최소제곱 회귀직선 계산기

최소제곱 회귀직선은 최적 적합선이라고도 하며, 각 관측 데이터점과 직선 사이의 수직 거리 제곱의 합을 최소화하는 직선입니다. 쌍을 이루는 (x, y) 관측 데이터셋에서 회귀직선은 ŷ = mx + b 형태이며, m은 기울기이고 b는 y절편입니다. 잔차를 제곱한 뒤 합산하면 작은 편차보다 큰 편차에 더 큰 불이익을 주고, 양의 오차와 음의 오차가 서로 상쇄되는 것을 방지합니다. 기울기와 절편의 공식은 총제곱오차를 m과 b에 대해 각각 편미분하고 0으로 놓아 도출됩니다. 결과는 m = (n·Σxy − Σx·Σy) / (n·Σx² − (Σx)²), b = (Σy − m·Σx) / n이며, n은 데이터점 수입니다. 이 계산기는 이러한 정확한 폐형식 식을 사용하므로 반복 근사 없이 수학적으로 정확한 결과를 제공합니다. 상관계수 r은 데이터가 회귀직선 주위에 얼마나 밀집하는지 측정하며 −1부터 +1까지의 범위를 가집니다. +1에 가까우면 강한 양의 선형 관계(x가 증가하면 y도 비례하여 증가)를, −1에 가까우면 강한 음의 선형 관계를 뜻합니다. 0에 가까우면 선형 연관성이 거의 없거나 없음을 시사합니다. 결정계수 R² = r²는 y의 분산 중 x가 설명하는 비율을 알려 줍니다. 예를 들어 R² = 0.90은 회귀직선이 y 값 변동성의 90%를 설명한다는 뜻입니다. 최소제곱 회귀는 과학, 공학, 경제학, 사회과학, 기계 학습 전반에서 사용됩니다. 일반적인 응용에는 광고비로 매출 예측하기, 온도와 에너지 소비 관계 모델링하기, 기기 보정하기, 시계열 데이터에 추세선 적합하기, 다중 선형 회귀와 다항 회귀 같은 더 복잡한 모델의 토대 마련하기가 포함됩니다. 결과를 해석할 때 상관관계가 인과관계를 의미하지는 않는다는 점을 기억하세요. 높은 r 값은 두 변수가 선형적으로 함께 움직인다는 뜻일 뿐, 한 변수가 다른 변수의 원인임을 뜻하지는 않습니다. 또한 회귀직선은 관측한 x 값 범위 내의 보간에만 유효하며, 그 범위를 크게 벗어난 외삽은 신뢰할 수 없는 예측을 낳을 수 있습니다. 마지막으로 영향력이 큰 몇 개의 이상치가 회귀직선을 크게 끌어당길 수 있으므로, 명백한 이상을 찾기 위해 항상 통계량과 함께 산점도를 살펴보세요. 이 계산기는 최소 2개 이상, 임의 개수의 쌍 데이터점을 지원합니다. 한 필드에 x 값을, 다른 필드에 대응하는 y 값을 쉼표로 구분하여 입력하세요. 출력에는 회귀 방정식, 기울기, y절편, 상관계수, R², x와 y의 평균이 포함됩니다.