Indsæt parrede x,y-data for at tilpasse mindste kvadraters bedste rette linje: hældning, skæring, korrelation, den tilpassede ligning, forudsigelser for ethvert x — og et spredningsdiagram med dine punkter og linjen tegnet igennem dem.
Linjen vælges til at minimere summen af de kvadrerede lodrette afstande (residualer) mellem punkterne og linjen. Kvadrering straffer store bommerter hårdt, og derfor kan outliers trække linjen med sig.
Hældningen er, hvor meget y ændrer sig i gennemsnit, når x stiger med 1. Skæringspunktet er modellens y, når x = 0 — kun meningsfuldt, hvis x = 0 er inden for eller nær dine datas område.
Det er ekstrapolation, og det er risikabelt: sammenhænge bøjer ofte uden for det observerede interval. Beregneren regner det ud, men jo længere væk fra dit x-interval, desto mindre fortjener linjen tillid.
De deler de samme summer: r er den standardiserede hældning. Regression tilføjer selve linjen (i y-enheder pr. x-enhed) og forudsigelser, som korrelation alene ikke kan give.
Hældning b = Sxy ÷ Sxx hvor Sxy = Σ(x−x̄)(y−ȳ) og Sxx = Σ(x−x̄)². Intercept a = ȳ − b·x̄ — hvilket garanterer, at linjen altid går gennem datasættets tyngdepunkt, (x̄, ȳ). Forudsigelse: ŷ = a + b·x. Der rapporteres også: r, r² og den residuale standardfejl.
Input: x = [1,2,3,4,5], y = [2,4,5,4,5].
Trin: x̄ = 3, ȳ = 4, Sxy = 6 (fra korrelationsberegningen), Sxx = 10. Hældning = 6 ÷ 10 = 0.6. Skæring = 4 − 0.6 × 3 = 2.2. Forudsigelse ved x = 6: 2.2 + 0.6 × 6 = 5.8.
Resultat: Linje y = 2.2 + 0.6x, r = 0.775, r² = 0.600.
Tilføj denne beregner til dit eget website eller din blog — den er helt gratis, kræver ingen tilmelding og viser altid den nyeste version. Kopiér koden nedenfor, og indsæt den på din side, hvor beregneren skal vises. Hvis du beholder den lille kreditlinje “Powered by Loona Automation” under indlejringen, hjælper det med at holde dette værktøj gratis — men du er fri til at style eller fjerne den; værktøjet virker på begge måder.