Partager via

LINEST

  • Article

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. L’équation de la ligne est de la forme : y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntaxe

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

Paramètres

Terme Définition
columnY Colonne des valeurs y connues. Doit avoir un type scalaire.
columnX Colonnes de 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.

Remarques

columnY et les columnXdoivent tous appartenir à la même table.

Exemple 1

Requête DAX suivante :

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

Retourne une table à une seule ligne avec dix colonnes :

Pente1 Intercepter StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
1.67703250456677 6.34550460373026 0.000448675725548806 0.279131821917317 0.995695557281456
StandardError FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
60.9171030357485 13970688.6139993 60396 51843736761.658 224123120.339218
  • 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 une vente Internet donnée, ce modèle prédit le montant de la vente par la formule suivante :

SalesAmount = Slope1 * TotalProductCost + Intercept

Exemple 2

Requête DAX suivante :

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

Retourne une table à une seule ligne avec quatorze colonnes :

  • Pente1
  • Pente2
  • Pente3
  • Intercepter
  • StandardErrorSlope1
  • StandardErrorSlope2
  • StandardErrorSlope3
  • StandardErrorIntercept
  • CoefficientOfDetermination
  • StandardError
  • FStatistic
  • DegreesOfFreedom
  • RegressionSumOfSquares
  • ResidualSumOfSquares

Pour un client donné, ce modèle prédit le total des ventes selon la formule suivante (la date de naissance est automatiquement convertie en nombre) :

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

Contenu connexe

fonctions statistiques LINESTX