LINESTX

Berlaku untuk: Kolom terhitung Tabel terhitung Ukur perhitungan Visual

Menggunakan metode Kuadrat Terkecil untuk menghitung garis lurus yang paling sesuai dengan data yang diberikan, lalu mengembalikan tabel yang menjelaskan baris. Hasil data dari ekspresi yang dievaluasi untuk setiap baris dalam tabel. Persamaan untuk baris adalah dari bentuk: y = Kelompok1*x1 + Kelombar2*x2 + ... + Intersepsi.

Sintaks

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

Parameter

Term	Definisi
tabel	Tabel yang berisi baris yang ekspresinya akan dievaluasi.
ekspresiY	Ekspresi yang akan dievaluasi untuk setiap baris tabel, untuk mendapatkan nilai y yang diketahui. Harus memiliki jenis skalar.
expressionX	Ekspresi yang akan dievaluasi untuk setiap baris tabel, untuk mendapatkan nilai x yang diketahui. Harus memiliki jenis skalar. Setidaknya satu harus disediakan.
const	(Opsional) Nilai TRUE/FALSE konstanta yang menentukan apakah akan memaksa Intersepsi konstanta sama dengan 0. Jika TRUE atau dihilangkan, nilai Intersepsi dihitung secara normal; Jika FALSE, nilai Intersepsi diatur ke nol.

Nilai hasil

Tabel baris tunggal yang menjelaskan baris, ditambah statistik tambahan. Ini adalah kolom yang tersedia:

• Slope1, Slope2, ..., SlopeN: koefisien yang sesuai dengan setiap nilai x;
• Intersepsi: nilai penyadapan;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: nilai kesalahan standar untuk koefisien Slope1, Slope2, ..., SlopeN;
• StandardErrorIntercept: nilai kesalahan standar untuk Intersepsi konstanta;
• CoefficientOfDetermination: koefisien penentuan (r²). Membandingkan estimasi dan nilai y aktual, dan rentang nilai dari 0 hingga 1: semakin tinggi nilainya, semakin tinggi korelasi dalam sampel;
• StandardError: kesalahan standar untuk perkiraan y;
• FStatistic: statistik F, atau nilai yang diamati F. Gunakan statistik F untuk menentukan apakah hubungan yang diamati antara variabel dependen dan independen terjadi secara kebetulan;
• DegreesOfFreedom: derajat kebebasan. Gunakan nilai ini untuk membantu Anda menemukan nilai F-kritis dalam tabel statistik, dan menentukan tingkat keyakinan untuk model;
• RegresiSumOfSquares: jumlah regresi kuadrat;
• ResidualSumOfSquares: jumlah sisa kuadrat.

Contoh 1

Kueri DAX berikut:

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

Mengembalikan tabel baris tunggal dengan sepuluh kolom:

Kelopak1	Adang	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
6.42271517588	-410592.76216	0.24959467764561	307826.343996223	0.973535860750193

StandardError	FStatistik	DegreesOfFreedom	RegresiSumOfSquares	ResidualSumOfSquares
630758.1747292	662.165707642	18	263446517001130	7161405749781.07

• Kelereng1 dan Intersepsi: koefisien model linier terhitung;
• StandardErrorSlope1 dan StandardErrorIntercept: nilai kesalahan standar untuk koefisien di atas;
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares dan ResidualSumOfSquares: statistik regresi tentang model.

Untuk wilayah penjualan tertentu, model ini memprediksi total penjualan dengan rumus berikut:

Total Sales = Slope1 * Population + Intercept

Contoh 2

Kueri DAX berikut:

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

Mengembalikan tabel baris tunggal dengan dua belas kolom:

Kelopak1	Kelopak 2	Adang	StandardErrorSlope1
69.0435458093763	33.005949841721	-871.118539339539	0.872588875481658

StandardErrorSlope2	StandardErrorIntercept	CoefficientOfDetermination	StandardError
6.21158863903435	26.726292527427	0.984892920482022	68.5715034014342

FStatistik	DegreesOfFreedom	RegresiSumOfSquares	ResidualSumOfSquares
3161.91535144391	97	29734974.9782379	456098.954637092

Untuk pelanggan tertentu, model ini memprediksi total penjualan dengan rumus berikut:

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

Konten terkait

LINEST
Fungsi statistik