Partager via

LINESTX

  • Article

s’applique à :colonne calculéetable calculéeMeasurecalcul visuel

Utilise la méthode Least Squares pour calculate une ligne droite qui correspond le mieux aux 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 l'valuesy connu. Doit avoir un type scalaire.
expressionX Expressions à évaluer pour chaque ligne de la table, pour obtenir le x-valuesconnu. Doit avoir un type scalaire. Au moins un doit être fourni.
const (Facultatif) Constante spécifiant s’il faut forcer la constante Intercepter à 0. omis, le intercepteur de est calculé normalement ; , le Intercept est défini sur zéro.

Retourner value

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

  • Slope1, Slope2, ..., SlopeN: coefficients correspondant à chaque x-value;
  • Intercept: intercepter value;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: errorvalues standard pour les coefficients Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept : standard pour l'd’interception constante ;
  • CoefficientOfDetermination: coefficient de détermination (r²). Compare les estimations and y-valuesréelles , and plages de value comprises entre 0 et 1 : plus la valueest élevée, plus la corrélation est élevée dans le sample;
  • StandardError: error standard pour l’estimation y ;
  • FStatistic : la statistique F, or la valueobservée par F . Utilisez la statistique F pour déterminer si la relation observée entre les variables dépendantes and indépendantes se produit par hasard ;
  • DegreesOfFreedom: le degrees de la liberté. Utilisez cette value pour vous aider à findvalues critique F dans une table statistique, and déterminer un niveau de confiance pour le modèle ;
  • RegressionSumOfSquares: sum de régression des carrés ;
  • ResidualSumOfSquares: la sum 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
  • Slope1andIntercept: coefficients du modèle linéaire calculé ;
  • StandardErrorSlope1andStandardErrorIntercept: errorvalues standard pour les coefficients ci-dessus ;
  • CoefficientOfDetermination, StandardError, FStatistic , DegreesOfFreedom, RegressionSumOfSquaresandResidualSumOfSquares: 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 Related

LINEST
fonctions statistiques