LINEST
最小二乗法を使用して、指定されたデータに最適な直線を計算し、その線を記述するテーブルを返します。 線の数式は、y = Slope1*x1 + Slope2*x2 + ... + 切片の形式です。
構文
LINEST ( <columnY>, <columnX>[, …][, <const>] )
パラメーター
用語 | 定義 |
---|---|
columnY |
既知の y 値の列。 スカラー型が必要です。 |
columnX |
既知の x 値の列。 スカラー型が必要です。 少なくとも 1 つを指定する必要があります。 |
const |
(省略可能)インターセプト |
戻り値
行を記述する 1 行のテーブルと、追加の統計。 使用できる列は次のとおりです。
- Slope1, Slope2, ..., SlopeN: 各 x 値に対応する係数;
- インターセプト: インターセプト値;
StandardErrorSlope1 ,StandardErrorSlope2 , ...,StandardErrorSlopeN : Slope1,Slope2 , ...,SlopeN の係数標準誤差値; - StandardErrorIntercept: 定数 Interceptの標準エラー値。
- CoefficientOfDetermination: 決定係数 (r²)。 推定値と実際の y 値、および 0 から 1 の範囲を比較します。値が大きいほど、サンプルの相関関係が高くなります。
- StandardError: y 推定値の標準誤差。
- FStatistic: F 統計量または F 観測値。 F統計量を使用して、従属変数と独立変数の間で観察された関係が偶然に発生するかどうかを判断します。
- degreesOfFreedom: 自由度を
します。 この値を使用すると、統計テーブル内の F-critical 値を検索し、モデルの信頼度レベルを決定できます。 - RegressionSumOfSquares: 回帰の平方和。
- 残差: 残差平方和。
備考
columnY
と columnX
はすべて同じテーブルに属している必要があります。
例 1
次の DAX クエリ:
EVALUATE LINEST(
'FactInternetSales'[SalesAmount],
'FactInternetSales'[TotalProductCost]
)
10 列の単一行テーブルを返します。
Slope1 | 遮る | 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 |
- 傾き1 と 切片: 計算された線形モデルの係数;
- StandardErrorSlope1 と StandardErrorIntercept: 上記の係数の標準誤差値。
- CoefficientOfDetermination、StandardError、FStatistic、DegreesOfFreedom、RegressionSumOfSquares および ResidualSumOfSquares: モデルに関する回帰統計。
特定のインターネット販売の場合、このモデルは次の式で販売金額を予測します。
SalesAmount = Slope1 * TotalProductCost + Intercept
例 2
次の DAX クエリ:
EVALUATE LINEST(
'DimCustomer'[TotalSalesAmount],
'DimCustomer'[YearlyIncome],
'DimCustomer'[TotalChildren],
'DimCustomer'[BirthDate]
)
14 列の単一行テーブルを返します。
- Slope1
- Slope2
- Slope3
- 遮る
- StandardErrorSlope1
- StandardErrorSlope2
- StandardErrorSlope3
- StandardErrorIntercept
- CoefficientOfDetermination
- StandardError
- FStatistic
- DegreesOfFreedom
- RegressionSumOfSquares
- ResidualSumOfSquares
特定の顧客の場合、このモデルは次の式で売上合計を予測します (生年月日は自動的に数値に変換されます)。
TotalSalesAmount = Slope1 * YearlyIncome + Slope2 * TotalChildren + Slope3 * BirthDate + Intercept