OLS（最小二乘法）是一種在統計學和計量經濟學中常用的線性回歸模型估計方法。OLS的目標是最小化預測值與實際觀測值之間的垂直距離（即殘差），以找到最佳擬合直線。
OLS估計量的公式可以表示為：
$\hat{\beta} = (X^tX)^{-1}X^ty$
其中：
$\beta$ 是模型的參數向量，即我們想要估計的回歸係數。
$X$ 是設計矩陣，包含了自變數$x$的值。
$y$ 是回響向量，包含了因變數$y$的值。
$\hat{\beta}$ 是OLS估計量，即回歸係數的估計值。
這個公式是OLS方法的核心，它提供了從給定的設計矩陣和回響向量中估計回歸係數的方法。在實際套用中，我們通常會使用統計軟體包（如R、Python的statsmodels庫等）來執行OLS估計，這些軟體包會為我們自動計算$\hat{\beta}$。
需要注意的是，OLS假設誤差項（即殘差）服從常態分配，並且誤差項之間不相關。如果這些假設不成立，OLS估計可能不是最優的。此外，OLS也不考慮空間上相鄰區域變數的互相影響，這是空間計量經濟學模型（如SLM模型）需要考慮的問題。