Softonic

线性回归计算器

步 1 / 2 最佳拟合直线
结果

线性回归通过拟合直线 y = mx + b 来最小化数据点垂直误差平方之和。当您怀疑某个变量会影响其他变量时（例如广告支出与注册量、温度与冰淇淋销量、身高与鞋码之间的关系），这通常是首选分析工具。输入任意 (x，y) 数据点，计算器即可计算出斜率、截距、决定系数以及皮尔逊相关系数。

如何绘制回归线

  1. 1

    粘贴数据

    每行一对坐标点：x 和 y 用逗号、制表符或空格分隔。标题被忽略。

  2. 2

    读取斜率和截距

    斜率 m = y 值随 x 值每变化 1 单位而发生的变化量。截距 b = 当 x = 0 时的 y 值。

  3. 3

    检查 R²

    R² ∈ [0,1]，表示x变量对y变量方差的解释贡献率。在社会数据中，该值通常大于0.7表明解释力较强。

  4. 4

    预测新值

    将任意变量 x 代入方程 y = m·x + b，即可得到模型的预测结果。

拟合背后的公式

给定N个数据点(x_i，y_i)，普通最小二乘法的斜率和截距分别为：

m = Σ((x_i − x̄)(y_i − ȳ)) / Σ((x_i − x̄)²)
b = ȳ − m · x̄

R²（决定系数）表示变量x能够解释变量y中变异量的比例：

R² = 1 − SS_res / SS_tot

其中SS_res为残差平方和，SS_tot为y值与其均值之差的平方和。皮尔逊相关系数 r 等于 ±√R²，并带有斜率的符号。

工作示例

五个数据点：

x y
1 2
2 4
3 5
4 4
5 6

x = 3，y = 4.2。协方差分子 = (1 - 3)(2 - 4.2) + (2 - 3)(4 - 4.2) + (3 - 3)(5 - 4.2) + (4 - 3)(4 - 4.2) + (5 - 3)(6 - 4.2) = 4.4 + 0.2 + 0 - 0.2 + 3.6 = 8.0。x 方差分子 = 4 + 1 + 0 + 1 + 4 = 10。

  • 斜率 m = 8.0 / 10 = 0.8
  • 截距 b = 4.2 − 0.8 × 3 = 1.8
  • 方程：y = 0.8x + 1.8
  • R² ≈ 0.727

这些数据能（或不能）告诉你什么

  • 斜率 m 表示“x 每变化一个单位，y 变化多少”，其单位为 y/x。
  • 截距 b 回答“当 x = 0 时 y 的值是多少”。仅当 x = 0 符合您的数据实际情况时该参数才有实际意义。
  • R² 衡量的是模型拟合质量，而非因果关系。即使在无噪声的代理数据上 R² 值较高，也可能毫无意义。
  • 皮尔逊相关系数 r 表示线性相关关系。即使 r 值接近 0 且呈现明显的曲线关系，仍表示“不存在线性拟合”而非“不存在相关性”。

常见陷阱

  • 异常值会严重扭曲 OLS 拟合结果，因为损失函数采用平方损失。一个异常点就足以使直线旋转 20 度。
  • 仅凭 R² 无法检测出非线性关系，务必将残差与自变量 x 进行绘图对比。
  • 回归分析并非对称：将 y 作为因变量拟合 x 所得直线，与将 x 作为因变量拟合 y 所得直线并不相同。
  • 超出数据范围的外推属于推测。模型拟合仅基于其观测到的数据范围进行预测。

常见问题

y值的变异中有40%可由与x的线性关系解释，其余60%则源于噪声、其他变量或非线性因素。在物理学领域，这种解释效果较差；而在社会或经济数据中，则通常是可以接受的。

首先尝试线性模型。若残差图呈现明显曲线，则可尝试使用二次或对数变换。直接采用高次多项式模型会导致过拟合，并且对新数据的泛化能力较差。

从数学角度而言，需要至少2个样本；实际应用中则至少需20个。若样本量不足，异常值将显著影响模型拟合效果。具体参考相关领域的已发表研究中提供的样本量指南。

不。您粘贴的 (x，y) 坐标对会直接在浏览器中显示，且不会离开当前页面。

相关工具

每股收益（EPS）计算器

根据净利润、优先股股利和加权平均流通股数计算基本每股收益（EPS）。查看投资者用来给股票估值的每股利润指标。

EBITDA 计算器

在净利润的基础上加回利息、税金、折旧和摊销来计算 EBITDA。查看投资者和放贷方用于比较企业的经营利润指标。

板条护墙间距计算器

根据墙面宽度、净间距、板条实际宽度、锯缝和备用比例，规划室内板条护墙的中心线及竖向板条用料。

宏量营养素计算器

把每日热量目标和宏量营养素百分比换算成蛋白质、碳水化合物和脂肪的克数。可查看均衡、高蛋白、增肌和低碳水分配。

狗狗食物计算器

根据体重、生命阶段和活动量计算狗狗每日所需卡路里及对应的杯数，采用RER公式，按每杯约350千卡的典型干粮估算。

ANOVA 计算器

对两个或更多组执行单因素 ANOVA，以检验它们的均值是否存在显著差异。报告 F 统计量、自由度、均方和平方和。

此工具还提供其他语言版本