活动
LINEST
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。
LINEST ( <columnY>, <columnX>[, …][, <const>] )
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。 |
描述行的单行表,以及其他统计信息。 以下是可用的列:
- Slope1,Slope2,...,SlopeN:对应于每个 x 值的系数;
- 截距:截距值;
- StandardErrorSlope1、StandardErrorSlope2...、StandardErrorSlopeN:Slope1、Slope2、...、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。
columnY
和 columnX
必须都属于同一个表。
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 |
- Slope1 和 Intercept:计算线性模型的系数;
- StandardErrorSlope1 和 StandardErrorIntercept:上述系数的标准误差值;
- CoefficientOfDetermination、StandardError、FStatistic、DegreesOfFreedom、RegressionSumOfSquares 和 ResidualSumOfSquares: 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
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