线性回归方程的一般公式为：y=aX+b，其中，y代表因变量，即所求线性回归方程预测的结果，X代表自变量，a、b为回归系数。另一个公式是：y=(X×β0+β1X)/X，β0、β1为回归方程中的常数项和自变量的权重。这两种公式都是线性回归的基本公式，需要根据具体数据和问题进行选择和应用。

线性回归方程的两个公式如下：

1. 一元线性回归的公式：y = a + bx

其中，y是因变量，x是自变量，a，b是参数。当只有一个自变量时，我们通常称其为线性回归。

2. 多元线性回归的公式：y = a + bx1 + cx2 + ... + wxm

其中，y是因变量，x1, x2,...,xm是自变量，a, b, c,...,w是参数。

以上公式是线性回归的基本形式，在实际应用中，可能需要对公式进行一些调整，例如添加误差项等。

线性回归方程的两个公式变化是：

1. 线性回归方程的表达式为y = a + bx，其中a是截距，b是斜率。当b接近无穷大时，线性回归方程的表达式变为y = a。此时，回归线与x轴重合。

2. 最小二乘法是线性回归方程的一种建立方法，其公式表示为y = (x^Tx)^(-1)x^Ty + (x^Ty)^(-1)x^Ty。当数据点分布在一条直线的两侧时，最小二乘法求得的线性回归方程中b的估计值接近于零，即回归线与x轴平行。

综上所述，线性回归方程的两个公式变化包括截距接近于零或接近于x轴以及斜率接近于零或平行于x轴的情况。