前面介绍了如何利用PowerBI进行相关性分析，如果你还没有看过这篇文章，请先点击下面的链接查看：

有专门的DAX函数，Power BI如何进行相关性分析？

在这篇文章是用的常规DAX函数来计算的相关系数，里面说到没有专门的DAX函数，其实不太准确，还是有个函数可以直接计算相关系数的。

这个函数就是LINESTX，关于它的基本用法，昨天介绍回归分析时已经介绍过：Power BI如何搞定回归分析？原来还有这个强大的DAX函数

LINESTX返回的表，是按最小二乘法进行回归分析的各种信息，除了斜率和截距，还包括其他指标，具体来说，这个表包含有以下统计信息：

SlopeN :斜率，每个自变量一个

Intercept:截距

StandardErrorSlopeN:斜率标准误差，每个自变量一个

StandardErrorIntercept:截距标准误差

CoefficientOfDetermination:决定系数

StandardError:标准误差

FStatistic:F统计量

DegreesOfFreedom:自由度

RegressionSumOfSquares:回归平方和

ResidualSumOfSquares:残差平方和

如果有统计学背景，对这些指标应该都不陌生，如果没有相关背景，也不用刻意去记，需要用到的时候去搜索一下相关知识了解即可。

其中CoefficientOfDetermination，也就是决定系数，就是我们之前计算的相关系数（Correlation Coefficient）的平方，只需要从LINESTX返回的表中提取这个指标，开平方根，就可以得到相关系数。

仍以前面文章中的数据为例，LINESTX返回的表如下：

这里面就是最小二乘法回归分析的各种统计指标，其中CoefficientOfDetermination的值为0.7651，它就是相关系数的平方，我们可以直接写度量值提取决定系数并进行开方，来得到相关系数：

相关系数 =

SQRT(

SELECTCOLUMNS(

LINESTX('表','表'[利润额],'表'[营销费用]),

"决定系数",[CoefficientOfDetermination]

)

)

这个度量值的逻辑与前面我们介绍回归分析时，计算斜率和截距的思路一样，只是多了个开方运算，这里不再重复介绍。它的计算结果与之前用常规DAX函数的结果完全一致：

以后再需要计算相关系数时，建议用这种方式，相比之前的写法要简单很多，看起来也更加优雅。

PowerBI星球的最新版内容合辑，值得你收藏学习：

.