Auf Englisch lesen

Freigeben über


LINESTX

Gilt für:Berechnete Spalteberechnete TabelleMeasurevisuelle Berechnung

Verwendet die Methode "Least Squares", um eine gerade Linie zu calculate, die am besten zu den angegebenen Daten passt, und gibt dann eine Tabelle zurück, die die Linie beschreibt. Das Datenergebnis aus Ausdrücken, die für jede Zeile in einer Tabelle ausgewertet werden. Die Formel für die Linie ist der Form: y = Steigung1*x1 + Steigung2*x2 + ... + Intercept.

Syntax

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

Parameter

Ausdruck Definition
table Die Tabelle mit den Zeilen, für die die Ausdrücke ausgewertet werden.
expressionY Der Ausdruck, der für jede Zeile der Tabelle ausgewertet werden soll, um den bekannten y-valuesabzurufen. Muss einen skalaren Typ aufweisen.
expressionX Die Ausdrücke, die für jede Zeile der Tabelle ausgewertet werden sollen, um das bekannte x-valuesabzurufen. Muss einen skalaren Typ aufweisen. Mindestens eine muss bereitgestellt werden.
const (Optional) Eine Konstante TRUE/FALSEvalue angeben, ob die Konstante Intercept auf 0 erzwungen werden soll.
IfTRUEor weggelassen, wird der Interceptvalue normal berechnet; IfFALSEwird der Interceptvalue auf Null festgelegt.

value zurückgeben

Eine einzeilige Tabelle, die die Zeile und zusätzliche Statistiken beschreibt. Dies sind die verfügbaren Spalten:

  • Steigung1, Steigung2, ..., SteigungN: die Koeffizienten, die jedem x-valueentsprechen;
  • Intercept: intercept value;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: der Standard errorvalues für die Koeffizienten Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: der Standard errorvalue für die Konstante Intercept;
  • CoefficientOfDetermination: der Koeffizienten der Bestimmung (r²). Vergleicht geschätzte and tatsächlichen y-values, and Bereiche in value von 0 bis 1: je höher die value, desto höher ist die Korrelation in der sample;
  • StandardError-: der Standard-error für die y-Schätzung;
  • FStatistic: die F-Statistik, or der beobachteten F-value. Verwenden Sie die F-Statistik, um festzustellen, ob die beobachtete Beziehung zwischen den abhängigen and unabhängigen Variablen zufällig auftritt;
  • DegreesOfFreedom: die degrees der Freiheit. Verwenden Sie diese value, um Ihnen bei der find F-kritischen values in einer statistischen Tabelle zu helfen, and ein Konfidenzniveau für das Modell zu bestimmen;
  • RegressionSumOfSquares: die Regression sum von Quadraten;
  • RestsummeOfSquares: die Rest-sum von Quadraten.

Beispiel 1

Die folgende DAX Abfrage:

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

Gibt eine Einzeilentabelle mit zehn Spalten zurück:

Steigung1 Abfangen StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
StandardError FStatistic DegreesOfFreedom RegressionSumOfSquares RestSummeOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Slope1andIntercept: die Koeffizienten des berechneten linearen Modells;
  • StandardErrorSlope1andStandardErrorIntercept: der Standard errorvalues für die obigen Koeffizienten;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquaresandResidualSumOfSquares: Regressionsstatistik zum Modell.

Für ein bestimmtes Vertriebsgebiet prognostiziert dieses Modell den Gesamtumsatz anhand der folgenden Formel:

Total Sales = Slope1 * Population + Intercept

Beispiel 2

Die folgende DAX Abfrage:

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

Gibt eine Einzeilentabelle mit zwölf Spalten zurück:

Steigung1 Steigung2 Abfangen StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic DegreesOfFreedom RegressionSumOfSquares RestSummeOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

Für einen bestimmten Kunden prognostiziert dieses Modell den Gesamtumsatz anhand der folgenden Formel:

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

LINEST Statistische Funktionen