Linear Regression Calculator
Calculate linear regression equation, slope, intercept, R-squared, and make predictions with interactive scatter plot visualization and step-by-step formula breakdown.
広告ブロッカーにより広告が表示できません
MiniWebtool は広告収益で無料提供しています。このツールが役に立ったら、Premium(広告なし+高速)をご利用いただくか、MiniWebtool.com を許可リストに追加して再読み込みしてください。
- または Premium(広告なし)にアップグレード
- MiniWebtool.com の広告を許可してから再読み込みしてください
Linear Regression Calculator
線形回帰電卓へようこそ。このツールは、最小二乗法で回帰直線を計算し、相関係数、R二乗、対話型散布図、ステップバイステップの公式分析を提供する包括的な統計ツールです。研究、経営予測、学術研究など、様々な分析に活用できます。
線形回帰とは?
線形回帰は、従属変数(Y)と1つの独立変数(X)の関係を線形方程式でモデル化する基本的な統計手法です。観測値と予測値の差(残差)の二乗和を最小化することで、データを通る最適直線を見つけます。
回帰方程式
ここで:
- Y(またはY-hat) = 従属変数の予測値
- X = 独立変数(予測変数)
- b₀ = Y切片(X = 0のときのY値)
- b₁ = 傾き(Xの1単位増加に対するYの変化)
線形回帰の計算方法
傾き(b₁)を計算
Y切片(b₀)を計算
ここで、x-barとy-barはそれぞれXとYの平均値です。
相関とR二乗を理解する
相関係数(r)
相関係数はXとY間の線形関係の強度と方向を測定します。-1から+1の範囲:
| r値 | 解釈 |
|---|---|
| 0.9~1.0 | 非常に強い正の相関 |
| 0.7~0.9 | 強い正の相関 |
| 0.5~0.7 | 中程度の正の相関 |
| 0.3~0.5 | 弱い正の相関 |
| -0.3~0.3 | 相関なし |
| -0.5~-0.3 | 弱い負の相関 |
| -0.7~-0.5 | 中程度の負の相関 |
| -0.9~-0.7 | 強い負の相関 |
| -1.0~-0.9 | 非常に強い負の相関 |
R二乗(決定係数)
R二乗(R²)はYがXで説明される分散の割合を示します。例えば、R² = 0.85はYの分散の85%がXとの線形関係で説明されることを意味します。
この電卓の使用方法
- X値を入力:最初のテキストエリアに独立変数データを入力します。コンマ、スペース、または改行で区切ります。
- Y値を入力:2番目のテキストエリアに従属変数データを入力します。Y値の数はX値の数と同じである必要があります。
- 予測(オプション):X値を入力して回帰方程式を使用した対応するY値を予測します。
- 精度を設定:結果の小数点以下の桁数を選択します。
- 計算:「計算」ボタンをクリックして、回帰方程式、散布図、相関統計、ステップバイステップの計算を表示します。
結果を理解する
主要な結果
- 回帰方程式:最適直線の方程式(Y = b₀ + b₁X)
- 傾き(b₁):Xの1単位変化に対するYの変化率
- 切片(b₀):X = 0のときのY予測値
- 相関(r):線形関係の強度と方向
- R二乗(R²):モデルで説明される分散の割合
追加統計
- 推定の標準誤差:データポイントが回帰直線から平均してどれだけ離れているか
- 傾きの標準誤差:傾き推定値の不確実性
- 二乗和:全体、回帰、残差の二乗和
- 残差:観測されたY値と予測されたY値の差
線形回帰の応用
経営と財務
- 広告支出に基づいた売上予測
- 市場指標から株価を予測
- 生産量に基づいたコスト推定
科学と研究
- 実験での変数間の関係を分析
- 測定器械のキャリブレーション
- 薬学における用量反応関係を研究
経済学
- 供給と需要の関係をモデル化
- 金利が投資に及ぼす影響を分析
- 所得対消費パターンを研究
社会科学
- 教育研究(勉強時間対テストスコア)
- 心理学研究(年齢対反応時間)
- 人口統計(人口対資源消費)
線形回帰の仮定
信頼できる結果のため、線形回帰は以下を仮定しています:
- 線形性:XとYの関係は線形です
- 独立性:観測値は互いに独立しています
- 等分散性:残差がすべてのX値で均一な分散を持つ
- 正規性:残差はおおよそ正規分布しています
- 多重共線性なし:(重回帰の場合)独立変数は高く相関していない
よくある質問
線形回帰とは何ですか?
線形回帰は、従属変数(Y)と1つの独立変数(X)の関係を線形方程式でモデル化する統計手法です。方程式はY = b₀ + b₁Xの形をしており、b₀はy切片、b₁は傾きです。観測値と予測値の差の二乗和を最小化する最適直線を見つけます。
線形回帰における傾きをどのように解釈しますか?
傾き(b₁)は、独立変数Xが1単位増加するごとに従属変数Yがどれだけ変化するかを表します。正の傾きはXが増加するとYも増加することを示し、負の傾きはXが増加するとYが減少することを示します。
R二乗とは何で、何を意味しますか?
R二乗(R²)は決定係数とも呼ばれ、回帰直線がデータにどの程度適合しているかを測定します。0から1の範囲で、0はモデルが変動性を説明しないこと、1はすべての変動性を説明することを意味します。通常、R² > 0.7は良好な適合を示します。
相関係数(r)とR二乗の違いは何ですか?
相関係数(r)はXとYの間の線形関係の強度と方向を測定し、-1から+1の範囲です。R二乗(R²)はr²であり、説明される分散の割合を表します。rは方向を示しますが、R²は説明される分散の量のみを示します。
線形回帰にはいくつのデータポイントが必要ですか?
技術的には最低2つのデータポイントで計算できますが、意味のある統計分析のためには最低10~20個のデータポイントが必要です。データポイントが多いほど、より信頼性の高い推定値が得られます。
線形回帰における残差とは何ですか?
残差は、観測されたY値と回帰直線による予測Y値の差です(残差 = 観測されたY - 予測されたY)。残差の分析はモデルの適合度の評価に役立ちます。理想的には、残差はゼロの周りにランダムに分散しており、明確なパターンがないはずです。
その他のリソース
このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください:
"Linear Regression Calculator"(https://MiniWebtool.com/ja/線形回帰電卓/) MiniWebtool からの引用、https://MiniWebtool.com/
miniwebtoolチームにより提供。更新:2026年1月17日
また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。
その他の関連ツール:
統計とデータ分析:
- anova電卓
- 算術平均電卓
- 平均電卓-高精度 おすすめ
- 平均偏差電卓
- ボックスプロット作成ツール
- カイ二乗検定電卓 おすすめ
- 変動係数電卓 おすすめ
- Cohen
- 複合成長電卓
- 信頼区間電卓
- 割合の信頼区間電卓 新しい
- 相関係数計算機 おすすめ
- 幾何平均電卓
- 調和平均電卓
- ヒストグラムメーカー おすすめ
- 四分位範囲電卓 おすすめ
- Kruskal Wallis 検定電卓
- Linear Regression Calculator
- 対数成長電卓
- マン・ホイットニーのU検定計算機 おすすめ
- 平均絶対偏差(MAD)電卓
- 平均電卓
- 平均中央値モード電卓
- 絶対偏差中央値電卓
- 中央値電卓 おすすめ
- ミッドレンジ電卓
- モード電卓
- 外れ値電卓 おすすめ
- 人口 標準偏差電卓-高精度
- 四分位電卓 おすすめ
- 四分位偏差電卓
- 範囲電卓
- 相対標準偏差電卓 おすすめ
- 二乗平均平方根電卓 おすすめ
- サンプル平均電卓
- サンプルサイズ電卓
- サンプル標準偏差電卓 おすすめ
- 散布図作成ツール おすすめ
- 標準偏差電卓 - 高精度 おすすめ
- 標準誤差電卓 おすすめ
- 統計電卓
- t検定電卓 おすすめ
- 分散電卓 (高精度) おすすめ
- zスコア電卓 新しい