LINEST

适用于:计算列计算表度量值视觉对象计算

使用最小二乘法计算最适合给定数据的直线,然后返回描述这条直线的表。 这条线的公式采用以下形式:y = Slope1*x1 + Slope2*x2 + ... + Intercept。

语法

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

parameters

术语 定义
columnY 已知 y 值的列。 必须具有标量类型。
columnX 已知 x 值的列。 必须具有标量类型。 必须提供至少一个标量类型。
const (可选)常数 TRUE/FALSE 值,该值指定是否强制常数 Intercept 等于 0。如果为 TRUE 或省略,则按正常方式计算 Intercept 值;如果为 FALSE,则 Intercept 值设置为零

返回值

描述直线的单行表以及其他统计信息。 下面是可用的列:

  • Slope1, Slope2, ..., SlopeN:对应于每个 x 值的系数;
  • Intercept:截距值;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN:系数 Slope1, Slope2, ..., SlopeN 的标准误差值;
  • StandardErrorIntercept:常数 Intercept 的标准误差值;
  • CoefficientOfDetermination:决定系数 (r²)。 比较估计值和实际 y 值,值范围为 0 到 1:值越大,样本中的相关性就越强;
  • StandardError:估计的 y 值的标准误差;
  • FStatistic:F 统计量或 F 观测值。 使用 F 统计量来确定因变量和自变量之间的关系是否偶然发生;
  • DegreesOfFreedom:自由度。 使用此值可帮助你在统计表中查找 F 临界值,并确定模型的置信度;
  • RegressionSumOfSquares:回归平方和;
  • ResidualSumOfSquares:残差平方和。

备注

columnY 和 columnX 的返回值必须都属于同一个表<><>。

示例 1

以下 DAX 查询:

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

返回包含十列的单行表:

Slope1 截距 StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
1.67703250456677 6.34550460373026 0.000448675725548806 0.279131821917317 0.995695557281456
标准误差 FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
60.9171030357485 13970688.6139993 60396 51843736761.658 224123120.339218
  • Slope1Intercept:计算的线性模型的系数;
  • StandardErrorSlope1 和 StandardErrorIntercept:上述系数的标准误差值;
  • CoefficientOfDeterminationStandardErrorFStatisticDegreesOfFreedomRegressionSumOfSquaresResidualSumOfSquares:有关模型的回归统计信息。

对于给定的 Internet 销售,此模型按以下公式预测销售额:

SalesAmount = Slope1 * TotalProductCost + Intercept

示例 2

以下 DAX 查询:

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

返回包含 14 列的单行表:

  • Slope1
  • Slope2
  • Slope3
  • 截距
  • StandardErrorSlope1
  • StandardErrorSlope2
  • StandardErrorSlope3
  • StandardErrorIntercept
  • CoefficientOfDetermination
  • 标准误差
  • FStatistic
  • DegreesOfFreedom
  • RegressionSumOfSquares
  • ResidualSumOfSquares

对于给定的客户,此模型通过以下公式预测总销售额(出生日期自动转换为数字):

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

LINESTX
统计函数