三次迴歸計算機

以三次多項式擬合成對資料,即時查看三次方程式、係數與決定係數。

三次迴歸與曲線擬合
輸入一一對應的 x 與 y 數值列表,各至少四個值,以逗號、空格或分號分隔。

關於三次迴歸

三次迴歸以三次多項式擬合成對觀測資料。模型形式為 y = ax³ + bx² + cx + d,其中 a 控制主要的彎曲變化,b 提供二次彎曲項,c 描述線性趨勢,d 則是 x 為零時的預測值。與內插不同,迴歸通常不會強制曲線通過每個點,而是選出使觀測 y 值與預測 y 值之間垂直差異的平方和最小的係數。 本三次迴歸計算機採用普通最小平方法。根據輸入的 x 值,建立對應基底項 1、x、x² 與 x³ 的四個正規方程式,再透過選主元的高斯消去法求解此四元方程組。每一步選取可用的最大主元,可提高數值可靠性。由於必須估計四個獨立係數,至少需要四組成對觀測資料及四個不同的 x 值。 結果中的決定係數 R²,比較模型剩餘的平方誤差與觀測 y 值的總變異。R² 為 1 代表擬合曲線完全重現所有觀測值。接近零表示模型解釋變異的能力,相較於直接使用平均值並未提升多少。高 R² 是擬合良好的有用證據,但不能證明三次關係具有科學意義,也不保證觀測範圍之外的預測可靠。 當資料趨勢最多改變方向兩次時,三次模型相當實用,例如先加速上升、接著減緩,再次上升。它可描述校正曲線、有限區間內的物理軌跡、生長量測、需求型態及平滑的實驗響應。盡可能將資料繪圖。單一異常觀測值可能有很大影響,而數值很大或過度密集的 x 值,可能使多項式係數對細微變動敏感。 兩個列表的位置必須配對:第一個 x 對應第一個 y,第二個 x 對應第二個 y,以此類推。觀測資料多於最低要求的四組時,通常能得到更有參考價值的擬合。超出資料範圍的預測需謹慎,因為 x³ 項可能快速增長。請將三次模型與較簡單的線性或二次模型比較;若額外彎曲未帶來實質改善,應優先選用簡單模型。

三次迴歸範例

資料最佳擬合模型解讀
x: 0, 1, 2, 3; y: 1, 2, 15, 52y = 2x³ - x + 1; R² = 1四個精確資料點決定此三次多項式。
x: -2, -1, 0, 1, 2; y: -8, -1, 0, 1, 8y = x³; R² = 1對稱的觀測值符合基本三次函數。
x: 0, 1, 2, 3, 4; y: 2, 5, 16, 41, 86y = x³ + x² + x + 2; R² = 1五個觀測值驗證含四個係數的模型。

如何計算三次迴歸

  1. 依觀測順序輸入至少四個 x 值。
  2. 輸入相同數量的 y 值,讓每個對應位置形成一組資料。
  3. 選取「計算三次迴歸」,求解最小平方正規方程式。
  4. 查看方程式係數,並以 R² 評估曲線與觀測值的吻合程度。

三次迴歸常見問題

什麼是三次迴歸模型?

三次迴歸模型是寫成 y = ax³ + bx² + cx + d 的三次多項式,可表示最多有兩個轉折點的平滑關係。

需要多少個資料點?

估計四個係數至少需要四組成對觀測資料,且有四個不同的 x 值。增加分布適當的觀測點,通常能使擬合趨勢更實用,並降低對個別資料點的依賴。

三次擬合的 R² 代表什麼?

R² 是三次擬合模型所解釋的觀測 y 值變異比例。越接近一,樣本內的擬合越好,但不保證預測準確。

可以用方程式進行外推嗎?

可以在輸入的 x 範圍之外計算方程式,但最高次項成長快速,三次外推因此有風險。請謹慎看待遠距離預測,並搭配領域知識判斷。

為什麼看似不同的資料也可能被拒絕?

若不同的 x 值少於四個,或正規方程式在數值上為奇異,就無法求出唯一模型。請加入獨立觀測資料,避免所有 x 座標都只是重複取值。