Κοινή χρήση μέσω

LINEST

  • Άρθρο

Ισχύει για:Υπολογιζόμενη στήληΥπολογιζόμενος πίνακαςΜέτρηση υπολογισμού απεικόνισης

Χρησιμοποιεί τη μέθοδο Least Squares για τον υπολογισμό μιας ευθείας γραμμής που ταιριάζει καλύτερα στα δεδομένα που παρέχονται και, στη συνέχεια, επιστρέφει έναν πίνακα που περιγράφει τη γραμμή. Η εξίσωση για τη γραμμή είναι της μορφής: y = Slope1*x1 + Slope2*x2 + ... + υποκλοπής .

Σύνταξη

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

Παραμέτρους

Όρος Ορισμός
columnY Η στήλη γνωστών τιμών y. Πρέπει να έχει ανυσματική μορφή.
columnX Οι στήλες γνωστών τιμών x. Πρέπει να έχει ανυσματική μορφή. Πρέπει να παρασχεθεί τουλάχιστον ένα.
const (Προαιρετικό) Μια σταθερά τιμή που καθορίζει αν θα επιβάλλεται η σταθερά το Intercept να ισούται με 0.Εάν ή παραλειφθεί, η τιμή αναχαίτισης υπολογίζεται κανονικά. Εάν , η τιμή intercept έχει οριστεί σε μηδέν.

Τιμή επιστροφής

Ένας πίνακας μίας γραμμής που περιγράφει τη γραμμή, καθώς και πρόσθετα στατιστικά στοιχεία. Αυτές είναι οι διαθέσιμες στήλες:

  • Slope1, Slope2, ..., SlopeN: οι συντελεστές που αντιστοιχούν σε κάθε τιμή x
  • υποκλοπής: τιμή υποκλοπής
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: οι τυπικές τιμές σφάλματος για τους συντελεστές Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: η τυπική τιμή σφάλματος για τησταθερού Intercept ;
  • ΣυντελεστήςΠροστασία Δεδομένων: ο συντελεστής προσδιορισμού (r²). Συγκρίνει τις εκτιμώμενες και τις πραγματικές τιμές του y και τις περιοχές τιμής από 0 έως 1: όσο υψηλότερη είναι η τιμή, τόσο υψηλότερη είναι η συσχέτιση στο δείγμα,
  • StandardError: το τυπικό σφάλμα για την εκτίμηση y.
  • FStatistic: το στατιστικό στοιχείο F ή η τιμή που παρατηρήθηκε από την F. Χρησιμοποιήστε το στατιστικό στοιχείο F για να προσδιορίσετε εάν η σχέση που παρατηρήθηκε μεταξύ των εξαρτώμενων και ανεξάρτητων μεταβλητών εμφανίζεται τυχαία.
  • DegreesOfFreedom: οι βαθμοί ελευθερίας. Χρησιμοποιήστε αυτήν την τιμή για να σας βοηθήσει να βρείτε κρίσιμες τιμές F σε έναν στατιστικό πίνακα και να προσδιορίσετε ένα επίπεδο εμπιστοσύνης για το μοντέλο.
  • παλινδρόμησηSumOfSquares: το άθροισμα παλινδρόμησης των τετραγώνων·
  • απομένουνSumOfSquares: το υπολειπόμενο άθροισμα των τετραγώνων.

Παρατηρήσεις

columnY και τα columnXπρέπει να ανήκουν όλα στον ίδιο πίνακα.

Παράδειγμα 1

Το παρακάτω DAX ερώτημα:

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

Επιστρέφει έναν πίνακα μίας γραμμής με δέκα στήλες:

Κλίση1 Διακόπτω StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
1.67703250456677 6.34550460373026 0.000448675725548806 0.279131821917317 0.995695557281456
StandardError FStatistic DegreesOfFreedom ΠαλινδρόμησηSumOfSquares ΥπολειπόμεναΑπολειπόμεναOfSquares
60.9171030357485 13970688.6139993 60396 51843736761.658 224123120.339218
  • και αναχαίτισης: οι συντελεστές του υπολογιζόμενου γραμμικού μοντέλου·
  • StandardErrorSlope1 και StandardErrorIntercept: οι τυπικές τιμές σφάλματος για τους παραπάνω συντελεστές,
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, ΠαλινδρόμησηSumOfSquares και ΥπολειπόμενοSumOfSquares: στατιστικά στοιχεία παλινδρόμησης σχετικά με το μοντέλο.

Για μια δεδομένη πώληση μέσω Internet, αυτό το μοντέλο προβλέπει το ποσό πώλησης σύμφωνα με τον παρακάτω τύπο:

SalesAmount = Slope1 * TotalProductCost + Intercept

Παράδειγμα 2

Το παρακάτω DAX ερώτημα:

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

Επιστρέφει έναν πίνακα μίας γραμμής με δεκατέσσερις στήλες:

  • Κλίση1
  • Κλίση2
  • Slope3
  • Διακόπτω
  • StandardErrorSlope1
  • StandardErrorSlope2
  • StandardErrorSlope3
  • StandardErrorIntercept
  • CoefficientOfDetermination
  • StandardError
  • FStatistic
  • DegreesOfFreedom
  • ΠαλινδρόμησηSumOfSquares
  • ΥπολειπόμεναΑπολειπόμεναOfSquares

Για έναν συγκεκριμένο πελάτη, αυτό το μοντέλο προβλέπει τις συνολικές πωλήσεις με βάση τον παρακάτω τύπο (η ημερομηνία γέννησης μετατρέπεται αυτόματα σε αριθμό):

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

Σχετικό περιεχόμενο

LINESTX στατιστικές συναρτήσεις