个自变量、一个因变量）线性回归的例子来说明一下，如下面所示一堆散点图。
一堆观测数据绘制的散点图
上面这个图呢，我们打眼一看就想到：“这两个变量之间应该是一个线性的关系”。如果用y表示因变量，用x表示自变量，那么y和x之间的关系应该是这样的：
公式1
注意，这个模型公式中k和b是我们想要求的，k和b的取值不同，会画出不同的直线来，如下图：
同一个模型，不同参数得到不同结果
在这一堆可能的直线里面，我们要想一个办法选一个最好的出来。像选美比赛一样，台子下面需要几个举牌的评委。
那我们就想到用这样一种办法，在这些可能的直线中，我们求训练样本的那些点到直线之间的距离的和。这样，每条直线都可以有一个值，我们把这个距离的和最小的那条直线找出来，我们认为这条直线它最顺眼，因为它照顾到了所有的训练样本点的情绪，不偏不倚。这种方法就是最小二乘法。
当然，我们都是学过高等数学的文化人，我们需要用一堆公式把这个简单的事情给它复杂化，显得我们更加高深莫测，让客户给我们多加钱。就像古代青楼女子，总是会唱曲的更受追捧。
如果我们用多元的线性模型去分析多个变量（1个因变量，p-1个自变量）的情况，同样有n组观测点。我们看其中第i个点，它满足下面的公式。公式最后的ei是因为我们使用线性模型没法精准的描述实际的训练的点，就只好用个随机变量把差值表示出来。
公式2
那如果要显得更高深一点，我们把n个训练样本点全拿出来，上面的式子就变成了n个，我们再写成矩阵的形式。以满足我们从简单到复杂、再从复杂到简单的zhuangbi心态。
公式3
大家注意看上面那个公式，其中Xβ是我们的模型对我们训练样本中p-1个自变量进行预测得到的因变量的预测值，但实际上我们已知p-1个自变量带来因变量的值（是n个y组成的一个列向量）是y。那这个实际的y和我们预测的Xβ之间的距离是这样的：
公式4
我们要想办法在β的可能取值中找到一组特殊的β，使得上面这个式子的值最小。那我们自然而然想到对上面的式子进行求导，然后让导数=0，得到驻点。然后验证一下这个驻点是不是最值点，如果是的话。bingo，搞定。
公式4对β求偏导之前先展开：
公式5
公式5对β求偏导，然后令偏导为0，得到下面的公式：
公式6
可以求出β为：
公式7
那这组β可不可以让我们的公式4取得最小值呢，我们把公式7带入到公式4中
公式8
公式8中的第三项它是等于0的。所以公式8只剩下了
公式9
又因为X'X是一个正定矩阵，所以公式9中的第二项它>=0，所以
公式10
也就证明了我们的公式7中的β就是要找的那个β。
参考资料 王松桂，《线性统计模型——线性回归与方差分析》，高等教育出版社
