线性回归：斜率（slope）、截距（intercept）、相关系数（r_value）、p 值（p_value）和标准误差（std_err）

在统计学和数据分析中，线性回归是一种常用的分析方法，用于研究两个变量之间的关系。线性回归模型通常表示为：

# 计算趋势线的 y 值

y=slope×x+intercept

其中：

• y 是因变量（被预测的值）。

• x 是自变量（用于预测的值）。

# 使用 scipy.stats.linregress 计算线性回归

        slope, intercept, r_value, p_value, std_err = linregress(x, y)

• 斜率（slope）：表示自变量 x 每变化一个单位时，因变量 y 的变化量。

• 截距（intercept）：表示当自变量 x 为 0 时，因变量 y 的值。

除了斜率和截距，线性回归分析还会提供一些统计指标，用于评估模型的拟合效果和显著性：

1. 斜率（Slope）

斜率表示自变量 x 每变化一个单位时，因变量 y 的变化量。具体来说：

• 正斜率：表示 x 增加时，y 也增加。

• 负斜率：表示 x 增加时，y 减少。

• 斜率的大小：表示 x 对 y 的影响程度。

2. 截距（Intercept）

截距表示当自变量 x 为 0 时，因变量 y 的值。在实际应用中，截距可能没有实际意义，特别是当 x=0 不在数据范围内时。

3. 相关系数（R-value）

相关系数（通常用 r 表示）衡量两个变量之间的线