最小二乘法线性回归的数学原理
线性回归分析的核心在于寻找一条直线，使所有观测点到该直线的垂直距离平方和达到最小，这一方法被称为普通最小二乘法（OLS）。在线性回归计算器中，该算法严格遵循 NIST/SEMATECH 统计方法手册的标准规范进行构建。
为了在处理数值差异极大的数据集时避免精度损失，计算器在底层采用补偿求和法，分两遍计算各变量围绕其均值的离差平方和与协方差：
- 自变量离差平方和：Sxx = Σ(xᵢ − x̄)²
- 因变量离差平方和：Syy = Σ(yᵢ − ȳ)²
- 协方差：Sxy = Σ(xᵢ − x̄)(yᵢ − ȳ)
基于上述基础累加值，即可推导出回归方程的两个核心参数——斜率 b 与截距 a：
- 斜率：b = Sxy ÷ Sxx
- 截距：a = ȳ − b·x̄
其中，x̄ 和 ȳ 分别代表自变量和因变量的算术平均值。
回归系数的统计学解释
拟合完成后的回归方程可写作 ŷ = a + bx。这两个系数具有明确的物理与实际意义：
- 斜率 b：代表自变量每变动一个单位时，因变量的平均变化量。在输出结果中，其物理意义体现为“平均而言，x 每增加 1，y 就会变化
‹slope›”。 - 截距 a：代表自变量为零时因变量的预测值。在输出结果中，其物理意义体现为“当 x 为 0 时，拟合线位于 y =
‹intercept›处”。
为了评估这些估计值的可靠性，计算器会计算其标准误差。残差均方（MSE）的计算公式为 MSE = SSE ÷ (n − 2)，其中残差平方和 SSE = Σ(yᵢ − ŷᵢ)²。由此可得残差标准差 s = √MSE。
斜率的标准误差为 SE(b) = s ÷ √Sxx，而截距的标准误差为 SE(a) = s · √(1÷n + x̄² ÷ Sxx)。利用 t = 估计值 ÷ 标准误差，可以在自由度为 n − 2 的 t 分布下进行双侧显著性检验，从而计算出 p 值，以评估自变量与因变量之间是否存在显著的线性关系。
变异解释度：r 与 R² 的区别
在回归分析中，总平方和（SST，即 Syy）被拆分为两个部分：由拟合线解释的平方和（SSR = SST − SSE）以及残差平方和（SSE）。
- R²（决定系数）：计算公式为 R² = SSR ÷ SST。它代表了因变量的总变异中，能被自变量通过线性模型解释的比例。
- 相关系数 r：其大小等于 √R²，其符号与斜率 b 相同，亦可通过 Sxy ÷ √(Sxx·Syy) 直接求得。r 衡量的是两个变量之间线性相关的方向与强度。
- 调整后 R²：由于引入无意义的自变量也会使 R² 增加，因此在评估模型时会使用调整后 R² = 1 − (1 − R²)(n − 1) ÷ (n − 2) 来修正自由度带来的偏差。
均值置信区间与单值预测区间的差异
当利用拟合出的回归方程在特定的自变量值 x₀ 处预测因变量 ŷ₀ = a + b·x₀ 时，计算器会提供两种不同性质的区间估计：
- 均值置信区间：针对在该 x₀ 处所有可能历史观测值的平均响应。其标准误差为 s · √(1÷n + (x₀ − x̄)² ÷ Sxx)。
- 单值预测区间：针对在 x₀ 处某一个全新独立观测值的预测。由于单个新观测值本身存在随机波动，其标准误差必须将此波动纳入，公式为 s · √(1 + 1÷n + (x₀ − x̄)² ÷ Sxx)。
由于单值预测区间的标准误差公式中多了一项“1”，因此在相同的置信水平下，单值预测区间总是比均值置信区间更宽。随着预测点 x₀ 逐渐偏离样本均值 x̄，这两种区间的宽度都会呈抛物线状向两侧变宽。
数据输入规范与异常边界处理
本工具支持“成对行”与“两个列表”两种数据布局。在输入数据时，需遵循以下格式与边界规则：
- 分隔符规则：使用英文句点作为小数点时，列表数值可用空格、逗号或换行符分隔；使用逗号作为小数点时，列表数值须用空格、分号或换行符分隔。
- 自动忽略表头：若成对输入的第一行两个元素均为非数字，系统会将其视作电子表格的表头行并自动跳过，方便直接复制粘贴。
- 外推提示：若输入的预测值 x 超出了原始数据的取值范围，系统会在预测结果中显示“超出数据范围”，并提示“标记的行所使用的 x 值超出了你输入的数据范围，因此该拟合线已被延伸到现有数据之外”。
- 数据规模限制：数据点数需介于 2 至 50,000 个之间（文本大小不超过 1 MB），预测值最多支持 50 个。
异常边界状态说明
在特定极端数据分布下，计算器会输出相应的状态提示：
- 恰好两个点：“两个点可以精确确定一条直线，因此没有多余的数据来估计不确定性。”
- 完美拟合：“所有数据点都精确地落在拟合线上，因此没有残差波动，无法估计置信区间或 p 值。”
- 因变量无变异：“所有的 y 值都相同，因此拟合线是水平的，r、R² 和显著性检验均未定义。”
- 自变量无变异（垂直线）：触发错误提示“所有的 x 值都相同，这将导致拟合线呈垂直状态，且计算斜率时除数为零。”并停止计算。
隐私保护与本地计算说明
本工具充分保护用户的个人数据隐私。你的数据点和所有统计数据均保留在此浏览器中，绝不会被上传。所有的回归拟合、矩阵运算、残差分析以及图表绘制均在用户的本地设备上实时完成，无需与任何外部服务器进行数据交互。
常见问题解答
我把哪一列放在 x 中有关系吗？
是的。最小二乘法使垂直偏差最小化，因此它将 y 视为被解释变量，将 x 视为解释变量。如果将它们对调，你将得到不同的斜率和截距 —— 只有 r 和 R² 保持不变。请将你想要预测的变量放在 y 中；如果列放反了，点击对调按钮即可直接在原位重写它们。
R² 究竟能告诉我什么？
R² 是指 y 的上下波动中由拟合线所解释的比例：0.96 意味着 96% 的波动与 x 一致，而 4% 的波动无法被解释。它并不能说明直线是否是正确的拟合形状 —— 明显的曲线同样可以获得很高的得分 —— 因此请结合残差图来阅读它。相关系数 r 是 R² 的平方根，并带有斜率的符号，这就是为什么下行线的 r 值为负数。
为什么预测结果会提供两个区间？
它们回答的是不同的问题。均值置信区间回答的是：在特定的 x 处，所有个体的平均 y 值落在哪里，因此它只考虑拟合线本身的不确定性。而单值预测区间回答的是：一个新的观测值会落在哪里，这需要加上数据点在拟合线周围的离散程度 —— 正是因为多了这一项，单值预测区间总是比均值置信区间更宽。随着 x 远离数据的中心，这两个区间都会变宽。
较小的 p 值是否意味着 x 导致了 y？
不能。p 值只回答一个特定的小问题：如果真实的斜率确实为 0，那么这种规模的样本有多大概率产生一个与 0 偏差至少如此之大的斜率？较小的 p 值仅仅意味着“两者完全没有关系”这一解释显得很牵强，仅此而已。因果关系需要研究设计的支持 —— 影响两个变量的第三因素，或者非独立收集的样本，同样很容易产生极小的 p 值。