LINEST

适用于:计算列计算表度量值视觉计算

使用最小平方法计算最适合给定数据的直线,然后返回描述该线的表。 线条的公式为:y = Slope1*x1 + Slope2*x2 + ... + Intercept

语法

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

参数

术语 定义
columnY 已知 y 值列。 必须具有标量类型。
columnX 已知 x 值列。 必须具有标量类型。 必须至少提供一个。
const (可选)常量 TRUE/FALSE 值,指定是否强制常量 截距 等于 0。
如果 TRUE 或省略,则正常计算 截距 值;如果 FALSE,则 Intercept 值设置为零。

返回值

描述行的单行表,以及其他统计信息。 以下是可用的列:

  • Slope1Slope2,...,SlopeN:对应于每个 x 值的系数;
  • 截距:截距值;
  • StandardErrorSlope1StandardErrorSlope2...、StandardErrorSlopeNSlope1Slope2、...、SlopeN;
  • StandardErrorIntercept:常量 截距的标准错误值;
  • CoefficientOfDetermination:确定系数(rー)。 比较估计值和实际 y 值,值范围从 0 到 1:值越高,样本中的相关性就越高:
  • StandardError:y 估计的标准错误;
  • FStatistic:F 统计信息或 F 观测值。 使用 F 统计信息确定因变量和独立变量之间的观察关系是否偶然发生;
  • DegreesOfFreedom:自由度。 使用此值可帮助你在统计表中查找 F 关键值,并确定模型的置信度;
  • RegressionSumOfSquares:平方的回归总和;
  • ResidualSumOfSquares:平方的残差之和。

言论

columnYcolumnX必须都属于同一个表。

示例 1

以下 DAX 查询:

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

返回包含十列的单行表:

Slope1 拦截 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
  • Slope1Intercept:计算线性模型的系数;
  • StandardErrorSlope1StandardErrorIntercept:上述系数的标准误差值;
  • CoefficientOfDeterminationStandardErrorFStatisticDegreesOfFreedomRegressionSumOfSquaresResidualSumOfSquares: 回归统计信息。

对于给定的 Internet 销售,此模型按以下公式预测销售金额:

SalesAmount = Slope1 * TotalProductCost + Intercept

示例 2

以下 DAX 查询:

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

返回包含十四列的单行表:

  • Slope1
  • Slope2
  • Slope3
  • 拦截
  • StandardErrorSlope1
  • StandardErrorSlope2
  • StandardErrorSlope3
  • StandardErrorIntercept
  • CoefficientOfDetermination
  • StandardError
  • FStatistic
  • DegreesOfFreedom
  • RegressionSumOfSquares
  • ResidualSumOfSquares

对于给定的客户,此模型按以下公式预测总销售额(出生日期自动转换为数字):

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

LINESTX
统计函数