在線即時計算器 · 純前端本地秒算 · 零數據上傳

🧮 Inverse Regression 計算機

專業免費的 Inverse Regression 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
y = 0.0 + (6.0)/x 模型:y = A + B/x
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是倒數迴歸?

倒數迴歸(又稱反比迴歸)是把一組成對觀測值擬合到模型 y = A + ((B) ÷ (x)) 的方法。當某個量隨著 1/x 而衰減時,這條曲線就是最自然的選擇——例如當 x 很小時反應值很高,而 x 越來越大時逐漸趨近於某個常數基準值 A。由於這個模型對轉換後的自變數 u = ((1) ÷ (x)) 而言是線性的,因此可以用普通最小平方法(OLS)精確求解。這是一項通用的數學與統計工具,公式在世界各地都完全相同。

如何使用

輸入資料時,每行填一個資料點,格式為 x, y(以逗號或空格分隔)。至少需要兩個點,且每個 x 都不可為零,因為模型用到了 1/x。你可以選擇顯示結果的有效位數(此設定只影響顯示格式,不影響內部運算)。計算器會回傳截距 A、分子係數 B、1/x 與 y 之間的相關係數 r、完整代入後的方程式,以及一組取樣後的擬合曲線點,方便你和散佈點一起作圖比較。

公式說明

對每個點計算 u_i = ((1) ÷ (x_i)),再以 y 對 u 做簡單線性迴歸。利用平均值 uBar 與 yBar,計算 S_{uu} = \sum u^2 - n· uBar^2、S_{uy} = \sum (u· y) - n· uBar· yBar 與 S_{yy} = \sum y^2 - n· yBar^2。接著,斜率為 B = ((S_{uy}) ÷ (S_{uu})),截距為 A = yBar - B· uBar,相關係數為 r = ((S_{uy}) ÷ (\sqrt{S_{uu}} · \sqrt{S_{yy}}))。

實例演算

以 x = [1, 2, 3, 4, 5]、y = [6, 3, 2, 1.5, 1.2] 為例:uBar = 0.456667、yBar = 2.74、S_{uu} = 0.420889、S_{uy} = 2.525333、S_{yy} = 15.152。於是

B = ((2.525333) ÷ (0.420889)) = 6.000
A = 2.74 - 6· 0.456667 = 0.000
r = ((2.525333) ÷ (0.648759 · 3.892557)) = 1.000
擬合結果恰好是 y = ((6) ÷ (x)),呈現完美的反比關係。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

為什麼 x 不能為零?
模型用到了 1/x,而 1/x 在 x = 0 時沒有定義,因此這樣的資料列會被略過並另行標示。
這裡的 r 代表什麼?
它衡量 1/x 線性預測 y 的程度:|r| 大於 0.7 為強相關,0.4–0.7 為中度相關,0.2–0.4 為弱相關,低於 0.2 則無相關。
什麼情況下擬合會失敗?
若所有 x 值都相同,則每個 1/x 都一樣,導致 \(S_{uu} = 0\),斜率也就無法求得。