LINESTX

Gäller för:Beräknad kolumnBeräknad tabellMåttVisuell beräkning

Använder metoden Minsta kvadrat för att beräkna en rät linje som passar bäst för angivna data och returnerar sedan en tabell som beskriver linjen. Dataresultatet från uttryck som utvärderas för varje rad i en tabell. Ekvationen för linjen är av formatet: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntax

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

Parametrar

Period	Definition
table	Tabellen som innehåller de rader som uttrycken ska utvärderas för.
expressionY	Uttrycket som ska utvärderas för varje rad i tabellen för att hämta kända y-värden. Måste ha skalär typ.
expressionX	De uttryck som ska utvärderas för varje rad i tabellen för att hämta kända x-värden. Måste ha skalär typ. Minst en måste anges.
Const	(Valfritt) Ett konstant TRUE/FALSE-värde som anger om konstanten Intercept ska vara lika med 0. Om TRUE eller utelämnas beräknas skärningspunktens värde normalt. Om värdet ÄR FALSKT anges skärningspunkten till noll.

Returvärde

En tabell med en rad som beskriver raden, plus ytterligare statistik. Det här är de tillgängliga kolumnerna:

• Slope1, Slope2, ..., SlopeN: de koefficienter som motsvarar varje x-värde;
• Skärningspunkt: skärningspunktsvärde;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: standardfelvärdena för koefficienterna Slope1, Slope2, ..., SlopeN;
• StandardErrorIntercept: standardfelvärdet för konstanten Intercept;
• KoefficientOfDetermination: bestämningskoefficienten (r²). Jämför uppskattade och faktiska y-värden och intervall i värde från 0 till 1: ju högre värde, desto högre korrelation i exemplet;
• StandardError: standardfelet för y-uppskattningen;
• FStatistisk: F-statistiken eller det F-observerade värdet. Använd F-statistiken för att avgöra om den observerade relationen mellan de beroende och oberoende variablerna inträffar av en slump.
• DegreesOfFreedom: frihetsgrader. Använd det här värdet för att hitta F-kritiska värden i en statistisk tabell och fastställa en konfidensnivå för modellen.
• RegressionSumOfSquares: regressionssumman för kvadrater;
• ResidualSumOfSquares: restsumman av kvadrater.

Exempel 1

Följande DAX-fråga:

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

Returnerar en tabell med en rad med tio kolumner:

Lutning1	Avlyssna	StandardErrorSlope1	StandardErrorIntercept	KoefficientOfDetermination
6.42271517588	-410592.76216	0.24959467764561	307826.343996223	0.973535860750193

StandardError	FStatistisk	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
630758.1747292	662.165707642	18	263446517001130	7161405749781.07

• Lutning1 och skärningspunkt: koefficienterna för den beräknade linjära modellen;
• StandardErrorSlope1 och StandardErrorIntercept: standardfelvärdena för koefficienterna ovan;
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares och ResidualSumOfSquares: regressionsstatistik om modellen.

För ett visst försäljningsområde förutsäger den här modellen den totala försäljningen med följande formel:

Total Sales = Slope1 * Population + Intercept

Exempel 2

Följande DAX-fråga:

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

Returnerar en tabell med en rad med tolv kolumner:

Lutning1	Lutning 2	Avlyssna	StandardErrorSlope1
69.0435458093763	33.005949841721	-871.118539339539	0.872588875481658

StandardErrorSlope2	StandardErrorIntercept	KoefficientOfDetermination	StandardError
6.21158863903435	26.726292527427	0.984892920482022	68.5715034014342

FStatistisk	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
3161.91535144391	97	29734974.9782379	456098.954637092

För en viss kund förutsäger den här modellen den totala försäljningen med följande formel:

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

Relaterat innehåll

REGR
Statistikfunktioner