С 2010 года · Более 2 млн запусков инструментов в месяц
С 2010 года
Добавить в Chrome

Моя Панель Инструментов

Автоматический Режим

Сохранённых инструментов пока нет.

Премиум-версия
Похожие инструменты
Следующий шаг
Калькулятор коэффициента корреляцииСоздатель диаграмм рассеяния
Та же ситуация
Калькулятор p-значенияКалькулятор Уравнения Прямой
Другие инструменты
Калькулятор ранговой корреляции СпирменаКалькулятор Относительного Стандартного ОтклоненияКалькулятор Уравнения Прямой по Точке и НаклонуКонвертер Стандартной Формы в Форму Наклон-Пересечение
Домашняя страница > Математика > Статистика и анализ данных

Калькулятор линейной регрессии

Аппроксимируйте линейную зависимость по парным данным с помощью калькулятора линейной регрессии от MiniWebtool. Результат включает наклон, пересечение с осью, R², диаграмму рассеяния и прогнозы по линии регрессии; формулы позволяют изучить расчёт.

Нужна помощь с инструментом? Спросите ИИ
Gemini (скопировать и открыть)

В Gemini вставьте скопированный вопрос в чат. Его также можно скопировать ниже.

Посмотреть вопрос

3 бесплатных использования в деньБез регистрацииМгновенный результат
Калькулятор линейной регрессииПопробуйте — бесплатно ▼
Линия регрессии делает сумму квадратов остатков как можно меньше

Введите значения X и Y ниже, чтобы получить уравнение регрессии, угловой коэффициент, свободный член и R² с диаграммой рассеяния, прогнозами и шагами решения.

Попробуйте примеры наборов данных
📋 Вместо этого вставьте два столбца из таблицы

X укажите в первом столбце, Y — во втором; разделяйте значения табуляцией, запятыми или пробелами. Строка заголовков пропускается. Если в этом поле есть данные, два списка ниже игнорируются.

Embed Калькулятор линейной регрессии Widget

О Калькулятор линейной регрессии

Добро пожаловать в Калькулятор линейной регрессии, комплексный статистический инструмент, который рассчитывает линию наименьших квадратов, коэффициент корреляции, R-квадрат и предоставляет интерактивную визуализацию графика рассеяния с пошаговым разбором формул. Независимо от того, анализируете ли вы данные для исследований, прогнозирования бизнеса или академических исследований, этот калькулятор обеспечивает профессиональный уровень статистического анализа.

Коротко

Калькулятор линейной регрессии подбирает методом наименьших квадратов прямую Y = b0 + b1X для пар значений X и Y. Он показывает наклон, пересечение, корреляцию r и R-squared, а также диаграмму рассеяния с линией регрессии.

Калькулятор линейной регрессии: основные возможности
ФункцияЧто даётПодходит для
Ввод данныхВведите значения X и Y через запятую, пробел или перенос строки. В обоих списках должно быть одинаковое число значений.Вставить парные измерения из электронной таблицы
Линия регрессииПоказывает уравнение наименьших квадратов с наклоном b1 и пересечением b0, рассчитанными минимизацией квадратов остатков.Моделировать изменение Y относительно X
Корреляция и R-squaredПоказывает r от -1 до +1 и R-squared — долю дисперсии Y, объясняемую X.Оценить силу и направление линейной связи
ПрогнозПри желании введите значение X, чтобы получить прогноз Y по подобранной прямой.Оценить значение, которого нет в данных
Диаграмма рассеянияИнтерактивная диаграмма показывает точки и линию регрессии.Наглядно проверить, насколько хорошо подходит прямая
Анализ остатковГрафик показывает остаток для каждой точки: наблюдаемое Y минус прогнозируемое Y.Найти закономерности, указывающие на плохое соответствие
Дополнительная статистикаСтандартная ошибка оценки и наклона, а также общая, регрессионная и остаточная суммы квадратов с выбранной точностью.Задачи по статистике и исследовательские отчеты

Что такое линейная регрессия?

Линейная регрессия - это фундаментальный статистический метод, используемый для моделирования связи между зависимой переменной (Y) и одной независимой переменной (X) путём подгонки линейного уравнения к наблюдаемым данным. Метод находит наиболее подходящую прямую линию, минимизируя сумму квадратов остатков (различий между наблюдаемыми и прогнозируемыми значениями).

Уравнение регрессии

Модель простой линейной регрессии
$$\hat{Y} = b_0 + b_1 X$$

Где:

Как рассчитать линейную регрессию

Расчёт наклона (b₁)

Формула наклона
$$b_1 = \frac{n\sum x_i y_i - \sum x_i \sum y_i}{n\sum x_i^2 - (\sum x_i)^2}$$

Расчёт пересечения с осью Y (b₀)

Формула пересечения
$$b_0 = \bar{y} - b_1 \bar{x}$$

Где x-полоска и y-полоска - это средние значения X и Y соответственно.

Понимание корреляции и R-квадрат

Коэффициент корреляции (r)

Коэффициент корреляции измеряет силу и направление линейной связи между X и Y. Он варьируется от -1 до +1:

Калькулятор линейной регрессии: Коэффициент корреляции (r)
Значение rИнтерпретация
0.9 до 1.0Очень сильная положительная корреляция
0.7 до 0.9Сильная положительная корреляция
0.5 до 0.7Умеренная положительная корреляция
0.3 до 0.5Слабая положительная корреляция
-0.3 до 0.3Практически отсутствует корреляция
-0.5 до -0.3Слабая отрицательная корреляция
-0.7 до -0.5Умеренная отрицательная корреляция
-0.9 до -0.7Сильная отрицательная корреляция
-1.0 до -0.9Очень сильная отрицательная корреляция

R-квадрат (коэффициент детерминации)

R-квадрат (R²) показывает долю дисперсии Y, которая объясняется X. Например, R² = 0.85 означает, что 85% дисперсии Y можно объяснить линейной связью с X.

Формула R-квадрат
$$R^2 = r^2 = 1 - \frac{SS_{residual}}{SS_{total}}$$

Как использовать этот калькулятор

  1. Введите значения X: Введите данные независимой переменной в первое текстовое поле, разделив запятыми, пробелами или переводом строки.
  2. Введите значения Y: Введите данные зависимой переменной во второе текстовое поле. Количество значений Y должно совпадать с количеством значений X.
  3. Прогнозирование (необязательно): Введите значение X, чтобы спрогнозировать соответствующее значение Y, используя уравнение регрессии.
  4. Установите точность: Выберите количество десятичных знаков для результатов.
  5. Рассчитайте: Нажмите кнопку "Рассчитать", чтобы увидеть уравнение регрессии, график рассеяния, статистику корреляции и пошаговые расчёты.

Понимание ваших результатов

Основные результаты

Дополнительная статистика

Применение линейной регрессии

Бизнес и финансы

Наука и исследования

Экономика

Социальные науки

Предположения линейной регрессии

Для надёжных результатов линейная регрессия предполагает:

  1. Линейность: Связь между X и Y является линейной
  2. Независимость: Наблюдения независимы друг от друга
  3. Гомоскедастичность: Остатки имеют постоянную дисперсию для всех значений X
  4. Нормальность: Остатки приблизительно нормально распределены
  5. Отсутствие мультиколлинеарности: (Для множественной регрессии) Независимые переменные не сильно коррелированы

Часто задаваемые вопросы

Что такое линейная регрессия?

Линейная регрессия - это статистический метод, используемый для моделирования связи между зависимой переменной (Y) и одной независимой переменной (X) путём подгонки линейного уравнения к наблюдаемым данным. Уравнение принимает форму Y = b₀ + b₁X, где b₀ - пересечение с осью Y, а b₁ - наклон. Метод находит наиболее подходящую линию, которая минимизирует сумму квадратов различий между наблюдаемыми и прогнозируемыми значениями.

Как интерпретировать наклон в линейной регрессии?

Наклон (b₁) представляет изменение зависимой переменной Y при увеличении независимой переменной X на одну единицу. Положительный наклон указывает, что Y увеличивается при увеличении X, а отрицательный наклон указывает, что Y уменьшается при увеличении X.

Что такое R-квадрат и что он означает?

R-квадрат (R²), также называемый коэффициентом детерминации, измеряет, насколько хорошо линия регрессии соответствует данным. Он варьируется от 0 до 1, где 0 означает, что модель не объясняет никакую изменчивость, а 1 означает, что она объясняет всю изменчивость. Обычно R² выше 0.7 указывает на хорошее соответствие.

В чём разница между корреляцией (r) и R-квадратом?

Коэффициент корреляции (r) измеряет силу и направление линейной связи, варьируясь от -1 до +1. R-квадрат (R²) - это r², представляющий долю объяснённой дисперсии. Хотя r показывает направление (положительная или отрицательная связь), R² показывает только, сколько дисперсии объяснено.

Сколько точек данных мне нужно для линейной регрессии?

Технически вам нужно минимум 2 точки данных, но для содержательного статистического анализа вам нужно минимум 10-20 точек данных. Больше точек данных обычно приводит к более надёжным оценкам.

Что такое остатки в линейной регрессии?

Остатки - это разности между наблюдаемыми значениями Y и прогнозируемыми значениями Y (остаток = наблюдаемое Y - прогнозируемое Y). Анализ остатков помогает оценить качество соответствия модели. Идеально остатки должны быть случайно разбросаны вокруг нуля без явной закономерности.

Как предсказать значение с помощью уравнения линейной регрессии?

Подставьте нужное значение X в найденное уравнение. Например, если линия имеет вид Y = 12 + 3X, то при X = 5 прогнозируемое значение Y равно 27. Если в Linear Regression Calculator ввести необязательное значение X, калькулятор рассчитает прогноз по найденной прямой. Считайте его оценкой и будьте осторожны, если значение X далеко за пределами имеющихся данных: линейная зависимость может не сохраниться.

Почему свободный член регрессии отрицательный, хотя все мои измерения положительны?

Свободный член — это прогнозируемое значение Y при X = 0, которое может лежать за пределами измеренного диапазона. Поэтому он может быть отрицательным, даже если все наблюдаемые значения X и Y положительны. Например, прямая, построенная по измерениям при X от 10 до 20, может пересекать ось Y ниже нуля. Это математическая часть уравнения регрессии, но если X в реальности не может равняться нулю, практического смысла у этого значения может быть мало.

Может ли линейная регрессия доказать, что X вызывает изменения Y?

Нет. Линейная регрессия описывает и прогнозирует связь в данных, но сама по себе не доказывает, что изменение X вызывает изменение Y. На связь может влиять третий фактор, отбор наблюдений или способ сбора данных. Например, продажи мороженого и количество купающихся могут одновременно расти из-за тёплой погоды. Прежде чем делать вывод о причинно-следственной связи, учитывайте план исследования и знания о предметной области.

Дополнительные ресурсы

Ссылайтесь на этот контент, страницу или инструмент так:

"Калькулятор линейной регрессии" на сайте https://ru.miniWebtool.com/калькулятор-линейной-регрессии/ от MiniWebtool, https://MiniWebtool.com/

от команды miniwebtool. Обновлено: 17 января 2026 г.

Обсудите инструмент с любимым ИИ

Gemini (скопировать и открыть)

В Gemini вставьте скопированный вопрос в чат. Его также можно скопировать ниже.

Посмотреть вопрос

Статистика и анализ данных:

Решение по математикеЧто вы хотите решить?

Решение по математике

Примеры
Примеры выражений

Выберите пример, измените числа и решите. log — логарифм по основанию 10, ln — натуральный.

Числа и делители

Дроби и деление

Степени, корни и логарифмы

Алгебра и уравнения

Математический анализ

Геометрия и тригонометрия

Популярные и обновлённые инструменты:

Решатель систем линейных уравненийРешатель Линейного ПрограммированияРешатель линейных уравненийСмотреть все →
Домашняя страница > Математика > Статистика и анализ данных > Калькулятор линейной регрессии