度量上包含字符串。不过，您可以向一段时间内的销售额视图添加趋势线，因为销售额和时间都可以解释为数字值。对于多维数据源，数据分层结构实际上包含字符串而不是数字。因此，不允许使用趋势线。此外，所有数据源上的“m/d/yy”和“mmmm yyyy”日期格式都不允许使用趋势线。

　　“行”功能区和“列”功能区都包含连续字段（就像散点图那样）时，才能使用该选项。

　　可以看到，一个类别中的趋势线模型此时在所有地区中相同。这样，您就可以根据对于所有地区均相同的趋势线来比较实际销售额。

　　“显示趋势线”，则选项与上次设置的一样。不过，如果您在禁用趋势线的情况下关闭工作簿，则趋势线选项会恢复为默认设置。

　　由于不能对小于零的数字定义对数，因此在估算模型之前，解释性变量为负的任何标记将会被筛选掉。避免使用会丢弃某些数据的模型，除非您知道筛选掉的数据是无效的。趋势线描述报告在模型估算之前有多少标记被筛选掉。

　　对于指数模型，自然对数在估算模型之前对响应变量进行转换，因此，通过插入各种解释性值来查找ln(Y)

　　exp(b0)的值。由于不能对小于零的数字定义对数，因此在估算模型之前，响应变量为负的任何标记将会被筛选掉。a幂次

　　在后一种情况下，公式将不一定与 Excel 匹配。这是因为在这种情况下 R 平方值并不明确，并且 Tableau 的行为与 R（而不是 Excel）的行为匹配。

　　此表提供了有关视图中每条趋势线的信息。通过查看该列表，您可了解哪些趋势线（如果有）最具有统计显著性。此表还列出了每条趋势线的系数统计数据。行描述了每个趋势线模型中的每个系数。例如，具有截距的线性模型要求每条趋势线有两行。在“线”列中，每条线的 p 值和 DF 跨所有系数行。下方的“DF”列显示了估算每条线期间可用的残差自由度。

　　“Profit”（利润）的等式。第二行“R 平方值”显示由模型解释的数据中的方差与数据中的总方差的比率。有关详细信息，请参见趋势线模型术语。

　　“描述趋势模型”。在测试显著性时，您关心的是 p 值。p 值越小，模型或因素的显著性就越高。一个模型可能具有统计显著性，但其包含的单个趋势线或单个趋势线的项对总体显著性不起作用。

　　模型的此 p 值对整个模型的拟合度与仅由总平均值（数据视图中数据的平均值）组成的模型的拟合度进行比较。也就是说，该值对模型公式中定量项 f(x) 的说明能力进行评估；各因素固定时，该项可以是线性、多项式、指数或对数项。一一般使用“95% 置信”规则来评估显著性。因此，如上所述，等于或小于 0.05 的 p 值被视为正常。

　　方差分析表（有时称为 ANOVA 表）中列出了用作模型中的因素的每个字段。对于每个字段，您可看到 p 值与其他值一起显示。在此情况下，p 值指示该字段对整个模型的显著性有多大贡献。p 值越小，带字段和不带字段的模型之间未解释方差的差异是随机机会的结果的可能性就越小。针对每个字段显示的值是通过将整个模型与不包括相关字段的模型进行比较得到的。