什麼是殘差？
殘差（residual）是指實際觀測值與模型或迴歸線所預測值之間的差距，用來衡量某一個資料點的預測偏離程度。當殘差為正值時，代表模型「低估」了（實際數值更高）；當殘差為負值時，則代表模型「高估」了。殘差是各種模型擬合方法的基礎，例如最小平方法（OLS）的核心目標，就是讓殘差平方和達到最小。
如何使用這個計算機
先輸入觀測值（y），也就是實際量測到的資料點；再輸入預測值（ŷ），這個數值來自你的迴歸線或預測模型。計算機會立即算出殘差，同時提供它的絕對值、平方值，以及相對於觀測值的百分比誤差。
公式解析
殘差的定義非常簡單：
e = Observed (y) - Predicted (\hat{y})
其中 y 是觀測值，\hat{y}（讀作「y-hat」）是預測值。平方殘差為 e^2，而百分比誤差則是 (e / y) × 100，用來表示誤差相對於觀測量的比例。
實例演練
假設一個迴歸模型預測某間房子的售價為 \hat{y} = 320,000，但實際成交價為 y = 350,000。那麼殘差就是
350,000 - 320,000 = 30,000
絕對殘差為 30,000，平方殘差為 900,000,000，百分比誤差則是 (30,000 / 350,000) × 100 ≈ 8.57%。由於殘差為正值，代表這個模型低估了房價。
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)
殘差為零代表什麼？
表示預測完全正確——觀測值與預測值完全一致。
為什麼要把殘差平方？
平方可以消除正負號，並且對較大的誤差施以更重的懲罰，這也正是最小平方法迴歸要將殘差平方和最小化的原因。
殘差和誤差是同一回事嗎？
兩者關係密切，但並不完全相同。「誤差」通常指的是與真實（未知）母體數值之間的偏差，而「殘差」則是與擬合模型預測值之間的偏差。