线性回归分析 使用指南
输入成对的 X、Y 数据，用最小二乘法拟合一元线性回归 y=a+bx，给出斜率、截距、判定系数 R² 及各点残差，用于分析两变量线性关系强弱并做趋势预测。
功能说明
输入成对的 X、Y 数据，用最小二乘法拟合一元线性回归 y=a+bx，给出斜率、截距、判定系数 R² 及各点残差，用于分析两变量线性关系强弱并做趋势预测。
典型使用场景
- 分析广告投入与销售额的关系：用历史成对数据拟合 y=a+bx，量化每单位投入带来的销售增量。
- 预测场景：得到回归方程后，代入新的自变量 X 预测因变量 Y（如 x=11 时预测 y）。
- 评估拟合优劣：用决定系数 R² 判断自变量解释因变量变异的比例，R² 越接近 1 拟合越好。
算例参考
- 最小二乘拟合与预测：以 x=1…10、y=2.1,3.9,…,19.7 为例，最小二乘得斜率 b=1.9867、截距 a=0.0733，方程 ŷ=0.0733+1.9867·x；相关系数 r=0.9994、决定系数 R²=0.9989（拟合极好）。斜率标准误 0.0235、t=84.4408、95% 置信区间 [1.9324, 2.0409]。代入 x=11 预测 ŷ≈21.9267。
注意事项
本工具纯前端运行，输入内容不上传服务器；结果为按上述口径得到的理论估算值。实际应用受设备参数、测量条件与当地规范影响，请以设备铭牌、检测报告与现行标准为准，重大决策建议咨询专业人士。
- R² 高就代表模型可靠吗？
- R² 高只说明自变量解释了大部分变异，不代表因果。还需检查残差是否随机、是否存在异常点，以及是否过度外推。
- 斜率置信区间怎么用？
- 斜率 b 的 95% 置信区间 [1.9324, 2.0409] 不含 0，说明自变量与因变量存在显著线性关系；若区间跨越 0 则关系不显著。