Regression Fitting & Plotting
Enter independent variable x and dependent variable y, and it automatically fits linear, quadratic, and cubic polynomial regressions, compares each model's R² and adjusted R², selects the best model by adjusted R², and plots it. Useful for analysing trends such as how ADC changes with gestational age.
① Saisie data
One data point per row, format: x (e.g. gestational age) y (e.g. ADC value), separated by space, Tab, or comma. You can paste two columns from Excel.
Mode d'emploi et méthodologie
À quoi cet outil est-il utile ?
Il convient pour analyser comment une mesure continue évolue avec une autre variable continue, p. ex. comment l'ADC d'une région cérébrale fœtale change avec l'âge gestationnel. L'outil ajuste simultanément des modèles linéaire, quadratique et cubique pour juger si la tendance est une droite ou une courbe.
Quelle est la différence entre R² et R² ajusté ?
Le R² (coefficient de détermination) reflète l'ajustement du modèle aux données — plus proche de 1, mieux c'est ; mais augmenter le degré du modèle augmente toujours R², d'où un risque de surapprentissage. Le R² ajusté pénalise la complexité et convient mieux pour comparer des modèles de degrés différents : cet outil sélectionne le meilleur modèle par R² ajusté.
Le modèle au R² le plus élevé est-il toujours le meilleur ?
Pas nécessairement. Un R² élevé d'un modèle de haut degré peut seulement surapprendre le bruit et n'être pas plus raisonnable biologiquement. Préférez un modèle qui respecte les lois biologiques, a un bon R² ajusté et une forme simple, plutôt que de chercher aveuglément le R² maximal.
Comment préparer les données ?
Un point de données par ligne, format « valeur x + valeur y » (p. ex. AG + ADC), séparés par espace, Tab ou virgule ; vous pouvez coller deux colonnes Excel. Au moins 3 points sont requis, et au moins 4 recommandés pour un modèle cubique.
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.