回归分析中的参数估计为何是最小二乘法（least squares），不是最小一乘法(least absolute deviations)

如题，面试被问到了。今天网上找了些资料，整理了一下。

回归分析就是找到一条最合适的拟合线来逼近所有的观测点。如何衡量拟合的好坏程度呢，直接地，就是看拟合值与观测值之间的距离了。在这种情况下，我们直接用拟合值与观测值差的绝对值就可以衡量误差（如公式1），为什么要用差的平方呢（如公式2）?

文献1给出了一个牵强的解释，不过说的也确实很有道理。文献1中的说法就是求解公式（2）的最小值很容易（见公式（3）（4），分别对a，b求偏导，令偏导等于0，求解线性方程组就可以了），但是对于公式（1）来说，由于存在绝对值，求导就不那么容易了。所以，从微积分求解a，b两个参数的角度来看，公式（2）优于（1࿰