LINEST

使用最小平方方法來 calculate 最符合指定數據的直線，然後傳回描述線條的數據表。線條的方程式格式為：y = Slope1*x1 + Slope2*x2 + ... + Intercept。

語法

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

術語	定義
`columnY`	已知 y-values的數據行。必須具有純量類型。
`columnX`	已知 x-values的數據行。必須具有純量類型。至少必須提供一個。
`const`	（選擇性）常數 `TRUE`/`FALSE`value 指定是否強制常數 Intercept 等於 0。 If`TRUE`or 省略，攔截value 會正常計算：If`FALSE`，Interceptvalue 會設定為零。

描述這一行的單一數據列數據表，加上其他統計數據。以下是可用的資料列：

Slope1、Slope2...、SlopeN：對應至每個 x-value的係數：
攔截：攔截 value;
StandardErrorSlope1、StandardErrorSlope2、...、StandardErrorSlopeN：error、values、...、SlopeN的標準 ;
StandardErrorIntercept：常數 error的標準 value;
係數OfDetermination：決定係數（rー）。比較估計 and 實際 y-values，and 範圍在 value 從 0 到 1：value越高，sample中的相互關聯就越高：
StandardError：y 估計的標準 error;
FStatistic：F 統計數據，or F 觀察 value。使用 F 統計數據來判斷相依 and 獨立變數之間觀察到的關聯性是否偶然發生;
DegreesOfFreedom：自由 degrees。使用此 value 來協助您在統計數據表中 find F 關鍵性 values，and 判斷模型的信賴等級;
回歸SumOfSquares：平方的回歸 sum;
ResidualSumOfSquares：平方的殘差 sum。

columnY and columnX必須 all 屬於相同的數據表。

下列 DAX 查詢：

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

傳回具有十個數據行的單一數據列資料表：

Slope1	攔截	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
1.67703250456677	6.34550460373026	0.000448675725548806	0.279131821917317	0.995695557281456

StandardError	FStatistic	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
60.9171030357485	13970688.6139993	60396	51843736761.658	224123120.339218

Slope1and攔截：計算線性模型的係數：
StandardErrorSlope1andStandardErrorIntercept：上述係數的標準 errorvalues：
CoefficientOfDetermination、StandardError、FStatistic、DegreesOfFreedom、RegressionSumOfSquaresandResidualSumOfSquares：模型的回歸統計數據。

針對指定的因特網銷售，此模型會透過下列公式預測銷售金額：

SalesAmount = Slope1 * TotalProductCost + Intercept

下列 DAX 查詢：

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

傳回具有十四個數據行的單一數據列數據表：

對於指定的客戶，此模型會根據下列公式預測總銷售額（出生 date 會自動轉換成數位）：

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