Baca dalam bahasa Inggris

Bagikan melalui


LINESTX

Berlaku untuk: kolom terhitungTabel terhitungUkurPerhitungan 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 bentuk: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Sintaksis

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

Parameter

Istilah Definisi
table Tabel yang berisi baris yang ekspresinya akan dievaluasi.
expressionY 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 konstanta yang menentukan apakah akan memaksa konstanta Intercept sama dengan 0.Jika atau dihilangkan, nilai Intercept dihitung secara normal; Jika , nilai Intersepsi diatur ke nol.

Mengembalikan nilai

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

  • Slope1, Slope2, ..., SlopeN: koefisien yang sesuai dengan setiap nilai x;
  • Intercept: nilai intersepsi;
  • StandardErrorSlope1 , StandardErrorSlope2, ... , StandardErrorSlopeN : nilai kesalahan standar untuk koefisien Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept : nilai kesalahan standar untukintersepsi 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: tingkat 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
  • Slope1 dan Intercept: 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

LINEST
Fungsi statistik