LINESTX

Gäller för: Beräknad kolumn Beräknad tabell Mått Visuell beräkning

Använder metoden Minsta kvadrat för att beräkna en rät linje som passar bäst för angivna data och returnerar sedan en tabell som beskriver linjen. Dataresultatet från uttryck som utvärderas för varje rad i en tabell. Ekvationen för linjen är av formatet: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntax

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

Parametrar

Period Definition
table Tabellen som innehåller de rader som uttrycken ska utvärderas för.
expressionY Uttrycket som ska utvärderas för varje rad i tabellen för att hämta kända y-värden. Måste ha skalär typ.
expressionX De uttryck som ska utvärderas för varje rad i tabellen för att hämta kända x-värden. Måste ha skalär typ. Minst en måste anges.
Const (Valfritt) Ett konstant TRUE/FALSE-värde som anger om konstanten Intercept ska vara lika med 0.
Om TRUE eller utelämnas beräknas skärningspunktens värde normalt. Om värdet ÄR FALSKT anges skärningspunkten till noll.

Returvärde

En tabell med en rad som beskriver raden, plus ytterligare statistik. Det här är de tillgängliga kolumnerna:

  • Slope1, Slope2, ..., SlopeN: de koefficienter som motsvarar varje x-värde;
  • Skärningspunkt: skärningspunktsvärde;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: standardfelvärdena för koefficienterna Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: standardfelvärdet för konstanten Intercept;
  • KoefficientOfDetermination: bestämningskoefficienten (r²). Jämför uppskattade och faktiska y-värden och intervall i värde från 0 till 1: ju högre värde, desto högre korrelation i exemplet;
  • StandardError: standardfelet för y-uppskattningen;
  • FStatistisk: F-statistiken eller det F-observerade värdet. Använd F-statistiken för att avgöra om den observerade relationen mellan de beroende och oberoende variablerna inträffar av en slump.
  • DegreesOfFreedom: frihetsgrader. Använd det här värdet för att hitta F-kritiska värden i en statistisk tabell och fastställa en konfidensnivå för modellen.
  • RegressionSumOfSquares: regressionssumman för kvadrater;
  • ResidualSumOfSquares: restsumman av kvadrater.

Exempel 1

Följande DAX-fråga:

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

Returnerar en tabell med en rad med tio kolumner:

Lutning1 Avlyssna StandardErrorSlope1 StandardErrorIntercept KoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
StandardError FStatistisk DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Lutning1 och skärningspunkt: koefficienterna för den beräknade linjära modellen;
  • StandardErrorSlope1 och StandardErrorIntercept: standardfelvärdena för koefficienterna ovan;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares och ResidualSumOfSquares: regressionsstatistik om modellen.

För ett visst försäljningsområde förutsäger den här modellen den totala försäljningen med följande formel:

Total Sales = Slope1 * Population + Intercept

Exempel 2

Följande DAX-fråga:

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

Returnerar en tabell med en rad med tolv kolumner:

Lutning1 Lutning 2 Avlyssna StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept KoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistisk DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

För en viss kund förutsäger den här modellen den totala försäljningen med följande formel:

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

LINEST
Statistikfunktioner