Калькулятор линейной регрессии
Этот калькулятор выдает уравнение линейной регрессии на основе значений переменной-предиктора и переменной отклика.
Просто введите список значений для переменной-предиктора и переменной отклика в поля ниже, затем нажмите кнопку «Рассчитать»:
Прогнозные значения:
Значения ответа:
Уравнение линейной регрессии:
ŷ = 0,9694 + ( 7,7673 )*x
Качество посадки:
R-квадрат: 0,8282
Интерпретация:
Когда переменная-предиктор равна 0, среднее значение переменной ответа составляет 0,9694 .
Каждое увеличение переменной-предиктора на одну единицу связано со средним изменением ( 7,7673 ) переменной ответа.
82,82 % вариаций переменной отклика можно объяснить переменной-предиктором.
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