Calculateur de régression linéaire

Calculez en ligne l’équation de régression linéaire, le coefficient de corrélation et le nuage de points, avec saisie manuelle, import CSV et analyse de données par lots

Signaler un bug

Mode d’exécution du navigateur: Vos données sont traitées dans votre navigateur et ne sont pas envoyées au serveur.

Vitesse et stabilité: La vitesse de traitement dépend de votre appareil et de votre navigateur. Pour les gros lots, la version de bureau peut être plus stable.

Chargement de l’outil, veuillez patienter...

Si l’outil en ligne ne se charge pas ou ne fonctionne pas, essayez l’outil de bureau. https://tools.yikeaigc.com/

Utilisation de l’outil

Retour à l’ancienne version

Préparez d’abord les données X/Y, définissez les paramètres du modèle, puis calculez et exportez les résultats.

Saisie manuelle, collage de tableau, fichiers CSV/TSV/TXT et données d’exemple pris en charge. En envoi par lot, tous les fichiers sont traités ; seuls les 20 premiers sont affichés pour vérification.

Ajustement OLS R² / Corrélation Résidus et valeurs aberrantes Rapport / CSV / Graphiques Paramètres enregistrables

Fichiers par lot Aucun fichier choisi

Après l’envoi de plusieurs fichiers CSV, TSV ou TXT, les 20 premiers noms s’affichent ici. Le calcul par lot générera tous les rapports et les téléchargera en ZIP.

Données d’entrée

Choisissez une source de données. Chaque ligne doit contenir des valeurs X et Y, avec en-tête possible ; virgules, tabulations, espaces et points-virgules sont détectés automatiquement.

Tableau de données Régression linéaire : au moins 2 points ; régression polynomiale : plus que le degré

N°	Valeur X	Valeur Y	Action

Coller les données X/Y Séparateurs pris en charge : virgule, espace, tabulation, point-virgule

Données en lot

Importer un fichier de données Plusieurs fichiers possibles, les 20 premiers s’affichent

Cliquez pour choisir des fichiers ou déposez-les ici Formats .csv, .tsv, .txt. 1re colonne = X, 2e = Y, en-têtes possibles.

Données d’exemple Calcul possible après chargement

Définir le modèle

Commencez par une régression linéaire, puis utilisez le nuage de points, R² et les résidus pour décider si un ajustement polynomial est nécessaire.

Modèle de régressionPlus le degré polynomial est élevé, plus le risque de surajustement augmente

Type de modèle

Degré personnalisé

Décimales

Niveau de confiance

Seuil des valeurs aberrantes

Prédire X

Affichage et diagnosticCochez les éléments à inclure dans les résultats et rapports

Nuage de points et courbe ajustée Bande de confiance Analyse des résidus Détection des valeurs aberrantes Statistiques descriptives Comparaison modèles ordre 1-3

Calculer et exporter

Après le calcul, consultez équation, indicateurs, graphiques, résidus et prédictions. Si plusieurs fichiers sont importés, des résultats par lot seront aussi générés.

Exporter les résultatsTerminez le calcul avant de télécharger le rapport ou les graphiques

Configurez d’abord les données et le modèle, puis cliquez sur « Lancer l’analyse de régression ».

Nuage de points et courbe ajustée

En attente des résultatsConfigurez d’abord les données et le modèle, puis générez les graphiques de régression.

Équation de régression-

Coefficient de corrélation r-

Coefficient de détermination R²-

Erreur standard SE-

Statistiques clés

Coefficients et intervalles

Résultats prédits

Statistiques descriptives

Analyse des résidus

Comparaison des modèles

Aperçu des résultats par lot

Instructions

Mode d’emploi du logiciel

Données d’entrée : vous pouvez saisir manuellement les données, les coller ou importer un fichier CSV, TSV ou TXT. Chaque ligne doit contenir une paire de valeurs X et Y ; le fichier peut inclure un en-tête.
Choisir un modèle : la régression linéaire, les polynômes du second degré, les polynômes du troisième degré et les degrés personnalisés sont pris en charge. Il est recommandé d’utiliser d’abord la régression linéaire, puis de déterminer, à l’aide du nuage de points et des résidus, si un ajustement par courbe est nécessaire.
Définir les paramètres : vous pouvez définir le nombre de décimales, le niveau de confiance et le seuil des valeurs aberrantes, et choisir d’afficher ou non le nuage de points, la bande de confiance, l’analyse des résidus, la détection des valeurs aberrantes, les statistiques descriptives et la comparaison des modèles.
Saisir les valeurs de prédiction : si vous devez prédire des valeurs Y, saisissez une ou plusieurs valeurs X dans « Valeurs X de prédiction », séparées par des virgules.
Lancer le calcul : cliquez sur « Lancer le calcul de l’analyse de régression » ; le système générera l’équation de régression, le coefficient de corrélation, R², R² ajusté, l’erreur standard, la statistique F, la valeur p, les résidus et les graphiques.
Exporter les résultats : une fois le calcul terminé, vous pouvez copier l’équation, télécharger un rapport TXT et les données CSV, ou exporter les graphiques au format PNG ou SVG ; les fichiers par lots généreront un package de résultats ZIP.

Questions fréquentes

R : Une régression linéaire nécessite au moins 2 points de données valides ; une régression polynomiale nécessite un nombre de points de données supérieur au degré du modèle. Plus les données sont nombreuses, plus les résultats sont généralement stables.

R : Le coefficient de corrélation r décrit la direction et l’intensité de la corrélation linéaire entre X et Y ; R² indique la proportion de la variation des valeurs Y expliquée par le modèle. En régression linéaire, R² est généralement lié au carré de r.

R : Lorsque le nuage de points présente une tendance clairement courbe, ou lorsque le graphique des résidus montre une courbure régulière, vous pouvez essayer une régression polynomiale du second ou du troisième degré. Le degré ne doit pas être trop élevé afin d’éviter un surajustement des données existantes.

R : Les résidus correspondent à la différence entre les valeurs Y réelles et les valeurs Y prédites. L’observation des résidus permet de déterminer si le modèle est adapté et de repérer les points de données présentant de forts écarts.

Réponse : il est recommandé que les fichiers CSV, TSV ou TXT contiennent deux colonnes, la première pour les valeurs X et la seconde pour les valeurs Y. Les en-têtes sont pris en charge, ainsi que les séparateurs virgule, tabulation, espace et point-virgule.

Réponse : l’intervalle de confiance de la moyenne sert à estimer la plage de réponse moyenne du modèle, tandis que l’intervalle de prédiction ponctuelle sert à estimer la plage d’une nouvelle observation individuelle ; ce dernier est généralement plus large.