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
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: I hele 2024 udfaser vi GitHub-problemer som feedbackmekanisme for indhold og erstatter det med et nyt feedbacksystem. Du kan få flere oplysninger under:Indsend og få vist feedback om