如何使用残差计算器
残差计算器通过计算每个数据点的残差及汇总统计量，帮助您快速进行回归诊断。
- 输入观测值 (y) — 在第一列填入实际测量或观察到的数值。
- 输入预测值 (ŷ) — 在第二列填入模型对应的预测值。
- 添加更多行 — 点击「+ 添加行」可扩展表格以容纳更多数据点。
- 查看结果 — 残差计算器实时显示每行残差及下方的统计汇总面板。
无需点击计算按钮，残差计算器在您输入时即时更新所有结果。
公式与原理 — 残差计算器
残差计算器基于回归分析中的基本残差公式：
残差 (e) = 观测值 (y) − 预测值 (ŷ)
残差总和 = Σ e
平均残差 = Σ e / n
绝对残差总和 = Σ |e|
残差平方和 RSS = Σ e²
| 符号 | 含义 |
|---|---|
| y | 观测值（实际值） |
| ŷ | 模型预测值 |
| e | 单个数据点的残差 |
| n | 数据点数量 |
| RSS | 残差平方和 |
残差计算器对每行残差进行颜色标注：正残差（模型低估）显示为绿色，负残差（模型高估）显示为红色，便于直观识别系统性偏差。
如何解读统计结果
- 残差总和接近零 — 对于 OLS 回归是健康信号，若总和明显偏离零则表明存在系统性偏差。
- RSS 越小越好 — 表示预测值与观测值拟合更紧密。
- 平均残差 — 揭示模型整体的高估或低估倾向。
残差计算器的应用场景
残差计算器广泛应用于多种分析场景：
- 线性回归分析 — 拟合直线后，通过残差计算器检验模型假设，验证残差是否呈随机分布。
- 机器学习模型评估 — 比较回归任务的观测标签与模型预测值，快速诊断系统性误差。
- 统计学课程学习 — 学生使用残差计算器核验手动计算结果，加深对模型拟合的直觉理解。
- 数据科学与预测分析 — 分析师通过 RSS 和平均残差对比多个竞争模型，选择最优拟合方案。
- 质量控制 — 工程师跟踪期望输出与实测输出之间的残差，及时发现工艺漂移。
残差计算器消除了繁琐的手动计算，让您专注于结果解读和模型优化。