LINEST

Gilt für:Berechnete Spalteberechnete TabelleMeasurevisuelle Berechnung

Verwendet die Methode "Least Squares", um eine gerade Linie zu calculate, die am besten zu den angegebenen Daten passt, und gibt dann eine Tabelle zurück, die die Linie beschreibt. Die Formel für die Linie ist der Form: y = Steigung1*x1 + Steigung2*x2 + ... + Intercept.

Syntax

LINEST ( <columnY>, <columnX>[, …][, <const>] )

Parameter

Ausdruck	Definition
columnY	Die Spalte der bekannten y-values. Muss einen skalaren Typ aufweisen.
columnX	Die Spalten bekannter x-values. Muss einen skalaren Typ aufweisen. Mindestens eine muss bereitgestellt werden.
const	(Optional) Eine Konstante TRUE/FALSEvalue angeben, ob die Konstante Intercept auf 0 erzwungen werden soll. IfTRUEor weggelassen, wird der Interceptvalue normal berechnet; IfFALSEwird der Interceptvalue auf Null festgelegt.

value zurückgeben

Eine einzeilige Tabelle, die die Zeile und zusätzliche Statistiken beschreibt. Dies sind die verfügbaren Spalten:

• Steigung1, Steigung2, ..., SteigungN: die Koeffizienten, die jedem x-valueentsprechen;
• Intercept: intercept value;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: der Standard errorvalues für die Koeffizienten Slope1, Slope2, ..., SlopeN;
• StandardErrorIntercept: der Standard errorvalue für die Konstante Intercept;
• CoefficientOfDetermination: der Koeffizienten der Bestimmung (r²). Vergleicht geschätzte and tatsächlichen y-values, and Bereiche in value von 0 bis 1: je höher die value, desto höher ist die Korrelation in der sample;
• StandardError-: der Standard-error für die y-Schätzung;
• FStatistic: die F-Statistik, or der beobachteten F-value. Verwenden Sie die F-Statistik, um festzustellen, ob die beobachtete Beziehung zwischen den abhängigen and unabhängigen Variablen zufällig auftritt;
• DegreesOfFreedom: die degrees der Freiheit. Verwenden Sie diese value, um Ihnen bei der find F-kritischen values in einer statistischen Tabelle zu helfen, and ein Konfidenzniveau für das Modell zu bestimmen;
• RegressionSumOfSquares: die Regression sum von Quadraten;
• RestsummeOfSquares: die Rest-sum von Quadraten.

Bemerkungen

columnY and müssen die columnXall derselben Tabelle angehören.

Beispiel 1

Die folgende DAX Abfrage:

EVALUATE LINEST(
	'FactInternetSales'[SalesAmount],
	'FactInternetSales'[TotalProductCost]
)

Gibt eine Einzeilentabelle mit zehn Spalten zurück:

Steigung1	Abfangen	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
1.67703250456677	6.34550460373026	0.000448675725548806	0.279131821917317	0.995695557281456

StandardError	FStatistic	DegreesOfFreedom	RegressionSumOfSquares	RestSummeOfSquares
60.9171030357485	13970688.6139993	60396	51843736761.658	224123120.339218

• Slope1andIntercept: die Koeffizienten des berechneten linearen Modells;
• StandardErrorSlope1andStandardErrorIntercept: der Standard errorvalues für die obigen Koeffizienten;
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquaresandResidualSumOfSquares: Regressionsstatistik zum Modell.

Bei einem bestimmten Internetverkauf prognostiziert dieses Modell den Verkaufsbetrag anhand der folgenden Formel:

SalesAmount = Slope1 * TotalProductCost + Intercept

Beispiel 2

Die folgende DAX Abfrage:

EVALUATE LINEST(
	'DimCustomer'[TotalSalesAmount],
	'DimCustomer'[YearlyIncome],
	'DimCustomer'[TotalChildren],
	'DimCustomer'[BirthDate]
)

Gibt eine Einzeilentabelle mit vierzehn Spalten zurück:

• Steigung1
• Steigung2
• Steigung 3
• Abfangen
• StandardErrorSlope1
• StandardErrorSlope2
• StandardErrorSlope3
• StandardErrorIntercept
• CoefficientOfDetermination
• StandardError
• FStatistic
• DegreesOfFreedom
• RegressionSumOfSquares
• RestSummeOfSquares

Für einen bestimmten Kunden prognostiziert dieses Modell den Gesamtumsatz anhand der folgenden Formel (die Geburt date wird automatisch in eine Zahl konvertiert):

TotalSalesAmount = Slope1 * YearlyIncome + Slope2 * TotalChildren + Slope3 * BirthDate + Intercept

Related Inhalte

LINESTX Statistische Funktionen