最小二乘回归直线计算器

最小二乘回归直线，也称最佳拟合线，是使每个观测数据点与该直线之间垂直距离平方和最小的直线。对于成对 (x, y) 观测数据集，回归线形式为 ŷ = mx + b，其中 m 为斜率，b 为 y 截距。先将残差平方再求和，会比小偏差更严厉地惩罚大偏差，并避免正负误差相互抵消。 斜率和截距的公式通过对总平方误差分别关于 m 和 b 求偏导并令其为零得出。结果为：m = (n·Σxy − Σx·Σy) / (n·Σx² − (Σx)²)，b = (Σy − m·Σx) / n，其中 n 为数据点数量。本计算器使用这些精确的闭式表达式，因此结果在数学上精确，无需迭代近似。 相关系数 r 衡量数据围绕回归线聚集的紧密程度，范围为 −1 到 +1。接近 +1 表示强正线性关系（x 增加时，y 成比例增加）；接近 −1 表示强负线性关系；接近 0 则表示线性关联很弱或不存在。决定系数 R² = r² 表示 y 的方差中由 x 解释的比例；例如 R² = 0.90 意味着回归线解释了 y 值变异的 90%。 最小二乘回归广泛用于科学、工程、经济学、社会科学和机器学习。常见应用包括根据广告支出预测销售额、建立温度与能源消耗的关系模型、校准仪器、为时间序列数据拟合趋势线，以及构建多元线性回归和多项式回归等更复杂模型的基础。 解读结果时，请记住相关性不等于因果性：较高的 r 值仅表示两个变量在线性上同步变化，并不一定表示一个导致另一个。同时，回归线只适用于观测 x 值范围内的插值；远超该范围的外推可能产生不可靠的预测。最后，少数影响力很强的离群值可能显著拉动回归线；应始终结合散点图查看统计结果，以发现明显异常。 本计算器接受任意数量的成对数据点（至少两个）。在一个字段输入 x 值，在另一个字段输入对应的 y 值，并用逗号分隔。输出包括回归方程、斜率、y 截距、相关系数、R² 以及 x 和 y 的均值。