回归计算器

对成对数值数据执行简单线性回归，并查看斜率、截距、相关系数和预测结果

示例结果

2 个示例

拟合销售趋势线

使用广告投入与销售额数据对，估算斜率、截距以及下一期预测值

{
  "result": {
    "slope": 0.6,
    "intercept": 2.2,
    "correlation": 0.7746,
    "rSquared": 0.6,
    "predictedY": {
      "x": 6,
      "y": 5.8
    }
  }
}
查看输入参数
{ "pairedData": "1, 2\n2, 4\n3, 5\n4, 4\n5, 5", "xValues": "", "yValues": "", "predictionX": "6", "precision": 4 }

通过分离的 X/Y 序列做回归

当原始数据已经分别存成两列时，直接输入对应的 X 与 Y 列表进行回归

{
  "result": {
    "slope": 0.69,
    "intercept": 8.5,
    "correlation": 0.987,
    "rSquared": 0.974
  }
}
查看输入参数
{ "pairedData": "", "xValues": "10, 20, 30, 40", "yValues": "15, 18, 28, 35", "predictionX": "", "precision": 3 }

关键信息

分类
数学、日期与金融
输入类型
textarea, text, number
输出类型
json
样本覆盖
3
支持 API
Yes

概览

回归计算器是一个在线统计工具，专门用于对成对数值数据执行简单线性回归分析。它能快速计算斜率、截距、相关系数和决定系数，并支持基于特定X值的Y值预测。

适用场景

  • •当你有成对的观测数据，需要分析变量之间的线性趋势时。
  • •当你需要根据历史数据预测未来某个点的值时。
  • •当你想评估数据拟合线性模型的程度，查看相关系数和R平方时。

工作原理

  • •输入数据：通过文本区域输入成对数据（每行一对，如“1, 2”），或分别输入X和Y值列表。
  • •设置选项：可选地指定预测X值和小数精度（0到10位）。
  • •执行计算：工具使用最小二乘法自动计算回归参数。
  • •查看结果：输出包括斜率、截距、相关系数、R平方以及预测值（如果提供了预测X）。

使用场景

销售数据分析：分析广告支出与销售收入之间的线性关系。
科学研究：探索实验变量（如温度与反应速率）之间的趋势。
教育演示：在教学或学习中演示回归分析的基本概念。

用户案例

1. 拟合销售趋势线

销售分析师
背景原因
销售部门拥有历史广告投入和销售额数据，需要量化两者关系以指导预算分配。
解决问题
手动计算回归参数繁琐，且无法快速预测未来销售额。
如何使用
在数据对字段输入广告投入和销售额的成对数据，例如“1, 2\n2, 4\n3, 5\n4, 4\n5, 5”，然后在预测X字段输入“6”。
效果
工具计算出斜率为0.6，截距为2.2，相关系数为0.7746，R平方为0.6，并预测当广告投入为6时，销售额为5.8。

2. 通过分离的 X/Y 序列做回归

研究人员
背景原因
实验数据已分别记录为自变量X和因变量Y两列，需要进行回归分析以验证假设。
解决问题
数据格式为分离列表，无法直接使用成对输入方式。
如何使用
在X值字段输入“10, 20, 30, 40”，在Y值字段输入“15, 18, 28, 35”。
效果
工具计算出斜率为0.69，截距为8.5，相关系数为0.987，R平方为0.974，显示强线性关系。

用 Samples 测试

math-&-numbers
Cypress E2E 测试框架
全面的Cypress端到端测试示例，包括测试设置、页面对象模型、API测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
sample
GitHub Actions Testing - CI/CD测试集成
全面的 GitHub Actions 测试工作流，包括自动化测试、并行执行、测试报告、缓存和现代开发流水线的高级 CI/CD 模式
keywords line
sample
Playwright E2E 测试框架
全面的Playwright测试示例，包括跨浏览器自动化、API测试、移动端测试、视觉回归测试和现代Web应用的高级E2E模式
keywords regression
sample

相关专题

Math& Numbers Analyze工具专题
探索 7 个围绕 math 的 &-numbers-analyze 工作流工具，快速找到相近能力。
文本分析、可读性与内容检查工具
在一个专题中比较文本统计、语言识别、可读性评分、情感分析、内容审核和模式分析工具。
音频测量与检查工具
在一个专题里比较响度、动态范围、峰值、BPM、调性识别、频谱检查和元数据查看工具，适合音频分析工作。

常见问题

什么是简单线性回归？

简单线性回归是一种统计方法，用于建模一个自变量（X）和一个因变量（Y）之间的线性关系。

如何输入数据？

可以每行输入一对数据（格式如“X, Y”），或分别在X值和Y值字段输入逗号分隔的列表。

预测功能怎么用？

在“预测X”字段输入一个数值，工具将基于回归方程计算对应的Y预测值。

小数精度设置有什么作用？

它控制输出结果的小数位数，范围从0到10，默认为4。

结果中的R平方代表什么？

R平方表示回归模型解释数据变异的比例，值在0到1之间，越接近1说明模型拟合越好。

API 文档

请求端点

POST /zh/api/tools/regression-calculator

请求参数

参数名 类型 必填 描述
pairedData textarea 否 -
xValues text 否 -
yValues text 否 -
predictionX text 否 -
precision number 否 -

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-regression-calculator": {
      "name": "regression-calculator",
      "description": "对成对数值数据执行简单线性回归，并查看斜率、截距、相关系数和预测结果",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=regression-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]