[PowerBI]用DAX完成简单线性回归

12月追加：欢迎加入知乎【微软BI技术圈】,一起讨论、分享包括PowerBI在内的一切BI话题！

简单线性回归的方法：
只需要一个度量值就可以完成简单线性回归：

要让下面代码适用于你的模型，只需要把对应的字段/度量值
替换为你自己模型的字段/度量值:
Simple linear regression =
VAR Known =FILTER (SELECTCOLUMNS (ALLSELECTED ( Table[Column] ), #这里替换成包含你需要的类别值的字段引用"Known[X]", [Measure X], #这里替换成你的线性模型自变量"Known[Y]", [Measure Y], #这里替换成你的线性模型因变量),AND (NOT ( ISBLANK ( Known[X] ) ),NOT ( ISBLANK ( Known[Y] ) )))
VAR Count_Items =COUNTROWS ( Known )
VAR Sum_X =SUMX ( Known, Known[X] )
VAR Sum_X2 =SUMX ( Known, Known[X] ^ 2 )
VAR Sum_Y =SUMX ( Known, Known[Y] )
VAR Sum_XY =SUMX ( Known, Known[X] * Known[Y] )
VAR Average_X =AVERAGEX ( Known, Known[X] )
VAR Average_Y =AVERAGEX ( Known, Known[Y] )
VAR Slope =DIVIDE (Count_Items * Sum_XY - Sum_X * Sum_Y,Count_Items * Sum_X2 - Sum_X ^ 2)
VAR Intercept =Average_Y - Slope * Average_X
RETURNIntercept + Slope * [Measure X]

另一种线性回归方法：
（注：实际上这一种方法和前法相同，只不过此方法是针对于时间序列的）

Simple linear regression =
VAR Known =FILTER (SELECTCOLUMNS (ALLSELECTED ( 'Date'[Date] ), "Known[X]", 'Date'[Date],"Known[Y]", [Measure Y]),AND (NOT ( ISBLANK ( Known[X] ) ),NOT ( ISBLANK ( Known[Y] ) )))
VAR Count_Items =COUNTROWS ( Known )
VAR Sum_X =SUMX ( Known, Known[X] )
VAR Sum_X2 =SUMX ( Known, Known[X] ^ 2 )
VAR Sum_Y =SUMX ( Known, Known[Y] )
VAR Sum_XY =SUMX ( Known, Known[X] * Known[Y] )
VAR Average_X =AVERAGEX ( Known, Known[X] )
VAR Average_Y =AVERAGEX ( Known, Known[Y] )
VAR Slope =DIVIDE (Count_Items * Sum_XY - Sum_X * Sum_Y,Count_Items * Sum_X2 - Sum_X ^ 2)
VAR Intercept =Average_Y - Slope * Average_X
RETURNSUMX (DISTINCT ( 'Date'[Date] ),Intercept + Slope * 'Date'[Date])

需要注意的是，要在总计级别上显示正确的金额，还需要修改RETURN表达式。在体现销售数据的情况下，使用SUMX是合适的；但如果您处理的是类似温度的数据，使用Averagex()也许更加合适。
然后你可以完成下面的图表：

红线看起来很像趋势线，不是吗？事实上，如果在图表中添加趋势线，它将与红线完全相同：

至于为何要计算趋势线，有以下两种考量:

1.使用内置趋势线，只能从Y轴推断其值，而计算出的趋势线允许您显式地查看值。
2.Power BI只允许为数字或日期时间轴添加趋势线(截至2017年9月)。一旦使用字符串（例如月份名称），就失去了添加趋势线的能力。通过简单的线性回归，你可以自己计算它们，只要你有连续的数值作为已知的x值

(注：本文原本做为原创文，但Daniil早在2017年即发表了该主题的博客，并且代码更加简洁易用，因此弃用了自己的代码。此外他还写了很多其他有趣的博客，有很多PowerBI实用的技巧，可以点击这里查看他的博文。）