Калькулятор лінійної регресії
Підберіть пряму до парних даних X–Y методом найменших квадратів. Введіть обидва набори даних і отримайте кутовий коефіцієнт, вільний член, коефіцієнт кореляції, R², залишки та прогнозоване значення Y для будь-якого X.
Підберіть пряму до ваших даних
Формула лінійної регресії
Де:
- \(b\) — кутовий коефіцієнт (нахил) підібраної прямої
- \(a\) — вільний член (значення Y при \(x = 0\))
- \(x_i, y_i\) — парні точки даних
- \(\bar{x}, \bar{y}\) — середні значення наборів даних X і Y
- \(n\) — кількість пар точок даних
- \(r\) — коефіцієнт кореляції Пірсона
- \(R^2\) — коефіцієнт детермінації
- \(\hat{y}\) — прогнозоване значення Y при \(x^*\)
Це оцінки, отримані методом найменших квадратів (МНК): кутовий коефіцієнт \(b\) і вільний член \(a\) задають пряму, яка мінімізує суму квадратів вертикальних відстаней між спостережуваними точками та самою прямою.
Лінійна регресія — приклад обчислення
Приклад: лабораторія вимірює вихідну величину Y за вісьмох рівновіддалених значень налаштування X від 1 до 8. Значення X: 1, 2, 3, 4, 5, 6, 7, 8; значення Y: 53, 61, 68, 74, 80, 85, 90, 95. Підберемо пряму та спрогнозуємо Y при \(x = 9\).
\[ \bar{x} = \frac{1+2+\cdots+8}{8} = 4.5, \qquad \bar{y} = \frac{53+61+\cdots+95}{8} = 75.75 \]
\[ S_{xy} = \sum (x_i-\bar{x})(y_i-\bar{y}) = 248, \quad S_{xx} = \sum (x_i-\bar{x})^2 = 42, \quad S_{yy} = \sum (y_i-\bar{y})^2 = 1475.5 \]
\[ b = \frac{248}{42} = 5.9048, \qquad a = 75.75 - 5.9048 \times 4.5 = 49.1786 \]
\[ r = \frac{248}{\sqrt{42 \times 1475.5}} = 0.9962, \qquad R^2 = 0.9925 \]
\[ \hat{y} = 49.1786 + 5.9048 \times 9 = 102.3214 \]
Результат: підібрана пряма має вигляд \(y = 49.1786 + 5.9048x\), де \(r = 0.9962\) і \(R^2 = 0.9925\) — відмінна відповідність. При \(x = 9\) пряма дає прогноз \(\hat{y} \approx 102.32\).
Як користуватися калькулятором лінійної регресії
- Введіть значення незалежної змінної в поле Набір даних X (незалежна змінна), розділяючи їх комами, пробілами, крапками з комою або новими рядками.
- Введіть відповідні значення залежної змінної в поле Набір даних Y (залежна змінна) точно в тому ж порядку, що й значення X. Обидва набори мають містити однакову кількість значень.
- За бажанням введіть значення в поле Прогнозувати Y для X = — точку, в якій потрібно обчислити значення на підібраній прямій. Залиште його порожнім, якщо вам потрібна лише сама пряма.
- Зчитайте результати: кутовий коефіцієнт, вільний член, коефіцієнт кореляції, коефіцієнт детермінації та прогнозоване значення показано нагорі, далі йдуть рівняння регресійної прямої, тлумачення простою мовою, а також таблиця підібраних значень і залишків для кожної точки даних.
Що таке лінійна регресія?
Проста лінійна регресія описує зв'язок між однією незалежною змінною \(x\) та однією залежною змінною \(y\) у вигляді прямої: \(y = a + bx\). Метод найменших квадратів знаходить саме ту пряму, яка мінімізує суму квадратів вертикальних відстаней (залишків) між спостережуваними точками даних і прямою. Оскільки використовуються квадратичні відхилення, точки, далекі від прямої, впливають на апроксимацію сильніше, ніж близькі точки.
Обидва коефіцієнти мають прямий зміст. Кутовий коефіцієнт \(b\) — це оцінка зміни Y при збільшенні X на одну одиницю; якщо \(b\) від'ємний, Y зменшується зі зростанням X. Вільний член \(a\) — це підібране значення Y при \(x = 0\). Він має зміст лише тоді, коли нуль лежить у межах (або поблизу) діапазону спостережуваних значень X; інакше це просто математична опора прямої.
Коефіцієнт кореляції \(r\) набуває значень від \(-1\) до \(+1\) і вимірює водночас силу та напрям лінійного зв'язку. Коефіцієнт детермінації \(R^2 = r^2\) лежить між 0 і 1, і його легше тлумачити: це частка варіації Y, яку пояснює лінійний зв'язок з X. Значення \(R^2\), що дорівнює 0,99, як у прикладі вище, означає, що близько 99 % варіації Y пояснюється прямою — відмінна відповідність. Значення нижче приблизно 0,5 вказують, що пряма описує дані лише слабко, і криволінійна або багатофакторна модель може підходити краще.
Залишки у таблиці результатів показують, наскільки далеко кожне спостережуване \(y_i\) відстоитиме від свого підібраного значення \(\hat{y}_i\). Їхній перегляд — це швидка діагностика: залишки, розкидані випадково навколо нуля, свідчать, що лінійна модель розумна, тоді як явний шаблон (кривизна або залишки, що зростають разом з X) вказує, що залежність насправді не є лінійною.
Припущення, обмеження та практичні поради
- Потрібні парні дані: кожне значення X повинно мати відповідне значення Y, введене в тому ж порядку. Калькулятор видасть помилку, якщо два набори мають різну довжину.
- Лінійність: МНК припускає, що справжня залежність є прямою лінією. Якщо діаграма розсіювання ваших даних показує криву, підібрана пряма — і її \(R^2\) — вводитимуть в оману.
- Щонайменше дві точки: якщо різних значень X менше ніж два, єдину пряму підібрати неможливо; за дуже малої кількості точок апроксимація надзвичайно чутлива до кожного спостереження.
- Кореляція — не причинність: сильний \(r\) свідчить про зв'язок, а не про те, що X є причиною Y. Обидві величини може визначати третя змінна.
- Обережно з екстраполяцією: прогнозування при значеннях X, далеко за межами ваших даних (як \(x = 9\) у прикладі, одразу за спостережуваним максимумом 8) — це припущення, а не вимірювання: залежність може не залишатися лінійною за межами спостережуваного діапазону.
- Викиди мають значення: оскільки метод найменших квадратів підносить похибки до квадрата, одна екстремальна точка може нахилити всю пряму. Перевіряйте в таблиці залишків точки з незвично великими залишками і переконуйтеся, що це справжні вимірювання, а не одруківки.
- Одиниці: кутовий коефіцієнт має одиниці вимірювання Y на одиницю X. Порівнюючи кутові коефіцієнти з різних наборів даних, переконайтеся, що одиниці збігаються.
Часті запитання
Як знайти регресійну пряму вручну без формул з відхиленнями?
Можна скористатися еквівалентними обчислювальними формулами: \( b = \frac{n\sum x_i y_i - \sum x_i \sum y_i}{n\sum x_i^2 - (\sum x_i)^2} \) та \( a = \frac{\sum y_i - b\sum x_i}{n} \). Просто складіть таблицю \( x_i \), \( y_i \), \( x_i y_i \) і \( x_i^2 \), підсумуйте кожен стовпець і підставте значення. Результати ідентичні методу найменших квадратів, який використовує цей калькулятор, — це лише арифметика з «сирими» сумами замість відхилень від середнього.
Яке значення R² вважається хорошим?
Це залежить від галузі. У фізиці чи інженерних експериментах очікують значень понад 0,9. В економіці, біології чи соціальних науках, де рівень шуму високий, R² у межах 0,3–0,6 може бути змістовним результатом. Універсального порогу немає: низький R² не робить модель непотрібною, а високий R² не доводить її правильність — криволінійна залежність також може дати високий R² для неправильно обраної прямої. Завжди будуйте графік даних.
Чи важливо, яку змінну вводити в X, а яку в Y?
Так. Регресія Y за X відповідає на питання «як змінюється Y зі зростанням X?» і мінімізує вертикальні похибки. Якщо поміняти набори місцями, ви отримаєте іншу пряму, яка мінімізує горизонтальні похибки, з іншим кутовим коефіцієнтом (новий коефіцієнт дорівнює \( r^2 \), поділеному на старий, а не оберненому до нього значенню). Вибирайте, виходячи з вашого питання: якщо ви хочете прогнозувати одну величину за іншою, прогнозовану змінну слід ввести в Y.
Яка різниця між r і R²?
Коефіцієнт кореляції r (від −1 до +1) показує і напрям, і силу лінійного зв'язку: r = −0,9 означає сильний від'ємний зв'язок. R² = r² відкидає знак і вимірює лише якість апроксимації: і r = −0,9, і r = +0,9 дають R² = 0,81. Використовуйте r, коли важливий напрям зв'язку, а R² — коли потрібне просте тлумачення «відсоток поясненої варіації».
Чому коефіцієнт кореляції дорівнює рівно 1, коли всі значення Y однакові?
Коли всі значення Y однакові, \( S_{yy} = 0 \), і формула Пірсона ділить на нуль, тож математично r не визначений. Цей калькулятор у такому випадку виводить r = 1, оскільки підібрана пряма є ідеальною горизонтальною лінією (кутовий коефіцієнт 0). Майте на увазі: горизонтальна пряма означає, що X нічого не говорить про Y — «ідеальний» r є артефактом, а не доказом наявності зв'язку.
Скільки точок даних потрібно для надійної регресії?
Мінімум — 2 точки з різними значеннями X, але така апроксимація статистично беззмістовна: будь-які дві точки точно визначають пряму. Як орієнтир, прагніть до щонайменше 10 точок, а якщо дані шумні — більше. За малих вибірок одна незвична точка може визначити весь кутовий коефіцієнт і штучно завищити R², тому перевіряйте таблицю залишків і з обережністю ставтеся до результатів, отриманих за менш ніж 5 точок.
Мої результати виглядають неправильними — які найпоширеніші помилки під час введення даних?
Перевірте три речі: (1) обидва списки мають містити однакову кількість значень, і кожне Y має стояти навпроти відповідного X у тому ж порядку — одне зсунуте або пропущене значення нахиляє всю пряму; (2) розділювачі тисяч, символи валют або випадкові літери роблять елемент недійсним; (3) змішування одиниць (наприклад, роки 2020–2024 в одному наборі даних і 0–4 в іншому) кардинально змінює вільний член, хоча прогнози залишаються тими самими.