Linear Least Squares Regression Line Equation Calculator
Online linear equation calculator to calculate least square regression line equation from the given X and Y data pairs.
Formula:
Calculation of Linear Least Square Regression Line Equation is made easier here
Related articles:
Calculation of Linear Least Square Regression Line Equation is made easier here
Related articles:
我们的服务
最小二乘回归直线方程计算器
一堆散点要找一条最贴合的直线，最小二乘是标准方法：让所有点到直线的竖直距离平方和最小。它给出唯一解，且可用相关系数衡量拟合好坏。这是趋势预测、标定曲线和相关性分析的基础工具。
使用方法
- 按“x,y”每行一组粘贴数据点
- 读取斜率 b、截距 a 与方程 y = a + bx
- 查看相关系数 R 与判定系数 R²
计算公式
| 斜率 | b = Σ(xᵢ−x̄)(yᵢ−ȳ) / Σ(xᵢ−x̄)² 协方差与方差之比 |
|---|---|
| 截距 | a = ȳ − b·x̄ 直线过样本均值点 |
| 相关系数 | R = Σ(xᵢ−x̄)(yᵢ−ȳ) / √(Σ(xᵢ−x̄)²·Σ(yᵢ−ȳ)²) R² 越接近 1 拟合越好 |
计算示例
三点 (1,2)、(2,4)、(3,6)
- x̄ = 2，ȳ = 4
- b = 8 / 2 = 2，a = 4 − 2×2 = 0
- 方程 y = 2x，R = 1（完全线性）
结果：y = 2x，完全拟合
含负坐标的 4 个数据点：(−3,−5)、(−1,−1)、(1,3)、(3,7)
- 数据对数量填 4，x 依次填 −3、−1、1、3，y 依次填 −5、−1、3、7
- Σx = 0，Σy = 4，Σxy = 15 + 1 + 3 + 21 = 40，Σx² = 9 + 1 + 1 + 9 = 20
- 斜率 = (4 × 40 − 0 × 4) ÷ (4 × 20 − 0²) = 160 ÷ 80 = 2
- 截距 = (4 × 20 − 0 × 40) ÷ 80 = 1
- 输出方程 y = 2x + 1，截距为正时方程自动带加号，为负时直接跟负数
结果：y = 2x + 1，斜率 2、截距 1
要点与常见误区
- 最小二乘对异常值敏感，一个离群点可以把斜率拉得很偏。
- 相关不等于因果，R 高只说明同步变化，不代表存在因果机制。
- 外推到数据范围之外风险很大，线性关系未必在远端成立。
- 工具内部对每个数取整后再求和：输入 2.5 会按 2 参与累计，含小数的数据先把单位放大（如厘米改毫米）转成整数再填
- 所有 x 相同时分母 n·Σx² − (Σx)² = 0，斜率与截距显示 NaN，说明点都在一条竖直线上，y = f(x) 形式的回归不适用
常见问题
- R² 多少算拟合好？
- 没有统一门槛。物理实验常要求 0.99 以上，社会科学 0.3 已可用，关键看领域惯例。
- 为什么叫“最小二乘”？
- 因为优化目标是最小化残差的平方和，平方可避免正负抵消并放大偏差惩罚。
- 有异常值怎么办？
- 先核实数据是否记录错误，确认为真实极端值时可改用稳健回归或剔除并说明理由。
- 数据点里有负数和 0 可以吗
- 可以，公式对负数照常成立。上例含 −3、−1 两个负 x，Σx 正好抵消为 0，计算反而更简单。注意负号要完整输入，只输 3 不输负号，斜率截距全变。
- 只填 2 个点会怎样
- 两点确定一条直线，输出就是过这两点的直线方程，残差为 0，谈不上拟合好坏。比如 (0,1)、(1,3) 得 y = 2x + 1。要有最小二乘的"平均"意义，至少 3 个点；点数越多单个异常点的影响越小。
- 方程里截距有时带加号有时不带，是显示问题吗
- 是工具的显示逻辑：截距 ≥ 0 时输出 y = 2x + 1，截距 < 0 时输出 y = 2x -3 这种形式（负号已含在数字里，不会再显示加号）。读方程时把空格后的数连符号一起读：显示 2x -3 就是 y = 2x − 3，截距为 −3。
相关计算器
- 三角形垂心计算器
- 截距式直线方程计算器
- 两点式直线方程计算器
- 音箱倒相管直径计算器
- 三维空间直线方程在线计算器
- 三角形重心在线计算器
- 三角形外心计算器
- 两点间距离计算器
- 三维空间两点间距离
- 线性插值计算器
查看 全部解析几何计算器