最小二乘回归计算器

← ToolBox / 一元线性回归

Linear Regression

Linear Regression is available directly in your browser, with no data uploaded.

📐 计算公式
b=Σ(x−x̄)(y−ȳ)/Σ(x−x̄)²。 a = ȳ − b x̄。

由数据拟合最佳直线。

📌 计算说明
  • 最小二乘：b=Σ(x−x̄)(y−ȳ)/Σ(x−x̄)²。
  • a = ȳ − b x̄。

📚 深度解析：线性回归

💡 常见使用场景

最小二乘
y = a + b·x，b = cov(X,Y)/var(X)（斜率），a = ȳ - b·x̄。b>0 表示 X 每增 1、Y 平均增 b。R² 表示拟合解释的方差比例。
前提与诊断
假定线性、残差同方差独立正态；非线性关系或异常点会扭曲拟合，需看残差图诊断。

❓ 常见问题（FAQ）

R² 越高越好吗？
R² 高表解释度高，但易过拟合（变量多则虚高）；看预测效果更应交叉验证，而非一味追高 R²。
相关就能回归预测？
相关是对称关联，回归用于由 X 推 Y（有方向）；且回归不证因果，外推超出数据范围不可靠。