Безплатен онлайн инструмент за регресия

Въведете своите точки от данни и получете уравнението на регресията, наклона, пресечната точка, R-квадратната стойност и изчисленията стъпка по стъпка за секунди.

Изчислете сега Разгледайте функциите

Калкулатор за линейна регресия

Въвеждане на регресионни данни

Въведете вашите данни по-долу. За точен регресионен анализ включете поне 10 точки от данни, покриващи разумен диапазон.

Моделна година

Пример: 2024, 2025, 2026 или всяка персонализирана година

Тип регресия

Точки за данни (X, Y)

#	X Стойности	Y Стойности

Ниво на достоверност (%)

Общи стойности: 90, 95, 99 (за 90%, 95%, 99% увереност)

Прогнозна X стойност

Въведете число, за да предвидите съответната Y стойност

Резултати от регресия

Резултатите от вашия регресионен анализ се показват по-долу. Тези изчисления следват международните статистически стандарти.

Регресионна графика

Регресионно уравнение

Y = a + bX

R-квадратна стойност

0.000

Корелация (r)

0.000

Прогнозна стойност на Y

—

Регресионна статистика

статистика	Стойност	Тълкуване
Стандартна грешка	0.000	По-ниско е по-добре
Размер на извадката	0	Брой точки с данни
Степени на свобода	0	n – 2 за линейни
Ниво на увереност	95%	Статистическа увереност

Забележка: Резултати, изчислени с помощта на международните статистически стандарти, приложими в САЩ, Европа, Азия и по света.

Решение стъпка по стъпка

Разбиране на регресионния анализ

📈

Линейна регресия

Моделира правилна линейна зависимост между променливите чрез уравнението y = a + bx.

📐

Полиномиална регресия

Приспособява криволинейна зависимост чрез y = a + bx + cx². Идеална за сложни физически системи.

🧬

Експоненциална регресия

Моделира бърз растеж или разпад с y = ae^bx. Идеална за бактериален растеж и анализ на разпад.

🔬

Логаритмична регресия

Приспособява модели на намаляваща възвръщаемост с y = a + b·ln(x). Отлична за икономическо насищане.

Разширен диагностичен двигател

Създаден за изследвания на институционално ниво, съчетаващ математическа строгост с интуитивно интерактивно изживяване.

🎯

Множество модели

Сравнете линейни, полиномиални, експоненциални и логаритмични напасвания едно до друго.

📊

Интерактивна визуализация

Изследвайте данните си с динамични диаграми на разсейване и наслоени визуализации на модели.

🔮

Инструменти за прогнозиране

Прогнозирайте резултати с автоматични изчисления на доверителни интервали.

📋

Пълна диагностика

Подробен изход, включващ R², стандартна грешка и p-стойности за всички модели.

📱

Оптимизиран за мобилни

Извършвайте сложен регресионен анализ на всяко устройство без компромиси.

⚖️

Стандартизиран

Изчисленията следват професионалните стандарти ISO 3534 и ASTM E2586.

Изисквания към данните

Изискване	Минимум	Препоръчително
Размер на извадката	3 точки данни	30+ точки данни
Наблюдения/Параметър	2 на коефициент	10+ на коефициент
Обхват на X променливата	2 различни стойности	Широк, равномерно разпределен
Тип на Y променливата	Непрекъснат	Непрекъснат, без ефект на таван
Разпределение	Нормални остатъци	Нормално, отклоненията премахнати
Durbin-Watson	Н/П	Статистика ≈ 2

Какво е регресионно уравнение?

Регресионното уравнение моделира връзката между променливите, което ви позволява да прогнозирате резултатите въз основа на входни данни. В най-простата си форма — проста линейна регресия — уравнението е y = mx + b, където m е наклонът, а b е пресечната точка с y. Този мощен статистически инструмент се използва в науката, бизнеса и инженерството за откриване на тенденции, правене на прогнози и количествено определяне на връзките между променливите.

Защо да използвате нашия калкулатор?

Незабавно изчислява регресионното уравнение от вашите данни
Показва изчисления стъпка по стъпка, за да разберете математиката
Изчислява R², коефициент на корелация, наклон и пресечна точка
Не се изисква регистрация — 100% безплатно и работи във вашия браузър
Вашите данни остават поверителни - нищо не се изпраща до сървър

Обичайни случаи на употреба

Прогнозиране на продажби от рекламни разходи
Оценяване на цените на жилищата от квадратни метри
Анализиране на влиянието на учебните часове върху резултатите от изпитите
Прогнозиране на температурните промени във времето
Оценяване на връзката между дозата и отговора

Как работи

Изберете Регресионен модел

Изберете от линейна, полиномна, експоненциална или логаритмична регресия, за да съответствате на модела на връзката на вашите данни.

Въведете точки от данни

Добавете своите двойки данни X и Y в таблицата. Задайте вашето ниво на увереност (%) и по избор въведете прогнозна стойност X за прогнозиране.

Изчислете и визуализирайте

Щракнете върху Изчисли, за да генерирате незабавно регресионното уравнение, стойността на R-квадрат и интерактивна точкова диаграма с монтираната регресионна линия.

Преглед на диагностиката

Разгледайте таблицата със статистически данни за регресия — стандартна грешка, размер на извадката, степени на свобода и ниво на достоверност — за да оцените надеждността на модела.

Прогнозирайте и прогнозирайте

Използвайте входа на прогнозата X, за да оцените Y във всяка точка, с доверителни интервали въз основа на избраното от вас ниво на достоверност.

Справочник за регресионна статистика

Общи регресионни статистики и техните интерпретации

статистика	Символ	Тълкуване
Наклон	м	Скорост на промяна
Прехващане	b	Стойност, когато x = 0
R-в квадрат	R²	Съответствие
Корелация	r	Сила на връзката
Стандартна грешка	SE	Средно разстояние от линията
P-стойност	стр	Статистическа значимост

Често задавани въпроси

Нашите инструменти за регресия и статистика

📈