LINESTX
Berlaku untuk: kolom terhitungTabel terhitung
Ukur
Perhitungan visual
Menggunakan metode Kuadrat Terkecil untuk menghitung garis lurus yang paling sesuai dengan data yang diberikan, lalu mengembalikan tabel yang menjelaskan baris. Hasil data dari ekspresi yang dievaluasi untuk setiap baris dalam tabel. Persamaan untuk baris adalah bentuk: y = Slope1*x1 + Slope2*x2 + ... + Intercept.
Sintaksis
LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )
Parameter
Istilah | Definisi |
---|---|
table |
Tabel yang berisi baris yang ekspresinya akan dievaluasi. |
expressionY |
Ekspresi yang akan dievaluasi untuk setiap baris tabel, untuk mendapatkan nilai y yang diketahui. Harus memiliki jenis skalar. |
expressionX |
Ekspresi yang akan dievaluasi untuk setiap baris tabel, untuk mendapatkan nilai x yang diketahui. Harus memiliki jenis skalar. Setidaknya satu harus disediakan. |
const |
(Opsional) Nilai |
Mengembalikan nilai
Tabel baris tunggal yang menjelaskan baris, ditambah statistik tambahan. Ini adalah kolom yang tersedia:
- Slope1, Slope2, ..., SlopeN: koefisien yang sesuai dengan setiap nilai x;
- Intercept: nilai intersepsi;
- StandardErrorSlope1 , StandardErrorSlope2, ... , StandardErrorSlopeN : nilai kesalahan standar untuk koefisien Slope1, Slope2, ..., SlopeN;
StandardErrorIntercept : nilai kesalahan standar untukintersepsi konstanta ; - CoefficientOfDetermination: koefisien penentuan (r²). Membandingkan estimasi dan nilai y aktual, dan rentang nilai dari 0 hingga 1: semakin tinggi nilainya, semakin tinggi korelasi dalam sampel;
- standardError: kesalahan standar untuk perkiraan y;
- FStatistic : statistik F, atau nilai yang diamati F. Gunakan statistik F untuk menentukan apakah hubungan yang diamati antara variabel dependen dan independen terjadi secara kebetulan;
- DegreesOfFreedom: tingkat kebebasan. Gunakan nilai ini untuk membantu Anda menemukan nilai F-kritis dalam tabel statistik, dan menentukan tingkat keyakinan untuk model;
- RegresiSumOfSquares: jumlah regresi kuadrat;
- ResidualSumOfSquares: jumlah sisa kuadrat.
Contoh 1
Kueri DAX berikut ini:
DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
'Sales Territory'[Sales Territory Key],
'Sales Territory'[Population],
"Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
'TotalSalesByRegion',
[Total Sales],
[Population]
)
Mengembalikan tabel baris tunggal dengan sepuluh kolom:
Kelopak1 | Adang | StandardErrorSlope1 | StandardErrorIntercept | CoefficientOfDetermination |
---|---|---|---|---|
6.42271517588 | -410592.76216 | 0.24959467764561 | 307826.343996223 | 0.973535860750193 |
StandardError | FStatistik | DegreesOfFreedom | RegresiSumOfSquares | ResidualSumOfSquares |
---|---|---|---|---|
630758.1747292 | 662.165707642 | 18 | 263446517001130 | 7161405749781.07 |
- Slope1 dan Intercept: koefisien model linier terhitung;
- StandardErrorSlope1 dan standardErrorIntercept: nilai kesalahan standar untuk koefisien di atas;
- CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares dan ResidualSumOfSquares: statistik regresi tentang model.
Untuk wilayah penjualan tertentu, model ini memprediksi total penjualan dengan rumus berikut:
Total Sales = Slope1 * Population + Intercept
Contoh 2
Kueri DAX berikut ini:
DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
'Customer'[Customer ID],
'Customer'[Age],
'Customer'[NumOfChildren],
"Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
'TotalSalesByCustomer',
[Total Sales],
[Age],
[NumOfChildren]
)
Mengembalikan tabel baris tunggal dengan dua belas kolom:
Kelopak1 | Kelopak 2 | Adang | StandardErrorSlope1 |
---|---|---|---|
69.0435458093763 | 33.005949841721 | -871.118539339539 | 0.872588875481658 |
StandardErrorSlope2 | StandardErrorIntercept | CoefficientOfDetermination | StandardError |
---|---|---|---|
6.21158863903435 | 26.726292527427 | 0.984892920482022 | 68.5715034014342 |
FStatistik | DegreesOfFreedom | RegresiSumOfSquares | ResidualSumOfSquares |
---|---|---|---|
3161.91535144391 | 97 | 29734974.9782379 | 456098.954637092 |
Untuk pelanggan tertentu, model ini memprediksi total penjualan dengan rumus berikut:
Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept
Konten terkait
fungsi statistik