在FRM（金融风险管理师）考试中，回归分析是统计工作表操作的核心内容之一，尤其适用于风险因子识别、VaR模型构建及信用评分卡开发等场景。简单线性回归模型通过建立因变量与自变量间的线性关系，帮助考生量化风险暴露程度。其基本公式为：
$$
Y = \alpha + \beta X + \varepsilon
$$
其中：
- $\alpha$ 为截距项
- $\beta$ 为斜率系数（核心风险敏感度指标）
- $\varepsilon$ 为随机误差项
FRM考试中常要求考生通过DATA输入功能录入观测值，并利用STAT模式快速计算回归参数。掌握这些操作不仅能提升解题效率，更能加深对风险模型本质的理解。
假设某基金经理分析市场收益率（X）与基金收益率（Y）的关系，收集以下5组数据：
| 市场收益率(X) | 基金收益率(Y) |
|---|---|
| 2.0% | 1.8% |
| 3.5% | 2.9% |
| 5.0% | 4.5% |
| 6.2% | 5.7% |
| 7.1% | 6.8% |
问题：计算该基金的β系数（市场敏感度）及截距项。
进入统计模式
2nd → DATA（清除历史数据）
2nd → STAT → 选择Lin（线性回归）
输入数据
2.0 → ENTER → ↓ Y值输入：1.8 → ENTER → ↓
重复至所有数据录入完成
调取结果
2nd → STAT → 5:β → 显示斜率系数（β≈0.98） 2nd → STAT → 4:α → 显示截距项（α≈-0.01） 2nd → STAT → 3:r → 显示相关系数（r≈0.999）移动端替代方案：使用RBA Calculator（TI BA II Plus iOS应用）可同步实现上述操作，其触屏界面更适合数据批量导入，特别适合考前碎片化复习。
现象：将X/Y值颠倒输入
后果：β系数与相关系数完全失真
解决方案：输入前用2nd DATA确认当前录入变量类型
典型陷阱：直接套用线性回归结果解释非线性关系
FRM考点：考试常通过散点图判断是否满足线性假设
错误认知：认为α代表"无风险收益率"
正确理解：α仅表示X=0时的Y预测值，需结合具体业务场景解释
A：主要集中在市场风险测量与管理（β系数计算）、信用风险（违约概率模型）及操作风险（损失分布拟合）三大模块。2023年真题中，回归分析相关题目占比达18%。
A：不支持。FRM考试若涉及多元回归，通常会提供现成统计量（如F统计量），考生需掌握假设检验逻辑而非手动计算。
A：考试场景建议：
① 用散点图识别离群点（2nd STAT PLOT → 1:Plot1）
② 计算剔除异常值后的新β系数
③ 注意题目是否提示"稳健回归"等特殊方法
A：核心功能一致，但移动端优势在于：
- 支持CSV数据导入（适合大数据量练习）
- 结果自动保存至云端
- 内置视频操作指南（点击Help图标查看）
2nd STAT快捷调用 掌握统计工作表操作不仅是FRM考试的技术要求，更是构建风险量化思维的基础。建议考生结合RBA Calculator进行碎片化练习，在移动场景下巩固DATA输入与STAT分析能力，为实战考试奠定坚实基础。