Læs på engelsk

Del via


LINESTX

gælder for:beregnet kolonneberegnet tabelberegning af målingvisualisering

Bruger metoden Least Squares til at beregne en lige linje, der passer bedst til de angivne data, og returnerer derefter en tabel, der beskriver linjen. Dataene stammer fra udtryk, der evalueres for hver række i en tabel. Ligningen for linjen er i formatet: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntaks

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

Parametre

Udtryk Definition
table Den tabel, der indeholder de rækker, som udtrykkene evalueres for.
expressionY Det udtryk, der skal evalueres for hver række i tabellen, for at hente de kendte y-værdier. Skalartypen skal være.
expressionX De udtryk, der skal evalueres for hver række i tabellen, for at hente de kendte x-værdier. Skalartypen skal være. Der skal angives mindst én.
const (Valgfrit) En konstant TRUE/FALSE værdi, der angiver, om konstanten Intercept skal være lig med 0.
Hvis TRUE eller udelades, beregnes værdien for Intercept normalt. Hvis FALSE, angives værdien for Intercept til nul.

Returværdi

En tabel med en enkelt række, der beskriver linjen, plus yderligere statistik. Dette er de tilgængelige kolonner:

  • SlopeN, Slope2, ..., SlopeN: koefficienterne svarende til hver x-værdi;
  • Opfange: opfanger værdi;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: standardfejlværdierne for koefficienter Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: standardfejlværdien for konstanten Intercept;
  • CoefficientOfDetermination: bestemmelseskoefficienten (r²). Sammenligner anslåede og faktiske y-værdier og intervaller i værdi fra 0 til 1: Jo højere værdien er, jo højere er korrelationen i eksemplet.
  • StandardError: standardfejlen for y-estimatet;
  • FStatistisk: F-statistikken eller den F-observerede værdi. Brug F-statistikken til at afgøre, om den observerede relation mellem de afhængige og uafhængige variabler opstår tilfældigt.
  • DegreesOfFreedom: frihedsgrader. Brug denne værdi til at hjælpe dig med at finde F-kritiske værdier i en statistisk tabel og bestemme et konfidensniveau for modellen.
  • RegressionSumOfSquares: regressionssummen af kvadrater;
  • ResidualSumOfSquares: restsummen af kvadrater.

Eksempel 1

Følgende DAX-forespørgsel:

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

Returnerer en tabel med en enkelt række med ti kolonner:

Hældning1 Opfange StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
Standardfejl FStatistisk DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Slope1 og Intercept: koefficienterne for den beregnede lineære model;
  • StandardErrorSlope1 og StandardErrorIntercept: standardfejlværdierne for ovenstående koefficienter;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares og ResidualSumOfSquares: regressionsstatistik for modellen.

For et bestemt salgsområde forudsiger denne model det samlede salg efter følgende formel:

Total Sales = Slope1 * Population + Intercept

Eksempel 2

Følgende DAX-forespørgsel:

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

Returnerer en tabel med en enkelt række med tolv kolonner:

Hældning1 Hældning2 Opfange StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination Standardfejl
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistisk DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

For en given kunde forudsiger denne model det samlede salg ved hjælp af følgende formel:

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

LINEST-
statistiske funktioner