선형 회귀 계산기
이 계산기는 예측 변수와 응답 변수의 값을 기반으로 선형 회귀 방정식을 생성합니다.
아래 상자에 예측 변수와 응답 변수에 대한 값 목록을 입력한 후 “계산” 버튼을 클릭하세요.
예측 값:
응답 값:
선형 회귀 방정식:
ŷ = 0.9694 + ( 7.7673 )*x
핏 품질:
R 제곱: 0.8282
해석:
예측 변수가 0이면 반응 변수의 평균값은 0.9694 입니다.
예측 변수의 각 1단위 증가는 반응 변수의 평균 변화( 7.7673 )와 연관되어 있습니다.
반응 변수 변동의 82.82 %가 예측 변수에 의해 설명될 수 있습니다.
function calc() {
//get input data var x = document.getElementById('x').value.split(',').map(Number); var y = document.getElementById('y').value.split(',').map(Number);
//check that both lists are equal length if (x.length - y.length == 0) { document.getElementById('error_msg').innerHTML = '';
function linearRegression(y,x){ var lr = {}; var n = y.length; var sum_x = 0; var sum_y = 0; var sum_xy = 0; var sum_xx = 0; var sum_yy = 0;
for (var i = 0; i < y.length; i++) { sum_x += x[i]; sum_y += y[i]; sum_xy += (x[i]*y[i]); sum_xx += (x[i]*x[i]); sum_yy += (y[i]*y[i]); } lr['slope'] = (n * sum_xy - sum_x * sum_y) / (n*sum_xx - sum_x * sum_x); lr['intercept'] = (sum_y - lr.slope * sum_x)/n; lr['r2'] = Math.pow((n*sum_xy - sum_x*sum_y)/Math.sqrt((n*sum_xx-sum_x*sum_x)*(n*sum_yy-sum_y*sum_y)),2); return lr; } var lr = linearRegression(y, x); var a = lr.slope; var b = lr.intercept; var r2 = lr.r2; var r2p = r2*100; document.getElementById('a').innerHTML = a.toFixed(4); document.getElementById('b').innerHTML = b.toFixed(4); document.getElementById('r2').innerHTML = r2.toFixed(4); document.getElementById('interceptOut').innerHTML = b.toFixed(4); document.getElementById('slopeOut').innerHTML = a.toFixed(4); document.getElementById('r2Out').innerHTML = r2p.toFixed(2); } //output error message if boths lists are not equal else { document.getElementById('error_msg').innerHTML = 'The two lists must be of equal length.'; } } //end calc function