LINEST

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>] )

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。

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。

columnY 和 columnX 的返回值必须都属于同一个表<><>。

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

Slope1 和 Intercept：计算的线性模型的系数；
StandardErrorSlope1 和 StandardErrorIntercept：上述系数的标准误差值；
CoefficientOfDetermination、StandardError、FStatistic、DegreesOfFreedom、RegressionSumOfSquares 和 ResidualSumOfSquares：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

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：

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