Ich bin neu bei D3 und versuche, einen gleitenden Durchschnitt von früheren und nächsten Werten auf meine Daten zu machen, um es zu glätten. Zur Zeit habe ich es mit den 2 vorherigen Werten den aktuellen Wert zu arbeiten. Es funktioniert aber 1 wie würde ich auch Verwenden Sie die nächsten Werte, und 2 was wäre, wenn ich die 15 vorherigen und 15 nächsten Werte verwenden wollte, wäre es verrückt, 30 einzelne Vars für die Speicherung aller von ihnen zu haben. Im verwendet, um traditionelle Javascript aber verloren, wie man die Daten zu durchqueren Auf diese Weise in D3 Hoffe jemand kann mich aufklären, danke. Or nur die Daten-Parsing-Code hier. Calculating gleitenden Durchschnitt in Excel. In diesem kurzen Tutorial werden Sie lernen, wie man schnell berechnen einen einfachen gleitenden Durchschnitt in Excel, welche Funktionen zu verwenden Behalten Sie den Durchschnitt für die letzten N Tage, Wochen, Monate oder Jahre, und wie man eine gleitende durchschnittliche Trendlinie zu einem Excel-Diagramm hinzufügen. In ein paar jüngsten Artikeln haben wir einen genauen Blick auf die Berechnung des Durchschnitts in Excel genommen Wenn Sie gewesen sind Nach unserem Blog, wissen Sie bereits, wie man einen normalen Durchschnitt zu berechnen und welche Funktionen zu verwenden, um gewogenen Durchschnitt zu finden In der heutigen Tutorial werden wir diskutieren zwei grundlegende Techniken zu berechnen gleitenden Durchschnitt in Excel. Was ist gleitend Durchschnitt. Generisch gesprochen, gleitenden Durchschnitt Auch als rollende durchschnittliche laufende durchschnittliche oder bewegte Mittel bezeichnet werden kann als eine Reihe von Mittelwerten für verschiedene Teilmengen des gleichen Datensatzes definiert werden. Es wird häufig in der Statistik verwendet, saisonbereinigte Wirtschafts-und Wettervorhersage zu verstehen, zugrunde liegenden Trends Im Aktienhandel, Gleitender Durchschnitt ist ein Indikator, der den Durchschnittswert einer Sicherheit über einen bestimmten Zeitraum zeigt. Im Geschäft ist es üblich, einen gleitenden Durchschnitt des Umsatzes für die letzten 3 Monate zu berechnen, um den letzten Trend zu bestimmen. Zum Beispiel der gleitende Durchschnitt Von dreimonatigen Temperaturen kann berechnet werden, indem man den Durchschnitt der Temperaturen von Januar bis März, dann den Durchschnitt der Temperaturen von Februar bis April, dann von März bis Mai und so weiter. Es gibt verschiedene Arten von gleitenden Durchschnitt wie einfach auch Bekannt als arithmetisch, exponentiell, variabel, dreieckig und gewichtet In diesem Tutorial werden wir in die am häufigsten verwendeten einfachen gleitenden Durchschnitt suchen. Calculating einfachen gleitenden Durchschnitt in Excel. Overall gibt es zwei Möglichkeiten, um einen einfachen gleitenden Durchschnitt in Excel zu bekommen - unter Verwendung von Formeln und Trendline-Optionen Die folgenden Beispiele zeigen beide Techniken. Beispiel 1 Berechnen Sie den gleitenden Durchschnitt für einen bestimmten Zeitraum. Ein einfacher gleitender Durchschnitt kann in kürzester Zeit mit der AVERAGE-Funktion berechnet werden. Angenommen, Sie haben eine Liste der durchschnittlichen monatlichen Temperaturen in der Spalte B, und du möchtest einen gleitenden Durchschnitt für 3 Monate finden, wie im Bild oben gezeigt. Schreibe eine übliche AVERAGE Formel für die ersten 3 Werte und gib es in die Zeile ein, die dem 3. Wert aus der Topzelle C4 in diesem Beispiel entspricht , Und kopiere dann die Formel auf andere Zellen in der Spalte. Sie können die Spalte mit einer absoluten Referenz wie B2 fixieren, wenn Sie wollen, aber sicher sein, relative Zeilenreferenzen ohne das Zeichen zu verwenden, damit die Formel für andere Zellen richtig passt Wenn man annimmt, dass ein Durchschnitt durch Addition von Werten berechnet wird und dann die Summe durch die Anzahl der zu gemittelten Werte dividiert wird, kannst du das Ergebnis mit der SUM formula. Example 2 verifizieren. Beide Durchschnitt für die letzten N Tage Wochen Monate Jahre In einer Spalte. Support haben Sie eine Liste von Daten, zB Verkaufszahlen oder Aktienkurse, und Sie wollen den Durchschnitt der letzten 3 Monate zu jedem Zeitpunkt wissen. Dazu benötigen Sie eine Formel, die den Durchschnitt so schnell neu berechnen wird Wie Sie einen Wert für den nächsten Monat eingeben Welche Excel-Funktion ist in der Lage, dies zu tun Die gute alte AVERAGE in Kombination mit OFFSET und COUNT. AVERAGE OFFSET erste Zelle COUNT ganze Bereich - N, 0, N, 1.Wenn N die Anzahl der letzten Tage Wochen Monate Jahre in den Durchschnitt. Nicht sicher, wie diese gleitende durchschnittliche Formel in Ihrem Excel-Arbeitsblätter verwenden Das folgende Beispiel Wird die Dinge klarer. Assuming, dass die Werte zum Durchschnitt sind in Spalte B beginnend in Zeile 2, die Formel wäre wie folgt. And jetzt, lassen Sie s versuchen zu verstehen, was diese Excel gleitenden durchschnittlichen Formel tatsächlich ist. Die COUNT-Funktion COUNT B2 B100 zählt, wie viele Werte bereits in Spalte B eingegeben sind. Wir beginnen in B2 zu zählen, da Zeile 1 die Spaltenüberschrift ist. Die Funktion OFFSET nimmt die Zelle B2 als 1. Argument als Ausgangspunkt an und verschiebt die Anzahl der von der COUNT-Funktion zurückgegebenen Wert Indem man 3 Zeilen auf -3 im 2. Argument bewegt. Als Ergebnis gibt es die Summe von Werten in einem Bereich aus 3 Zeilen 3 im 4. Argument und 1 Spalte 1 im letzten Argument, das sind die letzten 3 Monate Dass wir wollen. Schließlich wird die zurückgegebene Summe an die AVERAGE-Funktion übergeben, um den gleitenden Durchschnitt zu berechnen. Tipp Wenn Sie mit ständig aktualisierbaren Arbeitsblättern arbeiten, in denen neue Zeilen wahrscheinlich zukünftig hinzugefügt werden, müssen Sie eine ausreichende Anzahl von Zeilen auf die COUNT-Funktion, um potenzielle neue Einträge zu berücksichtigen Es ist kein Problem, wenn Sie mehr Zeilen als tatsächlich benötigt, solange Sie die erste Zelle rechts haben, wird die COUNT-Funktion alle leeren Zeilen sowieso verwerfen. Wie Sie wahrscheinlich bemerkt haben, die Tabelle In diesem Beispiel enthält Daten für nur 12 Monate, und doch wird der Bereich B2 B100 an COUNT geliefert, nur um auf der Rettungsseite zu sein. Beispiel 3 Holen Sie sich gleitenden Durchschnitt für die letzten N Werte in einer Reihe. Wenn Sie eine Bewegung berechnen möchten Durchschnitt für die letzten N Tage, Monate, Jahre, etc. in der gleichen Zeile, können Sie die Offset-Formel auf diese Weise. Supposing B2 ist die erste Zahl in der Zeile, und Sie wollen die letzten 3 Zahlen in den Durchschnitt, Die Formel nimmt die folgende shape. Creating ein Excel gleitenden durchschnittlichen chart. If haben Sie bereits ein Diagramm für Ihre Daten erstellt, Hinzufügen einer gleitenden durchschnittlichen Trendlinie für dieses Diagramm ist eine Frage von Sekunden Hierfür werden wir Excel Trendline-Funktion verwenden und Die detaillierten Schritte folgen unten. Für dieses Beispiel habe ich ein 2-D-Spalten-Diagramm erstellt Einfügen Tab Charts Gruppe für unsere Verkaufsdaten. And jetzt wollen wir den gleitenden Durchschnitt für 3 Monate zu visualisieren. In Excel 2013, wählen Sie das Diagramm, Gehen Sie auf die Registerkarte Design-Diagramm Chart Layouts und klicken Sie auf Chart-Element hinzufügen Trendline Weitere Trendline-Optionen. In Excel 2010 und Excel 2007, gehen Sie zu Layout Trendline Weitere Trendline-Optionen. Tip Wenn Sie nicht brauchen, um die Details wie die gleitenden durchschnittlichen Intervall angeben Oder Namen, können Sie auf Design klicken Diagramm Element Trendline Moving Average für das unmittelbare Ergebnis. Das Format Trendline-Fenster wird auf der rechten Seite des Arbeitsblatts in Excel 2013 zu öffnen, und das entsprechende Dialogfeld wird in Excel 2010 und 2007 Pop-up . Im Format Trendline-Bereich klicken Sie auf das Symbol Trendline Options, wählen Sie die Option Moving Average und geben Sie das gleitende durchschnittliche Intervall im Feld Period an. Schließen Sie das Trendline-Fenster an und Sie finden die gleitende, durchschnittliche Trendlinie, die zu Ihrem Diagramm hinzugefügt wurde Chats, können Sie auf die Registerkarte Fill Line oder Effects im Format Trendline-Bereich wechseln und mit verschiedenen Optionen wie Line-Typ, Farbe, Breite, etc. spielen. Für eine leistungsstarke Datenanalyse können Sie vielleicht einige gleitende durchschnittliche Trendlinien mit anderen hinzufügen Zeitintervalle, um zu sehen, wie sich der Trend entwickelt Der folgende Screenshot zeigt die 2-Monats-Grün - und 3-Monats-Ziegelrot-Umdrehungs-Durchschnitt-Trendlinien. Well, das ist alles über die Berechnung des gleitenden Durchschnitts in Excel Das Muster-Arbeitsblatt mit den gleitenden durchschnittlichen Formeln und Trendline ist verfügbar Zum Download - Moving Average Spreadsheet Ich danke Ihnen für das Lesen und freue mich darauf, Sie nächste Woche zu sehen. Sie können auch interessiert sein. Ihr Beispiel 3 oben Get gleitenden Durchschnitt für die letzten N Werte in einer Reihe funktionierte perfekt für mich, wenn die ganze Zeile Enthält Zahlen, die ich tue dies für meine Golf-Liga, wo wir eine 4-wöchige durchschnittliche rollen Manchmal sind die Golfer fehlen anstatt einer Partitur, werde ich ABS-Text in die Zelle setzen Ich möchte immer noch die Formel für die letzten 4 Punkte zu suchen und Zähle nicht das ABS entweder im Zähler oder im Nenner Wie ändere ich die Formel, um dies zu erreichen. Ja, ich habe bemerkt wenn Zellen leer waren Die Berechnungen waren falsch In meiner Situation verfolge ich über 52 Wochen Auch wenn die letzten 52 Wochen Enthaltene Daten, die Berechnung war falsch, wenn irgendeine Zelle vor den 52 Wochen war blank. Archie Mendrez sagt. Ich versuche, eine Formel zu schaffen, um den gleitenden Durchschnitt für 3 Periode zu erhalten, schätzen, wenn Sie pls. Date Produkt Preis 10 1 helfen können 2016 A 1 00 10 1 2016 B 5 00 10 1 2016 C 10 00 10 2 2016 A 1 50 10 2 2016 B 6 00 10 2 2016 C 11 00 10 3 2016 A 2 00 10 3 2016 B 15 00 10 3 2016 C 20 00 10 4 2016 A 4 00 10 4 2016 B 20 00 10 4 2016 C 40 00 10 5 2016 A 0 50 10 5 2016 B 3 00 10 5 2016 C 5 00 10 6 2016 A 1 00 10 6 2016 B 5 00 10 6 2016 C 10 00 10 7 2016 A 0 50 10 7 2016 B 4 00 10 7 2016 C 20 00.Archie Mendrez sagt. James Brown sagt. Hi, ich bin beeindruckt von der großen Kenntnis und die prägnante und effektive Anweisung, die Sie zur Verfügung stellen Ich habe auch eine Abfrage, die ich hoffe, dass Sie Ihr Talent auch mit einer Lösung verleihen können. Ich habe eine Spalte A von 50 wöchentlichen Intervalldaten Ich habe eine Spalte B daneben mit geplanter Produktion durchschnittlich pro Woche, um Ziel von 700 Widgets 700 50 zu vervollständigen In der nächsten Spalte summiere ich meine wöchentlichen Schritten zum Beispiel 100 zum Beispiel und neu berechnen meine verbleibende Anzahl Prognose avg pro verbleibenden Wochen ex 700-100 30 Ich möchte wöchentlich eine Grafik beginnen, die mit der aktuellen Woche beginnt nicht das Anfang x Achsen Datum der Diagramm, mit dem summierten Betrag 100, so dass mein Ausgangspunkt ist die aktuelle Woche plus die verbleibende avg Woche 20, und beenden Sie die lineare Grafik am Ende der Woche 30 und y Punkt von 700 Die Variablen der Identifizierung der richtigen Zelle Datum in Spalte A und Endet am Ziel 700 mit einem automatischen Update von heute s Datum, ist verwechselt mich Könnten Sie bitte bitte mit einer Formel Ich habe versucht, IF-Logik mit Heute und nur nicht zu lösen, danke. Johnny Muller sagt. Bitte helfen mit der richtigen Formel zu Berechnen Sie die Summe der Stunden, die in einer bewegten 7-Tage-Periode eingegeben werden. Beispielsweise muss ich wissen, wieviel Überstunden von einer Person über eine rollende 7-Tage-Periode gearbeitet wird, die vom Anfang des Jahres bis zum Ende des Jahres berechnet wird. Der Gesamtbetrag der Std Gearbeitet muss für die 7 rollenden Tage aktualisieren, wie ich die Überstunden Stunden auf einer täglichen Basis Vielen Dank. Ist dort eine Möglichkeit, eine Summe von einer Zahl für die letzten 6 Monate Ich möchte in der Lage sein, die Summe für die letzten berechnen zu bekommen 6 Monate jeden Tag So krank muss es jeden Tag aktualisieren Ich habe ein Excel-Blatt mit Spalten von jedem Tag für das letzte Jahr und wird schließlich mehr hinzufügen jedes Jahr jede Hilfe wäre sehr dankbar, wie ich bin stumped. Hi, ich habe eine ähnliche Muss ich einen Bericht erstellen, der neue Kundenbesuche, Gesamtkundenbesuche und andere Daten zeigen wird Alle diese Felder werden täglich auf einer Tabellenkalkulation aktualisiert, ich muss diese Daten für die letzten 3 Monate nach Monaten, 3 Wochen nach Wochen und die letzten 60 Tage Gibt es eine VLOOKUP oder Formel, oder etwas, was ich tun könnte, wird das Link auf das Blatt aktualisiert werden täglich aktualisiert wird auch erlauben, dass mein Bericht täglich zu aktualisieren. Predictive Analytics mit Microsoft Excel Arbeiten mit Seasonal Time Series. In Dieses Kapitel. Simple saisonale Mittelwerte. Moving Mittelwerte und zentriert Moving Averages. Linear Regression mit Coded Vectors. Simple saisonale Exponential Smoothing. Holt-Winters Modelle. Matters werden inkrementell komplizierter, wenn Sie eine Zeitreihe, die s in Teil von Saisonalität die Tendenz charakterisiert haben Von seinem Niveau zu steigen und fallen in Übereinstimmung mit der Verabschiedung der Jahreszeiten Wir verwenden den Begriff Saison in einem allgemeineren Sinne als seine alltägliche Bedeutung des Jahres s vier Jahreszeiten Im Rahmen der prädiktiven Analytik kann eine Saison ein Tag sein, wenn Muster Wiederholung wöchentlich oder ein Jahr in Bezug auf Präsidentschaftswahl Zyklen, oder nur etwa alles dazwischen Eine acht-Stunden-Verschiebung in einem Krankenhaus kann eine Saison darstellen. Dieses Kapitel nimmt einen Blick auf, wie man eine Zeitreihe zerlegen, so dass Sie sehen können, wie Seine Saisonalität funktioniert abgesehen von seinem Trend, wenn irgendwelche Wie Sie aus dem Material in den Kapiteln 3 und 4 erwarten können, stehen Ihnen mehrere Ansätze zur Verfügung. Einfache saisonale Mittelwerte. Die Verwendung von einfachen saisonalen Mitteln, um eine Zeitreihe zu modellieren, kann Ihnen manchmal eine Ziemlich grobes Modell für die Daten Aber der Ansatz achtet auf die Jahreszeiten im Datensatz, und es kann leicht viel genauer als eine Prognose-Technik als einfache exponentielle Glättung, wenn die Saisonalität ausgesprochen wird. Sicherlich dient es als nützliche Einführung in einige von Die Verfahren, die mit Zeitreihen verwendet werden, die sowohl saisonal als auch trended sind, also schauen Sie sich das Beispiel in Abbildung 5 an 1.Figure 5 1 Mit einem horizontalen Modell ergeben einfache Mittelwerte Prognosen, die nicht mehr als saisonale Mittel sind. Die Daten und das Diagramm Gezeigt in Abbildung 5 1 stellen die durchschnittliche Anzahl der täglichen Treffer zu einer Website dar, die den Fans der Nationalen Fußballliga entspricht. Jede Beobachtung in Spalte D repräsentiert die durchschnittliche Anzahl der Treffer pro Tag in jedem von vier Vierteln über einen Zeitraum von fünf Jahren. Identifizieren eines Saisonmusters. Sie können aus den Mittelwerten im Bereich G2 G5 erzählen, dass ein deutlicher vierteljährlicher Effekt stattfindet. Die größte durchschnittliche Anzahl von Hits findet im Herbst und Winter statt, wenn die wichtigsten 16 Spiele und die Playoffs geplant sind, wie gemessen Bei durchschnittlichen täglichen Hits, sinkt während der Frühjahrs - und Sommermonate. Die Mittelwerte sind einfach zu berechnen, ob es sich bei Arrangementformeln wohl fühlt oder nicht. Um den Mittelwert aller fünf Instanzen des Quartals 1 zu erhalten, kannst du diese Arrayformel auch verwenden Zelle G2 von Abbildung 5 1.Array-geben Sie es mit Strg-Shift Enter ein oder Sie können die AVERAGEIF-Funktion verwenden, die Sie auf die normale Art und Weise eingeben können, indem Sie die Enter-Taste drücken. Im Allgemeinen bevorzuge ich den Array-Formel-Ansatz, weil es mir einen Bereich gibt Für eine bessere Kontrolle über die Funktionen und Kriterien beteiligt. Die Charted-Daten-Serie enthält Daten-Etiketten zeigen, welche Viertel jeder Daten-Punkt gehört Das Diagramm Echo die Nachricht der Mittelwerte in G2 G5 Quartale 1 und 4 wiederholt die meisten Hits Es gibt klare Saisonalität in Dieser Datensatz. Berechnung saisonale Indizes. Wenn Sie entschieden haben, dass eine Zeitreihe eine saisonale Komponente hat, möchten Sie die Größe des Effekts quantifizieren. Die in Abbildung 5 2 dargestellten Mittelwerte zeigen, wie die Methode der einfachen Mittelwerte über diese Aufgabe geht. Abbildung 5 2 Kombinieren Sie den großartigen Mittelwert mit den saisonalen Mitteln, um die saisonalen Indizes zu erhalten. In Abbildung 5 2 erhalten Sie additive saisonale Indizes im Bereich G10 G13 durch Subtraktion des großen Mittels in Zelle G7 von jedem saisonalen Durchschnitt in G2 G5 Das Ergebnis ist das Wirkung des Seins im Quartal 1, der des Seins im Quartal 2 und so weiter Wenn ein gegebener Monat im Quartal 1 ist, erwarten Sie, dass es 99 65 durchschnittlichere Tageshits hat als der große Mittelwert von 140 35 Hits pro Tag. Diese Information Gibt Ihnen ein Gefühl, wie wichtig es ist, in einer bestimmten Saison zu sein Angenommen, Sie besitzen die Website in Frage und Sie wollen Werbefläche auf sie verkaufen Sie können sicherlich einen höheren Preis von Werbetreibenden während des ersten und vierten Quartals als während fragen Die zweite und die dritte Mehr auf den Punkt, können Sie wahrscheinlich berechnen doppelt so viel im ersten Quartal als während der zweiten oder der dritten. Mit den saisonalen Indizes in der Hand, sind Sie auch in der Lage, saisonale Anpassungen zu berechnen Zum Beispiel noch In Abbildung 5 2 werden die saisonbereinigten Werte für jedes Quartal 2005 in G16 G19 angezeigt. Sie werden durch die Subtraktion des Index aus der damit verbundenen vierteljährlichen Messung berechnet. Der Begriff saisonaler Index bezieht sich auf die Zunahme oder Abnahme des Niveaus einer Reihe, die s ist Verknüpft mit jeder Jahreszeit Der synchrone Begriff saisonale Wirkung ist in der Literatur in den letzten Jahren erschienen Weil du beide Begriffe sehe, habe ich sie beide in diesem Buch verwendet. Es ist eine kleine Sache, die nur bedenkt, dass die beiden Begriffe die gleiche Bedeutung haben Dass im normalen Verlauf der Veranstaltungen von 2001 bis 2005 erwartet wird, dass die Ergebnisse des zweiten Quartals im Vergleich zum ersten Quartal um 133 6 zurückreichen, das sind 99 65 minus 33 95. Aber in den Jahren 2004 und 2005 sind die saisonbereinigten Ergebnisse für Das zweite Quartal übertrifft die für das erste Quartal Das Ergebnis könnte Sie vielleicht bitten, zu fragen, was sich in den letzten zwei Jahren geändert hat, die die Beziehung zwischen den saisonbereinigten Ergebnissen für die ersten beiden Quartale umkehrt, die ich hier nicht anspreche Dass Sie oft einen Blick auf die beobachteten und die saisonbereinigten Zahlen werfen möchten. Forecasting von einfachen saisonalen Mitteln kein Trend. Obwohl die Methode der einfachen Mittelwerte ist, wie ich schon früher grob gesagt habe, kann es viel genauer sein als mehr Anspruchsvolle Alternative der exponentiellen Glättung, vor allem, wenn die saisonalen Effekte ausgeprägt und zuverlässig sind. Wenn die Zeitreihe untrended ist, wie es bei dem Beispiel dieser Abschnitt der Fall ist, sind die einfachen saisonalen Prognosen nichts weiter als die saisonalen Mittelwerte Wenn die Serie ist Nicht nur nach oben oder unten, Ihre beste Schätzung des Wertes für die nächste Saison ist, dass Saison s historischen Durchschnitt Siehe Abbildung 5 3.Figure 5 3 Kombinieren Sie die großartigen Mittel mit den saisonalen Mitteln, um die saisonalen Indizes zu bekommen. In der Tabelle in Abbildung 5 3 Die gestrichelte Linie stellt die Prognosen der einfachen Glättung dar. Die beiden durchgezogenen Linien stellen die tatsächlichen saisonalen Beobachtungen und die saisonalen Mittel dar. Beachten Sie, dass die saisonalen Mittelwerte die tatsächlichen saisonalen Beobachtungen ganz genau näher betrachten als die geglätteten Prognosen. Sie können sehen, wie viel mehr Eng von den beiden RMSEs in den Zellen F23 und H23 Die RMSE für die saisonalen Mittelwerte ist nur ein bisschen mehr als ein Drittel der RMSE für die geglätteten Prognosen. Sie können das bis zu der Größe der saisonalen Effekte und ihrer Konsistenz kreiden. Angenommen, die Differenz zwischen dem mittleren und dem zweiten Quartal betrug 35 0 statt 133 6, was die Differenz zwischen den Zellen G2 und G3 in Abbildung 5 2 ist. Dann wäre in einem Glättungskontext der Istwert für Quartal 1 Ein viel besserer Prädiktor für den Wert für Quartal 2 als dies bei dieser Zeitreihe der Fall ist und die exponentielle Glättung kann sich stark auf den Wert der aktuellen Beobachtung für die Prognose der nächsten Periode verlassen. Ist die Glättungskonstante auf 1 0 gesetzt, so ist eine exponentielle Glättung Beschließt na na prognose und die prognose immer gleich der vorherigen tatsächlichen. Die Tatsache, dass die Größe jeder Saisonschwung ist so konsistent von Quartal zu Quartal bedeutet, dass die einfache saisonale Durchschnittswerte sind zuverlässige Prognosen Keine tatsächliche vierteljährliche Beobachtung fährt sehr weit von der Saison saisonal Durchschnitt. Simple saisonale Mittelwerte mit Trend. Die Verwendung von einfachen saisonalen Mitteln mit einer trendigen Serie hat einige echte Nachteile, und ich bin versucht, vorzuschlagen, dass wir es ignorieren und gehen auf fleißigere Themen Aber es ist möglich, dass Sie in Situationen in laufen Die jemand diese Methode verwendet hat und dann hat es gewonnen t verletzt, um zu wissen, wie es funktioniert und warum es bessere Entscheidungen gibt. Jede Methode des Umgangs mit Saisonalität in einer trendigen Serie muss sich mit dem grundlegenden Problem der Entwirrung der Wirkung des Trends daraus beschäftigen Der Saisonalität Saisonalität neigt dazu, den Trend zu verdecken, und umgekehrt Siehe Abbildung 5 4.Figure 5 4 Die Anwesenheit von Trend kompliziert die Berechnung der saisonalen Effekte. Die Tatsache, dass der Trend in der Serie im Laufe der Zeit aufwärts ist, bedeutet, dass einfach durchschnittlich jede Saison s Beobachtungen, wie es im No-Trend-Fall der Fall war, verwechselt den allgemeinen Trend mit der saisonalen Variation Die übliche Idee ist, den Trend getrennt von den saisonalen Effekten zu berücksichtigen. Sie könnten den Trend quantifizieren und den Effekt von den beobachteten Daten subtrahieren. Das Ergebnis ist Eine untrended Serie, die die saisonale Variation behält Es könnte in der gleichen Weise behandelt werden, wie ich früher in diesem Kapitel illustriert habe. Berechnen der Mittel für jedes Jahr. Ein Weg, um die Daten und andere Wege zu vernachlässigen, wird zweifellos auftreten, um den Trend zu berechnen Auf der Grundlage der jährlichen Mittelwerte anstatt der vierteljährlichen Daten Die Idee ist, dass der Jahresdurchschnitt unempfindlich gegenüber den saisonalen Effekten ist. Das heißt, wenn man einen Jahreswert von dem Wert für jedes seiner Quartiere subtrahiert, ist die Summe und damit der Durchschnitt der vier vierteljährlichen Effekte sind genau Null So wird ein Trend, der mit den Jahresdurchschnitten berechnet wird, von den saisonalen Variationen nicht beeinflusst. Diese Berechnung ergibt sich in Abbildung 5 5.Figure 5 5 Diese Methode setzt nun eine lineare Regression auf die einfachen Mittelwerte ein. Der erste Schritt zur Detrifizierung der Daten ist zu bekommen Die durchschnittlichen täglichen Hits für jedes Jahr Das s getan im Bereich H3 H7 in Abbildung 5 5 Die Formel in Zelle H3, zum Beispiel, ist AVERAGE D3 D6.Calculieren der Trend auf der Grundlage der jährlichen Mittel. Mit den jährlichen Mitteln in der Hand, Sie re In der Lage, ihre Tendenz zu berechnen, die man mit LINEST im Bereich I3 J7 verwaltet, mit diesem Array formula. Wenn Sie don t liefern x-Werte als das zweite Argument zu LINEST Excel liefert Standard-X-Werte für Sie Die Standardwerte sind einfach Die aufeinanderfolgenden Ganzzahlen, die mit 1 beginnen und mit der Anzahl der y-Werte enden, die Sie im ersten Argument anrufen In diesem Beispiel sind die voreingestellten x-Werte identisch mit denen, die auf dem Arbeitsblatt in G3 G7 angegeben sind, so dass Sie LINEST H3 verwenden können H7 TRUE Diese Formel verwendet zwei Vorgaben für die x-Werte und die Konstante, die durch die drei aufeinanderfolgenden Kommas dargestellt werden. Der Punkt dieser Übung ist es, den Jahres-zu-Jahres-Trend zu quantifizieren, und LINEST tut das für dich in Zelle I3 Zelle enthält den Regressionskoeffizienten für die x-Werte Multiplizieren Sie 106 08 um 1 dann um 2 dann um 3, 4 und 5 und fügen Sie jedem Ergebnis den Intercept von 84 hinzu 63 Obwohl das Sie jährliche Prognosen bekommt, ist der wichtige Punkt für dieses Verfahren Der Wert des Koeffizienten 106 08, der den jährlichen Trend quantifiziert. Der Schritt, den ich gerade besprochen habe, ist die Quelle meiner Bedenken über den gesamten Ansatz, den dieser Abschnitt beschreibt Sie haben in der Regel eine kleine Anzahl von umgreifenden Perioden in diesem Beispiel, dass s Jahre zu Durch die Regression laufen Regression s Ergebnisse neigen dazu, schrecklich instabil zu sein, wenn, wie hier, sie auf einer kleinen Anzahl von Beobachtungen basieren Und doch diese Prozedur stützt sich auf diese Ergebnisse stark, um die Zeitreihen zu vernachlässigen. Spiegelung der Trend Across Seasons. The Einfach-Mittel-Methode des Umgangs mit einer trendigen, saisonalen Serien wie diese setzt sich fort, indem sie den Trend durch die Anzahl der Perioden in der Umfassungsperiode teilt, um einen Per-Perioden-Trend zu erhalten. Hier ist die Anzahl der Perioden pro Jahr vier wir arbeiten Mit vierteljährlichen Daten, so teilen wir 106 08 von 4, um den Trend pro Quartal bei 26 5 zu schätzen. Das Verfahren nutzt diese periodische Tendenz durch Subtraktion es aus dem durchschnittlichen periodischen Ergebnis Der Zweck ist es, die Wirkung der jährlichen Trend aus den saisonalen Effekten zu entfernen Wir müssen jedoch das durchschnittliche Ergebnis über alle fünf Jahre für die Periode 1 berechnen, für die Periode 2 und so weiter. Um dies zu tun, hilft es, die Liste der tatsächlichen vierteljährlichen Treffer, die im Bereich D3 D22 von Abbildung 5 5 gezeigt ist, neu anzuordnen Eine Matrix von fünf Jahren um vier Viertel, die im Bereich G11 J15 gezeigt ist, Beachten Sie, dass die Werte in dieser Matrix der Liste in Spalte D entsprechen. Mit den auf diese Weise angeordneten Daten ist es einfach, den durchschnittlichen Quartalswert über die fünf zu berechnen Jahre im Datensatz Das geht im Bereich G18 J18.Effekt des von LINEST zurückgegebenen Trends erscheint im Bereich G19 J19 Der Startwert für jedes Jahr ist die beobachtete mittlere Täuschung für das erste Quartal, so dass wir keine Anpassung vornehmen Für das erste Quartal wird ein Viertel der Tendenz oder 26 5 von den zweiten Häufen subtrahiert, was zu einem angepassten zweiten Quartalwert von 329 9 führt, siehe Zelle H21, Abbildung 5 5 Zwei Quartale im Trend, 2 26 5 oder 53 in Zelle I19, wird vom dritten Quartal abgezogen, um einen angepassten dritten Quartalwert von 282 6 in Zelle I21 zu erhalten. Und ähnlich für das vierte Quartal, subtrahiert drei Viertel des Trends von 454 4, um 374 8 in zu bekommen Zelle J21.Halten Sie in den Sinn, dass, wenn der Trend waren unten, anstatt oben, wie in diesem Beispiel, würden Sie den periodischen Trend Wert zu den beobachteten periodischen Mitteln hinzufügen, anstatt sie zu subtrahieren. Converting der Adjusted saisonalen Mittel zu saisonalen Effekte. Er der Logik Von diesem Verfahren sind die in den Zeilen 20, 21 von 5 5 gezeigten Werte die durchschnittlichen vierteljährlichen Ergebnisse für jedes von vier Vierteln mit der Wirkung des allgemeinen Aufwärtstrends in dem Datensatz entfernt. Die Zeilen 20 und 21 werden in den Spalten G bis J zusammengeführt Mit ihrem Trend aus dem Weg, können wir diese Zahlen in Schätzungen der saisonalen Effekte das Ergebnis des Seins im ersten Quartal, im zweiten Quartal, und so weiter Um diese Effekte zu erzielen, beginnen mit der Berechnung der großen Mittel der angepassten vierteljährlich Bedeutet, dass der bereinigte Großmittel in der Zelle I23 erscheint. Die Analyse setzt sich in Abbildung 5 fort. 6.Figure 5 6 Die vierteljährlichen Effekte oder Indizes werden verwendet, um die beobachteten Quartalsgeschäfte zu entschlüsseln. Abbildung 5 6 wiederholt die vierteljährlichen Anpassungen und den angepassten Mittelwert aus dem Unten von Abbildung 5 5 Sie sind kombiniert, um die vierteljährlichen Indizes zu bestimmen, die Sie auch als saisonale Effekte denken können. Beispielsweise ist die Formel in Zelle D8 wie folgt: Es gibt 33 2 Das ist der Effekt, im zweiten Quartal zu sein - - der großartige Mittel In Bezug auf den großen Mittelwert, können wir erwarten, dass ein Ergebnis, das zum zweiten Quartal gehört, unter dem Großartigen um 33 2 Einheiten fallen wird. Die saisonalen Effekte auf die beobachteten Quarterlies zu setzen Habe den jährlichen Trend in den Daten durch Regression quantifiziert und diesen Trend um 4 geteilt, um ihn auf einen vierteljährlichen Wert zu beschränken. In Abbildung 5 6 wurde der Mittelwert für jedes Quartal in C3 F3 durch Subtraktion der angestrebten Trends in C4 F4 angepasst. Das Ergebnis ist Eine ungehinderte Schätzung des Mittelwertes für jedes Quartal, unabhängig von dem Jahr, in dem das Quartier stattfindet, in C5 F5 Wir subtrahierten den angepassten Großartigen in der Zelle G5 von den angepassten vierteljährlichen Mitteln in C5 F5 Ein Maß für die Wirkung jedes Quartals gegenüber dem angepassten Großartigen Dies sind die saisonalen Indizes oder Effekte in C8 F8.Next wir entfernen die saisonalen Effekte aus den beobachteten Quartalen Wie in Abbildung 5 6 gezeigt, tust du dies durch Subtraktion der vierteljährlichen Indizes in C8 F8 aus den entsprechenden Werten in C12 F16 Und der einfachste Weg, dies zu tun ist, um diese Formel in Zelle C20 eingeben. Hinweis der einzelnen Dollar-Zeichen vor der 8 in der Referenz auf C 8 Das sa gemischte Referenz teilweise relativ und teilweise absolut Der Dollar Zeichen verankert den Verweis auf die achte Reihe, aber der Spaltenabschnitt der Referenz ist frei, um zu variieren. Folglich, nachdem die letztere Formel in Zelle C20 eingegeben worden ist, können Sie auf die Zelle wählen, die das kleine Quadrat in der unteren rechten Seite umgibt Ecke einer ausgewählten Zelle und ziehen Sie rechts in die Zelle F20 Die Adressen passen sich an, während Sie nach rechts ziehen und mit den Werten aufwarten, mit den saisonalen Effekten entfernt, für das Jahr 2001 in C20 F20 Wählen Sie diesen Bereich von vier Zellen und verwenden Sie die Mehrfachselektion s Griff, jetzt in F20, um in Zeile 24 zu ziehen. So füllt sich der Rest der Matrix. Es ist wichtig, hier zu bedenken, dass wir die ursprünglichen vierteljährlichen Werte für die saisonalen Effekte anpassen. Was auch immer der Trend in den ursprünglichen Werten bestand, ist immer noch Dort und in der Theorie bleibt wenigstens dort, nachdem wir die Anpassungen für saisonale Effekte gemacht haben. Wir haben einen Trend, ja, aber nur von den saisonalen Effekten entfernt. Wenn wir also die abgesetzten saisonalen Effekte von den ursprünglichen vierteljährlichen Beobachtungen subtrahieren, so ergibt sich das Ergebnis Ist die ursprüngliche Beobachtung mit dem Trend aber ohne die saisonalen Effekte. Ich habe jene saisonbereinigten Werte in Abbildung 5 gezeigt 6 Vergleiche dieses Diagramm mit dem Diagramm in Abbildung 5 4 Beachten Sie in Abbildung 5 6, dass die entsättigten Werte zwar nicht genau liegen Gerade, viel von der saisonalen Wirkung wurde entfernt. Regressing der Deseasonalized Quarterlies auf die Zeit-Perioden. Der nächste Schritt ist es, Prognosen aus der saisonbereinigten, trendigen Daten in Abbildung 5 6 Zellen C20 F24 zu erstellen, und an diesem Punkt haben Sie mehrere Alternativen verfügbar Sie könnten den differenzierten Ansatz kombinieren mit einfacher, exponentieller Glättung, die in Kapitel 3 diskutiert wurde, mit der Trended Time Series arbeiten. Sie könnten auch Holts Ansatz verwenden, um trendige Serien zu glätten, die in Kapitel 3 und Kapitel 4 diskutiert wurden. Initialisieren von Prognosen Beide Methoden Setzen Sie in die Lage, eine einstufige Vorhersage zu erstellen, zu der Sie den entsprechenden Saisonindex hinzufügen würden. Ein weiterer Ansatz, den ich hier verwende, legt zuerst die trendigen Daten durch eine andere Instanz der linearen Regression und fügt dann die Saison hinzu Index Siehe Abbildung 5 7.Figure 5 7 Die erste wahre Prognose ist in Zeile 25. Abbildung 5 7 gibt die entsorgten vierteljährlichen Mittel aus der tabellarischen Anordnung in C20 F24 von Abbildung 5 6 auf die Listenanordnung im Bereich C5 C24 von Abbildung 5 zurück. Wir könnten LINEST in Verbindung mit den Daten in B5 C24 in Abbildung 5 7 verwenden, um die Abgrenzungsgleichung s Intercept und Koeffizient zu berechnen, dann könnten wir den Koeffizienten durch jeden Wert in Spalte B multiplizieren und den Intercept zu jedem Produkt hinzufügen, um zu erstellen Die Prognosen in Spalte D Aber obwohl LINEST nützliche Informationen außer dem Koeffizienten und Abfangen zurückgibt, ist TREND ein schneller Weg, um die Prognosen zu erhalten, und ich benutze es in Abbildung 5 7.Die Reichweite D5 D24 enthält die Prognosen, die sich aus dem Regressieren der entsättigten ergeben Vierteljährliche Zahlen in C5 C24 auf die Periodennummern in B5 B24 Die in D5 D24 verwendete Arrayformel ist das. Diese Menge der Ergebnisse spiegelt die Auswirkung des allgemeinen Aufwärtstrends in der Zeitreihe dar. Da die Werte, die TREND prognostiziert, entstellt wurden, Es bleibt, die saisonalen Effekte, auch als saisonale Indizes bekannt, wieder in die Trend-Prognose hinzuzufügen. Adinieren der Saison-Indizes zurück In. Die saisonalen Indizes, berechnet in Abbildung 5 6 sind in Abbildung 5 7 zuerst im Bereich C2 F2 und Dann wiederholt im Bereich E5 E8, E9 E12 und so weiter Die reseasonalisierten Prognosen werden in F5 F24 durch Addition der saisonalen Effekte in Spalte E auf die Trendprognosen in Spalte D gesetzt. Um die einstufige Prognose in Zelle F25 zu erhalten Von Abbildung 5 7 Der Wert von t für die nächste Periode geht in die Zelle B25 Die folgende Formel wird in Zelle D25 eingegeben. Es gibt Excel an, die Regressionsgleichung zu berechnen, die Werte im Bereich C5 C24 von denen in B5 B24 prognostiziert und diese anwenden Gleichung zum neuen x-Wert in Zelle B25. Der entsprechende saisonale Index wird in Zelle E25 platziert und die Summe von D25 und E25 wird in F25 als die erste wahre Prognose der Trend - und Saisonzeitreihen platziert. Du findest das ganze Satz von entsorgten Quartalen und die Prognosen, die in Abbildung 5 dargestellt sind 8.Figure 5 8 Die saisonalen Effekte werden auf die Prognosen zurückgegeben. Evaluating Simple Averages. Der Ansatz für den Umgang mit einer saisonalen Zeitreihe, die in mehreren früheren Abschnitten diskutiert wurde, hat eine intuitive Anziehungskraft basic idea seems straightforward. Calculate an annual trend by regressing annual means against a measure of time periods. Divide the annual trend among the periods within the year. Subtract the apportioned trend from the periodic effects to get adjusted effects. Subtract the adjusted effects from the actual measures to deseasonalize the time series. Create forecasts from the deseasonalized series, and add the adjusted seasonal effects back in. My own view is that several problems weaken the approach, and I would not have included it in this book except that you are likely to encounter it and therefore should be familiar with it And it provides a useful springboard to discuss some concept and procedures found in other, stronger approaches. First, there s the issue about which I complained earlier in this chapter regarding the very small sample size for the regression of annual means onto consecutive integers that identify each year Even with only one predictor, as few as 10 observations is really scraping the bottom of the barrel At the very least you should look at the resulting R 2 adjusted for shrinkage and probably recalculate the standard error of estimate accordingly. It s true that the stronger the correlation in the population, the smaller the sample you can get away with But working with quarters within years, you re fortunate to find as many as 10 years worth of consecutive quarterly observations, each measured in the same way across that span of time. I m not persuaded that the answer to the problematic up-and-down pattern you find within a year see the chart in Figure 5 4 is to average out the peaks and valleys and get a trend estimate from the annual means Certainly it s one answer to that problem, but, as you ll see, there sa much stronger method of segregating the seasonal effects from an underlying trend, accounting for them both, and forecasting accordingly I ll cover that method later in this chapter, in the Linear Regression with Coded Vectors section. Furthermore, there s no foundation in theory for distributing the annual trend evenly among the periods that compose the year It s true that linear regression does something similar when it places its forecasts on a straight line But there sa huge gulf between making a fundamental assumption because the analytic model can t otherwise handle the data, and accepting a flawed outcome whose flaws errors in the forecasts can be measured and evaluated. That said, let s move on to the use of moving averages instead of simple averages as a way of dealing with seasonality.
No comments:
Post a Comment