线性回归计算器
为数据拟合直线。粘贴配对的 X、Y 值，即可获得回归方程和 R²。
学习手动计算方法输入数值
结果随输入自动更新。
如何输入数据
本计算器有两个输入框：X 值用于解释变量，Y 值用于结果变量。各值用英文逗号或换行分隔，两个列表必须按相同顺序排列，确保每对数值对应同一对象，且数量相同。把变量放在 X 位置并不意味着它是原因。
R²（拟合程度）
请检查输入
输入有效数值即可查看结果。需要帮助时，请参阅字段提示或打开数据输入指南。
线性回归计算器分析成对的数值，例如学习时数和考试成绩，并找到最符合数据的直线。它描述一个变量增加时，另一个变量平均如何变化，提供拟合程度，并可根据一个变量预测另一个。通过回归方程，分散的数据点可以概括为一条便于解读的线性趋势。
自己动手计算
示例：为数据对 (1, 2)、(2, 4)、(3, 3) 拟合一条直线。
按照示例了解计算过程，再代入您自己的数值。
计算均值和中心化后的各项和
X 均值 = 2；Y 均值 = 3；Sxx = (−1)² + 0² + 1² = 2；Sxy = (−1 × −1) + (0 × 1) + (1 × 0) = 1Sxx 是 X 离差平方和，Sxy 是成对 X、Y 离差的乘积之和。
计算斜率
斜率 b = Sxy ÷ Sxx = 1 ÷ 2 = 0.5计算截距并写出方程
截距 a = Y 均值 − b × X 均值 = 3 − 0.5 × 2 = 2；预测 Y = 2 + 0.5X计算模型解释的变异比例
Syy = (−1)² + 1² + 0² = 2；R² = Sxy² ÷ (Sxx × Syy) = 1 ÷ 4 = 0.25计算拟合直线的检验统计量
F = R² × (n − 2) ÷ (1 − R²) = 0.25 × 1 ÷ 0.75 ≈ 0.3333分子与分母自由度均为 1 时，F 分布上尾概率约为 0.6667，可查表或通过数值计算得到。
p 值计算假设误差相互独立、近似正态且方差恒定。避免将拟合直线延伸至远离已观测 X 范围的位置进行预测。
在计算器中核对答案
应用场景
- 教师: 教师查看各学生的学习时数是否与考试成绩呈线性关联。
- 小型企业经营者: 店主检查每月广告支出较高时，销售额是否也较高。
- 活动组织者: 活动组织者研究往届活动的票价是否与实际到场人数有关。
回归分析提供哪些结果
简单线性回归找到一条最佳拟合直线，用 X 预测 Y。斜率表示 X 每增加一个单位时，拟合 Y 的变化量；R² 介于 0 和 1 之间，表示该线性模型解释了样本中多少比例的 Y 变异。
何时使用
当每个人、产品或日期都有两个数值记录，而您想了解两者如何共同变化时，可以使用本工具。一个变量作为解释变量，例如学习时数或广告支出；另一个是关心的结果，例如考试成绩或销售额。计算器会拟合一条直线，显示关联与拟合程度，并可据此估计新的 X 值对应的 Y。解释变量的选择本身并不证明因果关系。
结果是什么意思？
结果包括斜率、截距和 R²。斜率说明 X 每增加一个单位时，拟合的 Y 值增加或减少多少；截距是 X 为零时直线对应的 Y 值。如果零不在观测范围内，截距可能没有实际解释意义。R² 介于 0 和 1 之间，表示模型解释了样本中多少比例的 Y 变异。越接近 1，样本内拟合通常越好，但没有适用于所有领域的合格阈值，也不能据此保证对新数据的预测准确。
常见错误
拟合很好也不证明因果关系，可能有其他因素同时影响两者。两个列表要保持相同顺序和长度，确保每一对数值属于同一个对象。不要仅凭两三个点作强结论。本工具只拟合直线，可能无法反映曲线关系。也应避免在观测范围之外作过远的预测，因为原有趋势不一定继续成立。
如何使用此计算器
- 在第一个 X 值框中输入解释变量，各数值用英文逗号或换行分隔。
- 在第二个 Y 值框中输入结果变量，保持相同顺序，使各对数值一一对应。
- 检查两个输入框中的数值数量相同。数据有效后，结果会自动更新。
- 查看斜率和截距了解线性关系，再用 R² 判断样本内的拟合程度。
计算示例
假设教师记录五名学生的学习时间 1, 2, 3, 4, 5 小时，以及对应成绩 52, 58, 63, 71, 74。计算器得到的直线约为：成绩 = 46.5 + 5.7 × 学习时数。也就是说，在这组数据中，学习时数每增加 1 小时，拟合成绩平均增加约 5.7 分；R² 约为 0.99，拟合较好。代入 6 小时可预测约 81 分，但这已经超出观测时数范围，应谨慎外推。
常见问题
各输入框应填写什么？
将解释变量输入 X 值框，将结果变量输入 Y 值框。各数值用英文逗号或换行分隔，两个列表保持相同的对象顺序。
这些数据从哪里来？
来自自己的记录，例如电子表格、调查或销售报告。每一对数值应来自同一个人、同一天或同一个对象的两项测量。
斜率说明什么？
斜率表示 X 每增加 1 个单位，拟合的 Y 平均变化多少。斜率为 5，就表示 X 每增加 1 个单位，预测的 Y 增加约 5 个单位。
R² 多大算好？
在这里的含截距线性回归中，R² 介于 0 和 1 之间，表示模型解释了样本中多少比例的 Y 变异。越接近 1，样本内拟合越好，但是否足够取决于研究领域和分析目的。较高的 R² 并不保证对新数据的预测准确，也不证明因果关系。
拟合很好是否证明存在因果关系？
不能。它只表示两个数值如何共同变化，也可能有其他因素同时影响两者。应把结果当作关联线索，而不是因果证明。