LINESTX
gäller för:beräknad kolumn
beräknad tabell
Mått
Visuell beräkning
Använder metoden Minsta kvadrat för att beräkna en rät linje som passar bäst för angivna data och returnerar sedan en tabell som beskriver linjen. Dataresultatet från uttryck som utvärderas för varje rad i en tabell. Formeln för linjen är av formatet: y = Slope1*x1 + Slope2*x2 + ... + Intercept.
Syntax
LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )
Parametrar
Term | Definition |
---|---|
table |
Tabellen som innehåller de rader som uttrycken ska utvärderas för. |
expressionY |
Uttrycket som ska utvärderas för varje rad i tabellen för att hämta kända y-värden. Måste ha skalär typ. |
expressionX |
De uttryck som ska utvärderas för varje rad i tabellen för att hämta kända x-värden. Måste ha skalär typ. Minst en måste anges. |
const |
(Valfritt) Ett konstant TRUE /FALSE värde som anger om konstanten Intercept ska vara lika med 0.Om TRUE eller utelämnas beräknas värdet Intercept normalt. Om FALSE anges värdet Intercept till noll. |
Returvärde
En tabell med en rad som beskriver raden, plus ytterligare statistik. Det här är de tillgängliga kolumnerna:
- Slope1, Slope2, ..., SlopeN: de koefficienter som motsvarar varje x-värde;
- Intercept: intercept value;
- StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: standardfelvärdena för koefficienterna Slope1, Slope2, ..., SlopeN;
- StandardErrorIntercept: standardfelvärdet för konstanten Intercept;
- KoefficientOfDetermination: bestämningskoefficienten (r²). Jämför uppskattade och faktiska y-värden och intervall i värde från 0 till 1: ju högre värde, desto högre korrelation i exemplet;
- StandardError: standardfelet för y-uppskattningen;
- FStatistic: F-statistiken eller det F-observerade värdet. Använd F-statistiken för att avgöra om den observerade relationen mellan de beroende och oberoende variablerna inträffar av en slump.
- DegreesOfFreedom: frihetsgrader. Använd det här värdet för att hitta F-kritiska värden i en statistisk tabell och fastställa en konfidensnivå för modellen.
- RegressionSumOfSquares: regressionssumman för kvadrater;
- ResidualSumOfSquares: restsumman av kvadrater.
Exempel 1
Följande DAX fråga:
DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
'Sales Territory'[Sales Territory Key],
'Sales Territory'[Population],
"Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
'TotalSalesByRegion',
[Total Sales],
[Population]
)
Returnerar en tabell med en rad med tio kolumner:
Lutning1 | Avlyssna | StandardErrorSlope1 | StandardErrorIntercept | KoefficientOfDetermination |
---|---|---|---|---|
6.42271517588 | -410592.76216 | 0.24959467764561 | 307826.343996223 | 0.973535860750193 |
StandardError | FStatistisk | DegreesOfFreedom | RegressionSumOfSquares | ResidualSumOfSquares |
---|---|---|---|---|
630758.1747292 | 662.165707642 | 18 | 263446517001130 | 7161405749781.07 |
- Slope1 och Intercept: koefficienterna för den beräknade linjära modellen;
- StandardErrorSlope1 och StandardErrorIntercept: standardfelvärdena för koefficienterna ovan;
- CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares och ResidualSumOfSquares: regressionsstatistik om modellen.
För ett visst försäljningsområde förutsäger den här modellen den totala försäljningen med följande formel:
Total Sales = Slope1 * Population + Intercept
Exempel 2
Följande DAX fråga:
DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
'Customer'[Customer ID],
'Customer'[Age],
'Customer'[NumOfChildren],
"Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
'TotalSalesByCustomer',
[Total Sales],
[Age],
[NumOfChildren]
)
Returnerar en tabell med en rad med tolv kolumner:
Lutning1 | Lutning 2 | Avlyssna | StandardErrorSlope1 |
---|---|---|---|
69.0435458093763 | 33.005949841721 | -871.118539339539 | 0.872588875481658 |
StandardErrorSlope2 | StandardErrorIntercept | KoefficientOfDetermination | StandardError |
---|---|---|---|
6.21158863903435 | 26.726292527427 | 0.984892920482022 | 68.5715034014342 |
FStatistisk | DegreesOfFreedom | RegressionSumOfSquares | ResidualSumOfSquares |
---|---|---|---|
3161.91535144391 | 97 | 29734974.9782379 | 456098.954637092 |
För en viss kund förutsäger den här modellen den totala försäljningen med följande formel:
Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept