Elysia Tools
导航
Math & Numbers
为成对数据寻找线性最佳拟合趋势线，并根据 x 预测 y 值
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
最佳拟合线计算器是一款专业的在线工具，旨在通过最小二乘法为成对的 X 和 Y 数据点计算线性回归趋势线。该工具能够快速得出回归方程的斜率、截距以及衡量拟合优度的 R 平方值（决定系数），并支持根据给定的 X 值预测对应的 Y 值，帮助用户高效分析变量间的相关性并进行数据建模。
背景
分析师有一组简单的观测数据，需要快速获取其线性回归方程的各项参数。
问题
手动计算最小二乘法回归方程费时且容易出错。
如何使用
在数据对框中输入 1,2; 2,4; 3,5; 4,4; 5,5，设置预测 X 为 6，保留 4 位小数。
pairedData: "1, 2\n2, 4\n3, 5\n4, 4\n5, 5", predictionX: "6", decimalPlaces: 4结果
获得斜率 0.6，截距 2.2，R 平方值 0.6，并预测当 X=6 时 Y 为 5.8。
背景
经理记录了过去 4 周的广告支出（X）与带来的新客户数（Y），希望预测下周增加预算后的效果。
问题
需要量化广告投入与客户增长之间的线性关系。
如何使用
输入每周的支出与转化数据，例如 100,15; 200,28; 300,42; 400,55，并在预测 X 中输入 500。
pairedData: "100, 15\n200, 28\n300, 42\n400, 55", predictionX: "500"结果
系统计算出高度相关的趋势线，并预测支出 500 元时预计可获得约 68.5 名新客户。
R 平方值反映了回归线对数据的拟合程度，取值范围为 0 到 1，越接近 1 表示模型越精确。
每行输入一对数值，例如“1, 2”，确保 X 和 Y 之间使用逗号分隔，每对数据占据独立的一行。
不是必填项。如果留空，工具将只计算回归方程的斜率、截距和 R 平方值，而不生成预测结果。
不可以，本工具专门用于线性回归分析，即寻找最符合数据分布的直线趋势。
您可以在选项中设置 0 到 10 位小数，以满足不同精度的计算需求。