Il metodo dei minimi quadrati per l'adattamento lineare
La regressione lineare semplice è un metodo matematico che permette di modellare la relazione tra due variabili quantitative: una variabile indipendente o predittore (x) e una variabile dipendente o risposta (y). Il Calcolatore di regressione lineare utilizza il criterio dei minimi quadrati ordinari (OLS) per identificare la retta ottimale che attraversa i punti inseriti. Questo metodo riduce al minimo la somma dei quadrati delle distanze verticali (i residui) tra i punti effettivi e la retta di regressione.
Per garantire la massima precisione numerica anche con dati che presentano ordini di grandezza molto distanti, il calcolo delle somme dei quadrati viene eseguito in due passaggi con un algoritmo di sommatoria compensata. Le formule fondamentali applicate per determinare la struttura della retta sono:
- La devianza di x: Sxx = Σ(xᵢ − x̄)²
- La devianza di y: Syy = Σ(yᵢ − ȳ)²
- La codevianza di x e y: Sxy = Σ(xᵢ − x̄)(yᵢ − ȳ)
A partire da questi valori, la pendenza (b) e l'intercetta (a) della retta di regressione vengono calcolate come segue:
- Pendenza b = Sxy ÷ Sxx
- Intercetta a = ȳ − b·x̄
Il calcolatore esegue l'elaborazione dei dati in tempo reale direttamente all'interno del browser web dell'utente. I dati inseriti e le statistiche generate non vengono mai caricati su server esterni, garantendo che l'intero processo rimanga locale.
Interpretazione dei coefficienti e della retta
I risultati dell'analisi vengono sintetizzati attraverso parametri specifici che descrivono la retta dei minimi quadrati. Ciascun coefficiente possiede un significato pratico preciso:
- Pendenza b: Rappresenta il tasso di variazione della variabile risposta rispetto al predittore. Il sistema la descrive con la formula: "In media y varia di
‹slope›per ogni incremento unitario di x.". - Intercetta a: Indica il valore in cui la retta interseca l'asse verticale. Viene descritta con la formula: "Dove x è 0 la retta si trova a y =
‹intercept›.".
La qualità complessiva dell'adattamento viene valutata attraverso tre indicatori principali:
- Correlazione r: Il coefficiente di correlazione lineare di Pearson misura la forza e la direzione della relazione lineare. Equivale a Sxy ÷ √(Sxx·Syy) e assume lo stesso segno della pendenza.
- R²: Il coefficiente di determinazione esprime la quota di variabilità totale della variabile y spiegata dalla retta di regressione. Si calcola come R² = SSR ÷ SST, dove SSR è la somma dei quadrati della regressione e SST è la somma dei quadrati totale.
- R² corretto: Corregge il valore di R² in base ai gradi di libertà del modello, calcolato come 1 − (1 − R²)(n − 1) ÷ (n − 2).
Analisi della varianza (ANOVA) e test di significatività
Per verificare se la relazione lineare individuata sia statisticamente significativa, il calcolatore genera una tabella per la Varianza spiegata (ANOVA) e una tabella per i Coefficienti.
La scomposizione della variabilità si basa sulle seguenti componenti:
- Spiegata dalla retta (Regressione): SSR = SST − SSE, con 1 grado di libertà.
- Residua: SSE = Σ(yᵢ − ŷᵢ)², con n − 2 gradi di libertà.
- Totale: SST = Syy, con n − 1 gradi di libertà.
La dispersione dei residui (s) rappresenta la deviazione standard dei residui ed è calcolata come s = √(SSE ÷ (n − 2)). Gli errori standard per la pendenza e l'intercetta determinano la precisione delle stime:
- SE(b) = s ÷ √Sxx
- SE(a) = s · √(1÷n + x̄² ÷ Sxx)
Il valore t per ciascun coefficiente viene calcolato dividendo la stima per il rispettivo errore standard. Il valore p a due code viene ricavato tramite la funzione beta incompleta regolarizzata con n − 2 gradi di libertà. Con un solo predittore, il test F dell'ANOVA e il test t sulla pendenza sono matematicamente equivalenti e restituiscono il medesimo valore p.
Previsioni e intervalli di confidenza
Il calcolatore permette di inserire valori x specifici per stimare il valore corrispondente ŷ₀ = a + b·x₀. Per ogni stima, vengono calcolati due tipi di intervalli basati sul livello di confidenza selezionato (90%, 95% o 99%):
| Tipo di Intervallo | Formula dell'Errore Standard (moltiplicato per t_{1−α/2, n−2}) | Significato e Applicazione |
|---|---|---|
Media ‹level›% |
s · √(1÷n + (x₀ − x̄)² ÷ Sxx) | Rappresenta l'incertezza legata alla posizione media della retta per un dato valore x. |
Individuale ‹level›% |
s · √(1 + 1÷n + (x₀ − x̄)² ÷ Sxx) | Rappresenta l'intervallo di previsione per una singola nuova osservazione, includendo la variabilità dei punti attorno alla retta. |
Entrambi gli intervalli si allargano progressivamente man mano che il valore x₀ si allontana dalla media x̄ dei dati inseriti. Se un valore x inserito per la previsione si trova al di fuori dell'intervallo dei dati campionari, il sistema mostra l'etichetta "fuori dai dati" e la nota informativa: "Le righe contrassegnate utilizzano un valore x che va oltre i dati inseriti, quindi la retta viene estesa oltre quanto mostrato dai dati reali.".
Regole di inserimento e gestione dei limiti matematici
Il calcolatore supporta l'inserimento dei dati tramite due layout: "Righe di coppie" (un valore x e uno y per riga, ideale per copiare e incollare colonne da fogli di calcolo) o "Due liste" (con input separati per x e y). La prima riga viene ignorata se contiene testo non numerico, consentendo l'inclusione diretta delle intestazioni di colonna.
Il sistema applica regole rigide per la convalida dei dati e gestisce i seguenti casi limite:
- Meno di 2 punti: Mostra l'errore "Inserisca almeno 2 punti; un solo punto non definisce una retta.".
- Esattamente due punti: Mostra il messaggio "Due punti definiscono la retta in modo esatto, quindi non rimane nulla su cui stimare l'incertezza.".
- Adattamento perfetto: Se tutti i punti giacciono sulla retta, viene mostrato il messaggio "I punti si trovano esattamente sulla retta, quindi non vi è alcuna dispersione residua e non è possibile stimare alcun intervallo o valore p.".
- Valori Y costanti: Se tutti i valori y sono identici, la retta è perfettamente orizzontale. Il sistema mostra il messaggio "Tutti i valori y sono uguali, quindi la retta è piatta e r, R² e il test di significatività non sono definiti.".
- Valori X costanti: Se tutti i valori x sono identici, la retta sarebbe verticale. Il calcolo viene bloccato con l'errore "Tutti i valori x sono uguali, quindi la retta sarebbe verticale e la pendenza comporterebbe una divisione per zero.".
I limiti fisici di input consentono di gestire fino a 50.000 punti (o 1 MB di testo incollato) e fino a 50 valori di previsione simultanei. Qualsiasi calcolo che superi le capacità di calcolo standard del sistema genera l'errore "Un valore o un risultato intermedio supera l'intervallo numerico supportato.".
Domande frequenti (FAQ)
È importante quale colonna inserisco in x?
Sì. Il metodo dei minimi quadrati riduce al minimo gli scostamenti verticali, quindi tratta y come la variabile da spiegare e x como la variabile esplicativa. Se li scambi otterrai una pendenza e un'intercetta diverse — solo r e R² rimangono invariati. Inserisci in y la variabile che desideri prevedere; se le colonne sono state inserite al contrario, il pulsante di scambio le riscrive invertendole sul posto.
Cosa indica effettivamente R²?
R² è la quota della variazione di y spiegata dalla retta: 0,96 significa che il 96% di essa si allinea con x e il 4% no. Non dice nulla sul fatto che una retta fosse la forma corretta — anche una curva evidente può ottenere un punteggio elevato — quindi va interpretato insieme al grafico dei residui. La correlazione r è la radice quadrata di R² con il segno della pendenza, motivo per cui r è negativa per una retta decrescente.
Un valore p piccolo significa che x causa y?
No. Il valore p risponde solo a una domanda specifica: se la vera pendenza fosse 0, con quale frequenza un campione di queste dimensioni produrrebbe una pendenza distante da 0 almeno quanto questa? Un valore piccolo rende l'ipotesi di “nessuna relazione” una spiegazione poco plausibile, nulla di più. La causalità richiede un adeguato disegno dello studio — un terzo fattore che influenza entrambe le colonne, o un campione non raccolto in modo indipendente, produce valori p piccoli con altrettanta facilità.
Perché le previsioni presentano due intervalli?
Rispondono a domande diverse. L'intervallo della media si chiede dove si collochi la y media per tutti i soggetti a quel determinato valore x, pertanto conta solo l'incertezza della retta stessa. L'intervallo individuale si chiede dove cadrà una singola nuova osservazione, il che aggiunge la dispersione dei punti attorno alla retta — questo termine extra è il motivo per cui è sempre il più ampio dei due. Entrambi si allargano man mano che x si allontana dal centro dei dati.