LINESTX

s’applique à :colonne calculéetable calculéemesurecalcul visuel

Utilise la méthode Least Squares pour calculer une ligne droite qui correspond le mieux aux données données données, puis retourne une table décrivant la ligne. Résultat des données des expressions évaluées pour chaque ligne d’une table. L’équation de la ligne est de la forme : y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntaxe

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

Paramètres

Terme	Définition
table	Table contenant les lignes pour lesquelles les expressions seront évaluées.
expressionY	Expression à évaluer pour chaque ligne de la table, pour obtenir les valeurs y connues. Doit avoir un type scalaire.
expressionX	Expressions à évaluer pour chaque ligne de la table, afin d’obtenir les valeurs x connues. Doit avoir un type scalaire. Au moins un doit être fourni.
const	(Facultatif) Valeur TRUE/FALSE constante spécifiant si la constante Intercept doit être égale à 0. Si TRUE ou omis, la valeur Intercept est calculée normalement ; Si FALSE, la valeur Intercept est définie sur zéro.

Valeur de retour

Table à une seule ligne décrivant la ligne, ainsi que des statistiques supplémentaires. Voici les colonnes disponibles :

• Slope1, Slope2, ..., SlopeN: coefficients correspondant à chaque valeur x ;
• Intercept: valeur d’interception ;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: valeurs d’erreur standard pour les coefficients Slope1, Slope2, ..., SlopeN;
• standardErrorIntercept: valeur d’erreur standard pour la constante Intercept;
• CoefficientOfDetermination: coefficient de détermination (r²). Compare les valeurs y estimées et réelles et les plages comprises entre 0 et 1 : plus la valeur est élevée, plus la corrélation est élevée dans l’exemple ;
• StandardError: erreur standard pour l’estimation y ;
• FStatistic : la statistique F ou la valeur observée par F. Utilisez la statistique F pour déterminer si la relation observée entre les variables dépendantes et indépendantes se produit par hasard ;
• DegreesOfFreedom: degrés de liberté. Utilisez cette valeur pour vous aider à trouver des valeurs critiques F dans une table statistique et à déterminer un niveau de confiance pour le modèle ;
• RegressionSumOfSquares: somme de régression des carrés ;
• ResidualSumOfSquares: somme résiduelle des carrés.

Exemple 1

Requête DAX suivante :

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

Retourne une table à une seule ligne avec dix colonnes :

Pente1	Intercepter	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
6.42271517588	-410592.76216	0.24959467764561	307826.343996223	0.973535860750193

StandardError	FStatistic	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
630758.1747292	662.165707642	18	263446517001130	7161405749781.07

• Slope1 et Intercept: coefficients du modèle linéaire calculé ;
• StandardErrorSlope1 et standardErrorIntercept: valeurs d’erreur standard pour les coefficients ci-dessus ;
• CoefficientOfDetermination, StandardError, FStatistic , DegreesOfFreedom, RegressionSumOfSquares et ResidualSumOfSquares: statistiques de régression sur le modèle.

Pour un territoire de vente donné, ce modèle prédit le total des ventes par la formule suivante :

Total Sales = Slope1 * Population + Intercept

Exemple 2

Requête DAX suivante :

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

Retourne une table à une seule ligne avec douze colonnes :

Pente1	Pente2	Intercepter	StandardErrorSlope1
69.0435458093763	33.005949841721	-871.118539339539	0.872588875481658

StandardErrorSlope2	StandardErrorIntercept	CoefficientOfDetermination	StandardError
6.21158863903435	26.726292527427	0.984892920482022	68.5715034014342

FStatistic	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
3161.91535144391	97	29734974.9782379	456098.954637092

Pour un client donné, ce modèle prédit le total des ventes selon la formule suivante :

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

Contenu connexe

fonctions statistiques LINEST