更多分类: 数理统计计算器 化学计算器 体积计算器

线性回归方程计算器





结果:

线性回归是利用数理统计中的回归分析,来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一,运用十分广泛。分析按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。

变量的相关关系中最为简单的是线性相关关系,设随机变量与变量之间存在线性相关关系,则由试验数据得到的点( , )将散布在某一直线周围。因此,可以认为关于的回归函数的类型为线性函数。

设服从正态分布,分别求对a、b的偏导数并令它们等于零,得方程组解得。

其中 ,且为观测值的样本方差.线性方程称为关于的线性回归方程,称为回归系数,对应的直线称为回归直线.顺便指出,将来还需用到,其中为观测值的样本方差。

先求x,y的平均值

利用公式求解:b=把x,y的平均数带入a=y-bx。

求出a=是总的公式y=bx+a线性回归方程y=bx+a过定点。(x为xi的平均数,y为yi的平均数)

线性回归方程计算器

首页 › 统计 › 线性回归方程计算器
最后更新: · 公式与示例已人工校对

线性回归用一条直线去拟合散点,得到一个形如 ŷ = a + bx 的方程,用来描述 x 变化时 y 的平均变化趋势,也可以代入新的 x 预测 y。工具用最小二乘法算出斜率、截距、相关系数和决定系数 R²。斜率表示 x 每增加 1 个单位,y 平均变化多少;R² 表示这条直线能解释多大比例的波动,越接近 1 拟合越好。

使用方法

  1. 分别填入自变量 x 和因变量 y,两组数量必须相等
  2. 点击计算,得到斜率 b、截距 a 和回归方程
  3. 看 R² 判断拟合优度:0.8 以上算强拟合,0.3 以下说明线性关系很弱
  4. 把需要预测的 x 代入方程,即可得到预测值 ŷ

计算公式

斜率 b = Σ(xᵢ − x̄)(yᵢ − ȳ) ÷ Σ(xᵢ − x̄)² 也叫回归系数,表示 x 每变动 1 单位 y 的平均变动
截距 a = ȳ − b × x̄ 回归直线必过点 (x̄, ȳ)
回归方程 ŷ = a + b × x 代入 x 即可预测
决定系数 R² = [Σ(xᵢ−x̄)(yᵢ−ȳ)]² ÷ [Σ(xᵢ−x̄)² × Σ(yᵢ−ȳ)²] 等于相关系数的平方,取值 0 到 1

计算示例

x = 1, 2, 3, 4, 5;y = 2, 4, 5, 4, 5
  1. 均值:x̄ = 3,ȳ = 4
  2. Σ(xᵢ − x̄)(yᵢ − ȳ) = (−2)(−2) + (−1)(0) + 0 + 0 + (2)(1) = 6
  3. Σ(xᵢ − x̄)² = 4 + 1 + 0 + 1 + 4 = 10,斜率 b = 6 ÷ 10 = 0.6
  4. 截距 a = 4 − 0.6 × 3 = 2.2,回归方程 ŷ = 2.2 + 0.6x
  5. Σ(yᵢ − ȳ)² = 6,R² = 36 ÷ (10 × 6) = 0.6
结果:ŷ = 2.2 + 0.6x,R² = 0.6,x 能解释 y 六成的波动

要点与常见误区

常见问题

R² 多少算拟合得好
没有绝对标准,取决于领域。物理实验通常要求 0.95 以上,社科数据 0.6 已算不错,行为数据 0.3 也可能有意义。关键是与同领域的既有研究对比,而不是看绝对值。
斜率为负数代表什么
代表 x 增大时 y 倾向减小,两者负相关。比如单价越高、销量越低,斜率就是负的。斜率绝对值越大,变化越剧烈。
回归方程能用来预测吗
可以,但要限定在样本的 x 取值范围内。外推到范围外属于风险操作,因为无法保证线性关系在范围外依然成立。同时预测值应理解为平均值,个体会有波动。
最小二乘法的原理是什么
让所有数据点到直线的竖直距离平方和最小。选平方而不是绝对值,是为了让误差可导、有唯一解,同时大误差被放大,拟合更稳健。

相关计算器

查看 全部统计计算器