LINESTX

Gælder for:Beregnet tabel beregningaf målingsvisualisering for en beregnet kolonne

Bruger metoden Least Squares til at beregne en lige linje, der passer bedst til de angivne data, og returnerer derefter en tabel, der beskriver linjen. Dataene stammer fra udtryk, der evalueres for hver række i en tabel. Ligningen for linjen er i formatet: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Syntaks

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

Parametre

Begreb	Definition
table	Den tabel, der indeholder de rækker, som udtrykkene evalueres for.
expressionY	Det udtryk, der skal evalueres for hver række i tabellen, for at hente de kendte y-værdier. Skalartypen skal være.
expressionX	De udtryk, der skal evalueres for hver række i tabellen, for at hente de kendte x-værdier. Skalartypen skal være. Der skal angives mindst én.
Const	(Valgfrit) En konstant TRUE/FALSE-værdi, der angiver, om konstanten Intercept skal tvinges til at være lig med 0. Hvis TRUE eller udelades, beregnes værdien af Intercept normalt. Hvis false, angives værdien for Opfanger til nul.

Returværdi

En tabel med en enkelt række, der beskriver linjen, plus yderligere statistik. Dette er de tilgængelige kolonner:

• Slope1, Slope2, ..., SlopeN: koefficienterne svarende til hver x-værdi;
• Opfanger: skæringsværdi;
• StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: standardfejlværdierne for koefficienterne Slope1, Slope2, ..., SlopeN;
• StandardErrorIntercept: standardfejlværdien for konstanten Intercept;
• CoefficientOfDetermination: bestemmelseskoefficienten (r²). Sammenligner anslåede og faktiske y-værdier og intervaller i værdi fra 0 til 1: Jo højere værdien er, jo højere er korrelationen i eksemplet.
• StandardError: standardfejlen for y-estimatet;
• FStatistic: F-statistikken eller den F-observerede værdi. Brug F-statistikken til at afgøre, om den observerede relation mellem de afhængige og uafhængige variabler opstår tilfældigt.
• DegreesOfFreedom: frihedsgrader. Brug denne værdi til at hjælpe dig med at finde F-kritiske værdier i en statistisk tabel og bestemme et konfidensniveau for modellen.
• RegressionSumOfSquares: regressionssummen af kvadrater;
• ResidualSumOfSquares: restsummen af kvadrater.

Eksempel 1

Følgende DAX-forespørgsel:

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

Returnerer en tabel med en enkelt række med ti kolonner:

Hældning1	Opfange	StandardErrorSlope1	StandardErrorIntercept	CoefficientOfDetermination
6.42271517588	-410592.76216	0.24959467764561	307826.343996223	0.973535860750193

Standardfejl	FStatistisk	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
630758.1747292	662.165707642	18	263446517001130	7161405749781.07

• Slope1 og Intercept: koefficienterne for den beregnede lineære model;
• StandardErrorSlope1 og StandardErrorIntercept: standardfejlværdierne for ovenstående koefficienter;
• CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares og ResidualSumOfSquares: regressionsstatistik for modellen.

For et bestemt salgsområde forudsiger denne model det samlede salg efter følgende formel:

Total Sales = Slope1 * Population + Intercept

Eksempel 2

Følgende DAX-forespørgsel:

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

Returnerer en tabel med en enkelt række med tolv kolonner:

Hældning1	Hældning2	Opfange	StandardErrorSlope1
69.0435458093763	33.005949841721	-871.118539339539	0.872588875481658

StandardErrorSlope2	StandardErrorIntercept	CoefficientOfDetermination	Standardfejl
6.21158863903435	26.726292527427	0.984892920482022	68.5715034014342

FStatistisk	DegreesOfFreedom	RegressionSumOfSquares	ResidualSumOfSquares
3161.91535144391	97	29734974.9782379	456098.954637092

For en given kunde forudsiger denne model det samlede salg ved hjælp af følgende formel:

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

Relateret indhold

LINREGR
Statistiske funktioner