LINEST

적용 대상: 계산 열 계산 테이블 측정 시각적 계산

최소 제곱 메서드를 사용하여 지정된 데이터에 가장 적합한 직선을 계산한 다음, 선을 설명하는 테이블을 반환합니다. 선의 수식은 y = Slope1*x1 + Slope2*x2 + ... + Intercept 형식입니다.

구문

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

용어	정의
columnY	알려진 y 값의 열입니다. 스칼라 형식이 있어야 합니다.
columnX	알려진 x 값의 열입니다. 스칼라 형식이 있어야 합니다. 하나 이상을 제공해야 합니다.
const	(선택 사항) 상수 인터셉트를 0으로 강제 적용할지 여부를 지정하는 상수 TRUE/FALSE 값입니다. TRUE를 지정하거나 생략하면 인터셉트 값이 정상적으로 계산됩니다. FALSE이면 Intercept 값이 0으로 설정됩니다.

줄을 설명하는 단일 행 테이블과 추가 통계입니다. 사용 가능한 열은 다음과 같습니다.

Slope1, Slope2, ..., SlopeN: 각 x-값에 해당하는 계수입니다.
절편: 절편 값;
StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: 계수 Slope1, Slope2, ..., SlopeN;
StandardErrorIntercept: 상수 인터셉트의 표준 오류 값입니다.
CoefficientOfDetermination: 결정 계수(r²)입니다. 예상 값과 실제 y-값 및 값의 범위를 0에서 1까지 비교합니다. 값이 높을수록 샘플의 상관 관계가 높아질 수 있습니다.
StandardError: y 예상치에 대한 표준 오류입니다.
FStatistic: F 통계 또는 F 관찰 값입니다. F 통계를 사용하여 종속 변수와 독립 변수 간의 관찰된 관계가 우연히 발생하는지 여부를 확인합니다.
DegreesOfFreedom: 자유도입니다. 이 값을 사용하여 통계 테이블에서 F-Critical 값을 찾고 모델에 대한 신뢰도 수준을 결정할 수 있습니다.
RegressionSumOfSquares: 제곱의 회귀 합계입니다.
ResidualSumOfSquares: 정사각형의 잔여 합계입니다.

<columnY> 와 <columnX>는 모두 동일한 테이블에 속해야 합니다.

다음 DAX 쿼리:

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

열이 10개인 단일 행 테이블을 반환합니다.

Slope1	가로채기	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

Slope1 및 Intercept: 계산된 선형 모델의 계수입니다.
StandardErrorSlope1 및 StandardErrorIntercept: 위의 계수에 대한 표준 오류 값입니다.
CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares 및 ResidualSumOfSquares: 모델에 대한 회귀 통계입니다.

지정된 인터넷 판매의 경우 이 모델은 다음 수식으로 판매 금액을 예측합니다.

SalesAmount = Slope1 * TotalProductCost + Intercept

다음 DAX 쿼리:

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

열이 14개인 단일 행 테이블을 반환합니다.

지정된 고객의 경우 이 모델은 다음 수식으로 총 판매량을 예측합니다(생년월일은 자동으로 숫자로 변환됨).

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