什么是最小二乘回归线？
最小二乘回归线是对一组成对 (x, y) 数据点拟合得最好的一条直线。所谓"最佳拟合"，指的是它让每个实测点到直线的竖直距离的平方和达到最小。最终得到的是一个形如 \(y = mx + b\) 的方程，其中 m 是斜率，b 是 y 轴截距。这是统计学中线性回归的基础，广泛用于刻画变量之间的关系并进行预测。
如何使用本计算器
把 X 值和 Y 值分别以逗号分隔的形式填入，注意两组数据的个数要相同，而且成对数据的顺序要一一对应。点击"计算"后，你就能得到斜率、截距、完整的回归方程、相关系数 (r) 以及决定系数 (R²)。R² 越接近 1，说明这条直线解释了数据中大部分的波动；越接近 0，则说明线性拟合较弱。
公式详解
对于 \(n\) 个数据点，斜率为 $$m = \frac{n\sum xy - \sum x \sum y}{n\sum x^{2} - \left(\sum x\right)^{2}}$$ 求出 \(m\) 后，截距为 $$b = \frac{\sum y - m\sum x}{n}$$ 其中 \(\sum xy\) 是每个 x 与其对应 y 乘积之和，\(\sum x^{2}\) 是各 x 值平方之和，\(\sum x\)、\(\sum y\) 则是各自的简单求和。分母反映了 x 值的离散程度；若所有 x 值都相同，分母为零，此时无法拟合出直线。
计算实例
设 X = 1, 2, 3, 4, 5，Y = 2, 4, 5, 4, 5。则 \(n = 5\)，\(\sum x = 15\)，\(\sum y = 20\)，\(\sum xy = 64\)，\(\sum x^{2} = 55\)。斜率 $$m = \frac{5\cdot 64 - 15\cdot 20}{5\cdot 55 - 15^{2}} = \frac{320 - 300}{275 - 225} = \frac{20}{50} = 0.6$$ 截距 $$b = \frac{20 - 0.6\cdot 15}{5} = \frac{20 - 9}{5} = 2.2$$ 于是最佳拟合直线为 $$y = 0.6x + 2.2$$
常见问题
R² 能告诉我什么？R² 表示 Y 的方差中能由这条直线解释的比例，取值范围为 0 到 1。
X 和 Y 的个数必须相等吗？是的——每个 x 都要对应一个 y。如果两组数据个数不一致，计算器会以较短的那组长度为准。
斜率可以是负数吗？当然可以；负斜率意味着 Y 会随着 X 的增大而趋于减小。
