LINESTX

적용 대상: 계산 열 계산 테이블 측정 시각적 계산

최소 제곱 메서드를 사용하여 지정된 데이터에 가장 적합한 직선을 계산한 다음, 선을 설명하는 테이블을 반환합니다. 테이블의 각 행에 대해 계산된 식의 데이터 결과입니다. 선의 수식은 y = Slope1*x1 + Slope2*x2 + ... + Intercept 형식입니다.

구문

LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )

매개 변수

반환 값

줄을 설명하는 단일 행 테이블과 추가 통계입니다. 사용 가능한 열은 다음과 같습니다.

• Slope1, Slope2, ..., SlopeN: 각 x-값에 해당하는 계수입니다.
• 절편: 절편 값;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: 계수 Slope1, Slope2, ..., SlopeN;
• StandardErrorIntercept: 상수 인터셉트의 표준 오류 값입니다.
• CoefficientOfDetermination: 결정 계수(r²)입니다. 예상 값과 실제 y-값 및 값의 범위를 0에서 1까지 비교합니다. 값이 높을수록 샘플의 상관 관계가 높아질 수 있습니다.
• StandardError: y 예상치에 대한 표준 오류입니다.
• FStatistic: F 통계 또는 F 관찰 값입니다. F 통계를 사용하여 종속 변수와 독립 변수 간의 관찰된 관계가 우연히 발생하는지 여부를 확인합니다.
• DegreesOfFreedom: 자유도입니다. 이 값을 사용하여 통계 테이블에서 F-Critical 값을 찾고 모델에 대한 신뢰도 수준을 결정할 수 있습니다.
• RegressionSumOfSquares: 제곱의 회귀 합계입니다.
• ResidualSumOfSquares: 정사각형의 잔여 합계입니다.

예 1

다음 DAX 쿼리:

DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
    'Sales Territory'[Sales Territory Key],
    'Sales Territory'[Population],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByRegion',
    [Total Sales],
    [Population]
)

열이 10개인 단일 행 테이블을 반환합니다.

• Slope1 및 Intercept: 계산된 선형 모델의 계수입니다.
• StandardErrorSlope1 및 StandardErrorIntercept: 위의 계수에 대한 표준 오류 값입니다.
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares 및 ResidualSumOfSquares: 모델에 대한 회귀 통계입니다.

지정된 판매 지역의 경우 이 모델은 다음 수식을 통해 총 매출을 예측합니다.

Total Sales = Slope1 * Population + Intercept

예제 2

다음 DAX 쿼리:

DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
    'Customer'[Customer ID],
    'Customer'[Age],
    'Customer'[NumOfChildren],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByCustomer',
    [Total Sales],
    [Age],
    [NumOfChildren]
)

열이 12개인 단일 행 테이블을 반환합니다.

지정된 고객의 경우 이 모델은 다음 수식을 통해 총 매출을 예측합니다.

Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept

관련 콘텐츠

LINEST
통계 함수