Linjär regressionsanalys
Hitta det linjära sambandet mellan två variabler genom att beräkna lutning, korrelationskoefficient och R² från parvisa datapunkter. Använd den för att analysera trender inom försäljning, vetenskapliga experiment eller andra dataset där du vill förutsäga en variabel utifrån en annan.
Last updated: May 2026
Om denna räknare
Enkel linjär regression modellerar sambandet mellan en oberoende variabel X och en beroende variabel Y med hjälp av ekvationen Ŷ = a + bX, där b är lutningen och a är intercept. Lutningen beräknas som b = (n·ΣXY − ΣX·ΣY) / (n·ΣX² − (ΣX)²). Pearsons korrelationskoefficient r = (n·ΣXY − ΣX·ΣY) / √[(n·ΣX² − (ΣX)²)(n·ΣY² − (ΣY)²)] mäter styrkan och riktningen på det linjära sambandet, på en skala från −1 till +1. Förklaringsgraden R² = r² anger hur stor andel av variansen i Y som förklaras av X. Till exempel innebär R² = 0,81 att 81 % av variationen i Y förklaras av den linjära modellen. Dessa mått beskriver tillsammans både riktningen och den prediktiva styrkan i sambandet.
Hur du använder den
Anta att du har tre datapunkter: X = 1, 2, 3 och Y = 2, 4, 5. Steg 1: n = 3, ΣX = 6, ΣY = 11, ΣXY = (1×2)+(2×4)+(3×5) = 25, ΣX² = 14, ΣY² = 45. Steg 2: Lutning b = (3×25 − 6×11) / (3×14 − 6²) = (75 − 66) / (42 − 36) = 9 / 6 = 1,5. Steg 3: r = (3×25 − 6×11) / √[(3×14 − 36)(3×45 − 121)] = 9 / √[6 × 14] = 9 / √84 ≈ 0,982. Steg 4: R² ≈ 0,964, vilket innebär att 96,4 % av variansen i Y förklaras av X.
Vanliga frågor
Vad berättar korrelationskoefficienten r om mina data?
Korrelationskoefficienten r mäter både styrkan och riktningen på det linjära sambandet mellan två variabler, på en skala från −1 till +1. Ett värde nära +1 indikerar ett starkt positivt samband (när X ökar, ökar Y), medan ett värde nära −1 indikerar ett starkt negativt samband. Värden nära 0 tyder på litet eller inget linjärt samband. Observera att r endast fångar linjära samband — två variabler kan ha ett starkt kurvilinjärt samband och ändå ge r ≈ 0. Visualisera alltid dina data i ett spridningsdiagram tillsammans med beräkningen av r.
Vad är R² och vilket R²-värde är bra?
R² (förklaringsgraden) är lika med r² och anger andelen av variabiliteten i Y som förklaras av den linjära regressionsmodellen. Ett R² på 0,75 innebär att 75 % av variationen i Y förklaras av X. Vad som räknas som ett 'bra' R² beror starkt på ämnesområde — inom naturvetenskap förväntas ofta R² över 0,99, medan 0,3 kan anses meningsfullt inom samhällsvetenskapen. Ett högt R² garanterar inte att modellen är lämplig; kontrollera alltid residualplott för att verifiera att antagandena om linjäritet är uppfyllda.
Hur används regressionslinjens lutning för att göra förutsägelser?
Lutningen b anger hur mycket Y förväntas förändras för varje enhets ökning av X. När du har lutningen och interceptet från regressionen kan du sätta in ett nytt X-värde i Ŷ = a + bX och få ett förutsagt Y. En lutning på 2,5 i en höjd-vikt-regression innebär till exempel att varje extra centimeters längd i genomsnitt är förknippad med 2,5 kg mer i vikt. Förutsägelserna är mest tillförlitliga när det nya X-värdet ligger inom intervallet för dina ursprungliga data; att extrapolera långt utanför detta intervall ökar risken för felaktiga förutsägelser.