如何使用最小二乘回归线计算器
最小二乘回归线计算器通过三步从配对数据中计算最佳拟合直线。输入数据，确认 x 和 y 一一对应，即可读取回归方程和汇总统计量。
- 输入 X 值 — 用逗号或空格分隔输入 x 坐标，例如：1, 2, 3, 4, 5。
- 输入 Y 值 — 按相同顺序输入对应的 y 坐标。
- 查看结果 — 最小二乘回归线计算器显示方程 ŷ = a + bx、相关系数 R、决定系数 R²、带回归直线的散点图以及残差表。
至少需要两组数据对。三组或更多数据时，最小二乘回归线计算器给出的回归线更有意义。
公式与原理 — 最小二乘回归线计算器
最小二乘回归线计算器使用标准普通最小二乘（OLS）公式：
b = Σ(xᵢ − x̄)(yᵢ − ȳ) / Σ(xᵢ − x̄)²
a = ȳ − b × x̄
ŷ = a + bx
R = Σ(xᵢ−x̄)(yᵢ−ȳ) / √[Σ(xᵢ−x̄)² × Σ(yᵢ−ȳ)²]
R² = R × R| 符号 | 含义 |
|---|---|
| b | 回归直线斜率 |
| a | 回归直线截距 |
| x̄、ȳ | x 和 y 的样本均值 |
| R | 皮尔逊相关系数 |
| R² | 决定系数 |
| 残差 | yᵢ − ŷᵢ（观测值减预测值） |
OLS 方法最小化各数据点到拟合直线的垂直距离平方和，得到数据唯一的最佳拟合直线。
适用范围与局限
最小二乘回归假设 x 和 y 之间存在线性关系。若关系是曲线形，应考虑多项式回归或其他非线性方法。本计算器用于教学和探索性分析；统计显著性检验需要额外分析。
最小二乘回归线计算器的使用场景
最小二乘回归线计算器适用于需要快速线性拟合的各类场合：
- 统计学作业 — 对给定数据集拟合回归线，报告斜率、截距和 R²。
- 科学实验 — 分析实验数据中的线性趋势，如力与伸长量、浓度与吸光度的关系。
- 商业分析 — 建立广告投入与销售收入之间的线性关系模型。
- 考试备考 — 练习解读回归输出和残差，准备统计学考试。
散点图和残差表帮助您直观判断线性模型是否适合当前数据。利用最小二乘回归线计算器快速发现异常值并评估拟合质量。