LINESTX

Şunlar için geçerlidir: Hesaplanmış sütun Hesaplanan tablo Ölçü Görseli hesaplaması

Verilen verilere en uygun düz çizgiyi hesaplamak için En Küçük Kareler yöntemini kullanır, ardından satırı açıklayan bir tablo döndürür. Tablodaki her satır için değerlendirilen ifadelerden elde edilen veriler. Çizgi denklemi şu biçimdedir: y = Eğim1*x1 + Eğim2*x2 + ... + Kesme Noktası.

Sözdizimi

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

Parametreler

Süre	Tanım
table	İfadelerin değerlendirileceği satırları içeren tablo.
expressionY	Bilinen y değerlerini elde etmek için tablonun her satırı için değerlendirilecek ifade. Skaler türe sahip olmalıdır.
expressionX	Bilinen x değerlerini elde etmek için tablonun her satırı için değerlendirilecek ifadeler. Skaler türe sahip olmalıdır. En az bir tane sağlanmalıdır.
const	(İsteğe bağlı) Kesme noktasının 0'a eşit olarak sabitlenip zorlanmayacağını belirten sabit DOĞRU/YANLIŞ değeri. TRUE veya atlanırsa Kesme Noktası değeri normal şekilde hesaplanır; YANLIŞ ise Kesme Noktası değeri sıfır olarak ayarlanır.

Dönüş değeri

Satırı açıklayan tek satırlı bir tablo ve ek istatistikler. Kullanılabilir sütunlar şunlardır:

• Eğim1, Eğim2, ..., Eğim: her x değerine karşılık gelen katsayılar;
• Kesme noktası: kesme noktası değeri;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: Eğim1, Eğim2, ..., EğimN katsayıları için standart hata değerleri;
• StandardErrorIntercept: Kesme Noktası sabiti için standart hata değeri;
• CoefficientOfDetermination: belirleme katsayısı (r²). Tahmini ve gerçek y değerlerini ve 0 ile 1 arasındaki değerleri karşılaştırır: değer ne kadar yüksekse örnekteki bağıntı o kadar yüksektir;
• StandardError: y tahmini için standart hata;
• FStatistic: F istatistiği veya F gözlemlenen değeri. Bağımlı ve bağımsız değişkenler arasındaki gözlemlenen ilişkinin şans eseri oluşup oluşmadığını belirlemek için F istatistiğini kullanın;
• DegreesOfFreedom: serbestlik derecesi. İstatistiksel tablodaki F kritik değerlerini bulmanıza ve model için güvenilirlik düzeyini belirlemenize yardımcı olması için bu değeri kullanın;
• RegressionSumOfSquares: karelerin regresyon toplamı;
• ResidualSumOfSquares: karelerin artık toplamı.

Örnek 1

Aşağıdaki DAX sorgusu:

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

On sütunlu tek satırlı bir tablo döndürür:

Eğim1	Kesme noktası	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
6.42271517588	-410592.76216	0.24959467764561	307826.343996223	0.973535860750193

StandardError	FStatistic	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
630758.1747292	662.165707642	18	263446517001130	7161405749781.07

• Eğim1 ve Kesme Noktası: hesaplanan doğrusal modelin katsayıları;
• StandardErrorSlope1 ve StandardErrorIntercept: yukarıdaki katsayılar için standart hata değerleri;
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares ve ResidualSumOfSquares: model hakkındaki regresyon istatistikleri.

Belirli bir satış bölgesi için bu model, toplam satışları aşağıdaki formülle tahmin eder:

Total Sales = Slope1 * Population + Intercept

Örnek 2

Aşağıdaki DAX sorgusu:

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

On iki sütunu olan tek satırlı bir tablo döndürür:

Eğim1	Eğim2	Kesme noktası	StandardErrorSlope1
69.0435458093763	33.005949841721	-871.118539339539	0.872588875481658

StandardErrorSlope2	StandardErrorIntercept	CoefficientOfDetermination	StandardError
6.21158863903435	26.726292527427	0.984892920482022	68.5715034014342

FStatistic	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
3161.91535144391	97	29734974.9782379	456098.954637092

Bu model, belirli bir müşteri için toplam satışları aşağıdaki formülle tahmin eder:

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

İlgili içerik

DOT
İstatistiksel işlevler