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>] )
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 |
- 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
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