二次迴歸計算器
為成對資料擬合拋物線,查看最佳擬合方程式與R²值,並預測任意x對應的y。
二次迴歸
輸入至少三個資料點,以最小平方法擬合y = ax² + bx + c。
x與y之間以逗號或空格分隔,各資料點以分號分隔。
關於二次迴歸
二次迴歸用來找出最貼近一組成對觀測資料的拋物線。模型為y = ax² + bx + c,其中a控制彎曲方向與程度,b控制線性趨勢,c則是x等於零時的預測值。與內插不同,迴歸不強制曲線通過每個點,而是使垂直殘差的平方和最小,因此適合含有一般雜訊或自然變動的量測資料。
計算器以x、x²、x³、x⁴、y、xy及x²y的加總建立正規方程式,再求解產生的三元線性方程組。這就是二次多項式的最小平方解。至少需要三個點,而且x值必須有足夠變化,才能識別全部三個係數。更多觀測值通常能讓模型更穩定,尤其是資料含有雜訊時。
R²描述擬合曲線可以解釋多少y的觀測變異。接近1代表二次模型與資料相當貼合,接近0則代表相較於以y的平均值預測,改善不大。較高的R²不代表存在因果關係,也不能證明拋物線就是正確的科學模型。應檢視殘差、考量量測過程,並比較其他合理模型。
二次迴歸適合只有一個轉折的型態,例如拋射路徑、加速成長、U形成本曲線,或先上升再下降的反應資料。它較不適用於週期行為、明顯不連續,或具有多個轉折點的關係。在觀測到的x範圍內預測屬於內插,通常比範圍外的外插更可靠,因為平方項在範圍之外可能迅速主導結果。
請將每個點輸入為一組x-y數值,並以分號分隔。選填的預測欄位會將指定x代入擬合方程式。係數與預測值為方便閱讀會四捨五入,實際計算則使用完整浮點精度。請維持各筆觀測的單位一致,避免過早將原始量測值四捨五入,以獲得更有意義的曲線擬合。
二次迴歸範例
| 資料點 | 最佳擬合結果 | 結果解讀 |
|---|---|---|
| (0,1), (1,6), (2,17), (3,34) | y = 3x² + 2x + 1; R² = 1 | 每個點都恰好落在拋物線上。 |
| (-2,4), (-1,1), (0,0), (1,1), (2,4) | y = x²; R² = 1 | 對稱資料集的線性項係數為零。 |
| (0,2), (1,4), (2,10), (3,20) | y = 2x² + 2; R² = 1 | 擬合曲線可用來預測x = 4時y = 34。 |
如何計算二次迴歸
- 輸入至少三組x-y資料,各點以分號分隔。
- 若要以擬合模型預測y,可選填x值。
- 選取「計算迴歸」,求出a、b、c與R²。
- 使用預測值前,請先確認曲線與擬合優度是否合理。
二次迴歸常見問題
什麼是二次迴歸?
二次迴歸以二次多項式擬合成對觀測資料,估計使預測誤差平方和最小的拋物線。
需要多少個資料點?
至少需要三個有效點,且x須有足夠多的不同取值,才能解出三個係數。對含雜訊的資料,更多點通常能提升擬合可靠度。
R²代表什麼?
R²是擬合模型能解釋的y變異比例。越接近1,樣本內擬合越好,但不代表因果關係。
可以用方程式預測新值嗎?
可以,輸入x值即可計算擬合方程式的值。量測範圍內的預測通常比範圍外的外插更可靠。
為什麼計算器不接受我的資料點?
點數太少或x值變化不足時,無法確定二次曲線。請檢查分隔符號,並提供至少三組適當資料。