Elysia Tools
导航
Math & Numbers
根据多列预测变量和数值目标拟合多元线性回归模型
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
多元线性回归计算器是一款专业的统计分析工具，旨在通过最小二乘法拟合多个自变量与一个数值型因变量之间的线性关系。用户只需输入 CSV 格式的数据，即可快速获取回归截距、各项系数以及 R 平方值，帮助您量化不同预测变量对目标结果的影响力，并支持根据新输入的值进行结果预测。
背景
分析师拥有一组关于房屋售价的数据，包含面积（x1）、卧室数量（x2）和最终售价（y）。
问题
需要确定面积和卧室数量对房价的具体贡献，并预测一套特定规格房屋的价格。
如何使用
输入包含面积、卧室数和价格的 CSV 数据，在预测值中输入 '120, 3'，设置小数位数为 2。
csvData: area,rooms,price
80,2,200000
100,3,250000
150,4,380000
predictionValues: 120, 3结果
获得回归方程的截距和系数，并得到 120 平米 3 居室的预测售价。
背景
经理记录了过去几个月的社交媒体广告费（x1）、搜索广告费（x2）以及带来的总销售额（y）。
问题
评估不同渠道的投放效率，并估算下一笔预算投入后的预期销售额。
如何使用
上传历史投放与销售数据，勾选“包含表头”，输入计划投入的预算数值进行计算。
csvData: social,search,sales
5000,3000,45000
7000,4000,62000
4000,2000,35000
predictionValues: 6000, 3500结果
系统输出各渠道的回归系数，显示哪种广告形式对销售额的拉动作用更大，并给出预测销售额。
请使用标准的 CSV 格式，每行代表一组观测值。最后一列必须是目标因变量 (y)，前面的所有列将被视为预测变量 (x)。
R 平方衡量了模型对数据变异性的解释程度，取值范围在 0 到 1 之间，越接近 1 表示模型对观测数据的拟合效果越好。
在“预测值”输入框中按顺序输入自变量的值（用逗号分隔），计算器将在结果中输出对应的预测 y 值。
负系数表示该自变量与因变量之间存在负相关关系，即在其他变量不变的情况下，该自变量增加会导致因变量减少。
本工具专为多元线性回归设计。如果您的数据存在显著的非线性特征，建议先对变量进行数学转换或使用专门的非线性模型。