通过

LINESTX

  • 项目

适用于：计算列计算表Measure视觉计算

使用最小平方方法 calculate 最适合给定数据的直线，然后返回一个描述线条的表。 针对表中每一行计算的表达式的数据结果。 线条的公式为：y = Slope1*x1 + Slope2*x2 + ... + Intercept。

语法

LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )

参数

术语 定义
table 包含要计算表达式的行的表。
expressionY 要计算表的每一行的表达式，以获取已知的 y-values。 必须具有标量类型。
expressionX 要计算表的每一行的表达式，以获取已知的 x-values。 必须具有标量类型。 必须至少提供一个。
const （可选）常量 TRUE/FALSEvalue 指定是否强制常量 截距 等于 0。
IfTRUEor 省略，将正常计算 截距value;IfFALSE，Interceptvalue 设置为零。

返回 value

描述行的单行表，以及其他统计信息。 以下是可用的列：

  • Slope1，Slope2，...，SlopeN：对应于每个 x-value的系数;
  • 截距：截距 value;
  • StandardErrorSlope1，StandardErrorSlope2，...，StandardErrorSlopeN：error系数的标准 values，Slope2，...，SlopeN;
  • StandardErrorIntercept：常量 error的标准 value;
  • CoefficientOfDetermination：确定系数（rー）。 比较估计 and 实际 y-values，andvaluevalue 范围从 0 到 1：sample越高，相关性越高;
  • StandardError：y 估计的标准 error;
  • FStatistic：F 统计信息，or F 观测 value。 使用 F 统计信息来确定因数 and 独立变量之间的观察关系是否偶然发生;
  • DegreesOfFreedom：自由 degrees。 使用此 value 可帮助你在统计表中 find F 关键 values，and 确定模型的置信度;
  • RegressionSumOfSquares：平方的回归 sum;
  • ResidualSumOfSquares：平方的残差 sum。

示例 1

以下 DAX 查询：

DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
    'Sales Territory'[Sales Territory Key],
    'Sales Territory'[Population],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByRegion',
    [Total Sales],
    [Population]
)

返回包含十列的单行表：

Slope1 拦截 StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
StandardError FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Slope1and截距：计算线性模型的系数;
  • StandardErrorSlope1andStandardErrorIntercept：上述系数的标准 errorvalues;
  • CoefficientOfDetermination、StandardError、FStatistic、DegreesOfFreedom、RegressionSumOfSquaresandResidualSumOfSquares：回归模型统计信息。

对于给定的销售区域，此模型按以下公式预测总销售额：

Total Sales = Slope1 * Population + Intercept

示例 2

以下 DAX 查询：

DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
    'Customer'[Customer ID],
    'Customer'[Age],
    'Customer'[NumOfChildren],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByCustomer',
    [Total Sales],
    [Age],
    [NumOfChildren]
)

返回包含十二列的单行表：

Slope1 Slope2 拦截 StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

对于给定客户，此模型按以下公式预测总销售额：

Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept

Related 内容

LINEST 统计函数