ศูนย์กลางการ เคลื่อนไหว ค่าเฉลี่ย excel สูตร

Moving Average ตัวอย่างนี้สอนวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้จุดสูงสุดและที่ราบสูงเป็นไปอย่างราบรื่นเพื่อให้ทราบถึงแนวโน้มต่างๆได้ง่ายขึ้นอันดับแรกลองดูที่ชุดข้อมูลเวลาของเรา คลิกการวิเคราะห์ข้อมูลคลิกที่นี่เพื่อโหลด Add-In Toolkit การวิเคราะห์ 3 เลือก Moving Average และคลิก OK.4 คลิกในกล่อง Input Range และเลือกช่วง B2 M2 5. คลิกที่ช่อง Interval และพิมพ์ 6.6 คลิกที่ Output Range และเลือกเซลล์ B3.8 วาดกราฟของค่าเหล่านี้การอธิบายเนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและ จุดข้อมูลปัจจุบันเป็นผลให้ยอดและหุบเขาถูกทำให้ราบเรียบกราฟแสดงแนวโน้มการเพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกเนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้มากพอ 9 ทำซ้ำตามขั้นตอนที่ 2 ถึง 8 สำหรับช่วง 2 และช่วงเวลา 4. บทสรุป The la rger ช่วงยิ่ง peaks และหุบเขา smoothed out ช่วงที่มีขนาดเล็กยิ่งใกล้ค่าเฉลี่ยเคลื่อนที่จะเป็นจุดข้อมูลที่เกิดขึ้นจริง David, Yes, MapReduce มีจุดมุ่งหมายเพื่อใช้งานข้อมูลจำนวนมากและแนวคิดก็คือโดยทั่วไปแผนที่และลดฟังก์ชันไม่ควรดูแลผู้จัดทำแผนที่หรือลดจำนวนเท่าไหร่นั่นคือการเพิ่มประสิทธิภาพเพียงอย่างเดียวถ้าคุณคิดอย่างรอบคอบ ขั้นตอนฉันโพสต์คุณจะเห็นว่ามัน doesn t เรื่องที่ mapper ได้รับสิ่งที่ส่วนของข้อมูลแต่ละระเบียนเข้าจะสามารถใช้ได้ทุกลดการดำเนินงานที่ต้องการ Joe K กันยายน 18 12 ที่ 22 30. ในความเข้าใจที่ดีที่สุดของฉันเฉลี่ยเคลื่อนที่ ไม่ได้เป็นอย่างดีแมปกับกระบวนทัศน์ MapReduce ตั้งแต่การคำนวณของมันเป็นหลักเลื่อนหน้าต่างไปเรียงลำดับข้อมูลในขณะที่ MR คือการประมวลผลของช่วงที่ไม่ใช่ intersected ของข้อมูลเรียงลำดับ Solution ฉันเห็นเป็นดังต่อไปนี้เพื่อใช้ partitioner เองเพื่อให้สามารถทำพาร์ทิชันที่แตกต่างกันสอง ในการทำงานแต่ละครั้ง reducers ของคุณจะได้รับช่วงที่แตกต่างกันของข้อมูลและคำนวณค่าเฉลี่ยเคลื่อนที่ที่ approprieate ฉันจะพยายามที่จะแสดงในข้อมูลการทำงานครั้งแรกสำหรับ reducers ควร R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8. ที่นี่คุณจะสามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับบาง Qs. ในการดำเนินการต่อไป reducers ของคุณควรได้รับข้อมูลเช่น R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14 และ caclulate ส่วนที่เหลือของการย้ายค่าเฉลี่ยแล้วคุณจะต้องรวมผลลัพธ์. partitioner แบบกำหนดเองที่จะมีสองโหมดของการทำงาน - แต่ละครั้งที่แบ่งออกเป็นช่วงเท่ากัน แต่มีการเปลี่ยนแปลงบางอย่างใน pseudocode จะมีลักษณะเช่นนี้คีย์พาร์ทิชัน SHIFT MAXKEY numOfPartitions ที่ SHIFT จะถูกนำมาจากค่า MAXKEY ค่าสูงสุดของคีย์ฉันถือว่า สำหรับความเรียบง่ายที่พวกเขาเริ่มต้นด้วย zero. RecordReader, IMHO ไม่ได้แก้ปัญหาเนื่องจากมีการ จำกัด เฉพาะการแยกและไม่สามารถสไลด์มากกว่าทางแยก boundary. Another จะใช้ตรรกะที่กำหนดเองในการแยกข้อมูลเข้าเป็นส่วนหนึ่งของ InputFormat It สามารถทำได้เพื่อทำ 2 ภาพนิ่งที่แตกต่างกันคล้ายกับการแบ่งพาร์ติชัน. Sep 17 12 at 8 59.Predictive Analytics with Microsoft Excel การทำงานกับซีซันตามเวลาในซีรีส์นี้ในบทนี้ Simple Average Season. Moving Averag es และ Centered Moving Averages การวิพากษ์ถอยหลังกับเวกเตอร์ที่เข้ารหัสตัวแบบเรียบง่ายตามฤดูกาล Smoothing. Holt-Winters Models. Matters ได้รับความซับซ้อนมากขึ้นเรื่อย ๆ เมื่อคุณมีชุดข้อมูลเวลาที่มีลักษณะเฉพาะตามฤดูกาลโดยแนวโน้มของระดับจะเพิ่มขึ้นและลดลง ตามฤดูกาลที่ผ่านมาเราใช้คำว่าฤดูกาลในแง่ทั่วไปมากกว่าความหมายในชีวิตประจำวันของฤดูกาลสี่ปีในบริบทของการวิเคราะห์เชิงพยากรณ์ฤดูกาลอาจเป็นวันถ้ารูปแบบการทำซ้ำทุกสัปดาห์หรือปีในแง่ ของรอบการเลือกตั้งประธานาธิบดีหรือเพียงเกี่ยวกับอะไรในระหว่างการเปลี่ยนแปดชั่วโมงในโรงพยาบาลสามารถเป็นตัวแทนของฤดูกาลบทนี้จะดูที่วิธีการสลายชุดเวลาเพื่อให้คุณสามารถดูได้ว่าฤดูกาลของมันทำงานนอกเหนือจากแนวโน้มของถ้า ทุกอย่างที่คุณอาจคาดหวังจากเนื้อหาในบทที่ 3 และ 4 คุณสามารถใช้แนวทางต่างๆได้หลายวิธีเช่นการใช้ค่าเฉลี่ยตามฤดูกาลอย่างง่ายการใช้ค่าเฉลี่ยตามฤดูกาลแบบง่ายๆในการสร้างชุดข้อมูลแบบเวลาอาจเป็นไปได้ แต่วิธีการให้ความสำคัญกับฤดูกาลในชุดข้อมูลและมันสามารถจะแม่นยำมากขึ้นเป็นเทคนิคการคาดการณ์กว่าการเรียบง่ายชี้แจงเมื่อฤดูกาลมีการออกเสียงแน่นอนมันทำหน้าที่เป็นประโยชน์ การแนะนำขั้นตอนบางอย่างที่ใช้กับซีรี่ส์เวลาที่มีทั้งแบบตามฤดูกาลและแบบแนวโน้มดังนั้นให้ดูตัวอย่างในรูปที่ 5 1. รูปที่ 5 1 ในรูปแบบแนวนอนค่าเฉลี่ยที่เรียบง่ายจะทำให้เกิดการคาดการณ์ที่ไม่มากกว่าวิธีตามฤดูกาล ข้อมูลและแผนภูมิที่แสดงในรูปที่ 5 1 หมายถึงจำนวนเฉลี่ยของการเข้าชมประจำวันไปยังเว็บไซต์ที่ให้บริการแก่แฟน ๆ ของ National Football League แต่ละการสังเกตในคอลัมน์ D หมายถึงจำนวนผู้เข้าชมเฉลี่ยต่อวันในแต่ละสี่ในสี่ ช่วงเวลาที่ระบุรูปแบบตามฤดูกาลคุณสามารถบอกได้จากค่าเฉลี่ยในช่วง G2 G5 ที่มีผลกระทบรายไตรมาสที่แตกต่างกันเกิดขึ้นจำนวนผู้ชมเฉลี่ยที่ใหญ่ที่สุดเกิดขึ้นในช่วงฤดูใบไม้ร่วงและฤดูหนาว เมื่อหลัก 16 เกมและรอบตัดเชือกมีกำหนดดอกเบี้ยซึ่งวัดจากยอดเฉลี่ยต่อวันลดลงในช่วงฤดูใบไม้ผลิและฤดูร้อนค่าเฉลี่ยจะคำนวณได้ง่ายหรือไม่คุณรู้สึกสบายใจกับสูตรอาร์เรย์เพื่อให้ได้ค่าเฉลี่ยของทั้งห้า กรณีตัวอย่างของไตรมาส 1 ตัวอย่างเช่นคุณสามารถใช้สูตรอาร์เรย์นี้ในเซลล์ G2 ของรูปที่ 5 1.Array ป้อนด้วย Ctrl Shift Enter หรือคุณสามารถใช้ฟังก์ชัน AVERAGEIF ซึ่งคุณสามารถป้อนได้ตามปกติโดยกดปุ่ม Enter คีย์โดยทั่วไปฉันชอบวิธีสูตรอาร์เรย์เพราะทำให้ฉันขอบเขตสำหรับการควบคุมมากขึ้นกว่าหน้าที่และเกณฑ์ที่เกี่ยวข้องชุดข้อมูลแผนภูมิประกอบด้วยป้ายข้อมูลแสดงที่ไตรมาสแต่ละจุดข้อมูลเป็นของแผนภูมิ echoes ข้อความของค่าเฉลี่ยใน G2 G5 Quarters 1 และ 4 ซ้ำ ๆ ได้ Hit มากที่สุดมีฤดูกาลที่ชัดเจนในชุดข้อมูลนี้การคำนวณดัชนีตามฤดูกาลหลังจากที่คุณได้ตัดสินใจว่าชุดข้อมูลเวลามีองค์ประกอบตามฤดูกาลคุณต้องการหาขนาดของขนาด ผลกระทบค่าเฉลี่ยที่แสดงในรูปที่ 5 2 แสดงวิธีที่วิธีง่ายๆเฉลี่ยจะไปเกี่ยวกับงานนั้นรูปที่ 5 2 รวมค่าเฉลี่ยสูงสุดกับค่าเฉลี่ยตามฤดูกาลเพื่อให้ได้ดัชนีตามฤดูกาลในรูปที่ 5 2 คุณจะได้รับดัชนีตามฤดูกาลในช่วง G10 G13 โดยการลบค่าเฉลี่ยที่ยิ่งใหญ่ในเซลล์ G7 ออกจากค่าเฉลี่ยตามฤดูกาลใน G2 G5 ผลที่ได้คือผลของการอยู่ในไตรมาสที่ 1 ของการอยู่ในไตรมาสที่ 2 เป็นต้นหากเดือนที่ระบุอยู่ในไตรมาส 1 คุณคาดว่าจะได้ มียอดผู้ชมรายวันเฉลี่ย 99,65 รายมากกว่าค่าเฉลี่ยของ 140 35 ฮิตต่อวันข้อมูลนี้ช่วยให้คุณเห็นความสำคัญของการเป็นในฤดูที่กำหนดสมมติว่าคุณเป็นเจ้าของเว็บไซต์ในคำถามและต้องการขายโฆษณา คุณสามารถขอราคาที่สูงขึ้นของผู้ลงโฆษณาได้ในช่วงไตรมาสแรกและไตรมาสที่สี่มากกว่าในช่วงที่สองและสามขึ้นไปจนถึงจุดที่คุณอาจจะเสียค่าใช้จ่ายสองเท่าในช่วงไตรมาสแรกมากกว่าช่วงที่สองหรือสาม ดัชนีตามฤดูกาลใน han d คุณยังอยู่ในฐานะที่จะคำนวณการปรับฤดูกาลตัวอย่างเช่นยังคงอยู่ในรูปที่ 5 2 ค่าที่ปรับฤดูกาลสำหรับแต่ละไตรมาสในปีพ. ศ. 2548 ปรากฏใน G16 G19 ถูกคำนวณโดยการลบดัชนีจากการวัดรายไตรมาสที่เกี่ยวข้อง ดัชนีฤดูกาลหมายถึงการเพิ่มขึ้นหรือลดลงในระดับของซีรีส์ที่เกี่ยวข้องกับแต่ละฤดูกาลผลที่ตามมาของฤดูกาลตามฤดูกาลปรากฏในวรรณคดีในช่วงไม่กี่ปีที่ผ่านมาเนื่องจากคุณจะเห็นคำศัพท์ทั้งสองนี้ฉันเคยใช้ทั้งในหนังสือเล่มนี้ เรื่องเล็ก ๆ เพียงแค่จำไว้ว่าทั้งสองคำมีความหมายเหมือนกันข้อควรทราบว่าในกรณีปกติของเหตุการณ์ตั้งแต่ปี 2544-2548 คุณคาดว่าผลประกอบการในไตรมาสที่สองจะหดตัวต่ำกว่าผลการดำเนินงานในช่วงไตรมาสแรกโดย 133 6 นั่นคือ 99 65 ลบ 33 95 แตในทั้งป2547และป2548ผลประกอบการที่ปรับฤดูกาลแลวในไตรมาสที่สองเกินกวาไตรมาสแรกที่ผานมาผลลัพ ธ ดังกลาวอาจถามถึงสิ่งที่เปลี่ยนแปลงในสองปขางหนา กลับความสัมพันธ์ระหว่างผลการปรับปรุงตามฤดูกาลสำหรับสองไตรมาสแรก I don t ติดตามปัญหาที่นี่ฉันนำมาขึ้นเพื่อแนะนำให้คุณมักต้องการดูทั้งตัวเลขที่สังเกตและตัวเลขที่ปรับฤดูกาลตามฤดูกาลจาก Simple Seasonal No No เทรนด์แม้ว่าจะใช้วิธีง่ายๆในการคำนวณค่าเฉลี่ยของน้ำมันดิบ แต่ก็สามารถที่จะแม่นยำกว่าทางเลือกที่มีความซับซ้อนมากขึ้นโดยเฉพาะอย่างยิ่งเมื่อผลกระทบตามฤดูกาลเด่นชัดและน่าเชื่อถือเมื่อชุดข้อมูลเวลาไม่มีการเปลี่ยนแปลง กรณีที่มีตัวอย่างในส่วนนี้ได้กล่าวถึงการคาดการณ์ตามฤดูกาลแบบง่ายๆจะไม่มีอะไรมากไปกว่าค่าเฉลี่ยของฤดูกาลเมื่อชุดไม่ได้มีแนวโน้มขึ้นหรือลงค่าที่ดีที่สุดสำหรับค่าสำหรับฤดูกาลหน้าคือค่าเฉลี่ยในประวัติศาสตร์ของฤดูกาลดูรูปที่ 5 3. รูปที่ 5 3 รวมค่าเฉลี่ยสูงสุดกับค่าเฉลี่ยตามฤดูกาลเพื่อให้ได้ดัชนีตามฤดูกาลในแผนภูมิในรูปที่ 5 3 เส้นประแสดงการคาดการณ์ f rom simple smoothing เส้นทึบสองเส้นแสดงการสังเกตุตามฤดูกาลที่เกิดขึ้นจริงและค่าเฉลี่ยของฤดูกาลสังเกตว่าค่าเฉลี่ยตามฤดูกาลติดตามการสังเกตุตามฤดูกาลที่เกิดขึ้นจริงใกล้เคียงกับการคาดการณ์ที่ราบรื่นมากขึ้นคุณสามารถดูได้ว่าใกล้เคียงกับสอง RMSE ในเซลล์ F23 มากน้อยเพียงใด และ H23 RMSE สำหรับค่าเฉลี่ยตามฤดูกาลเป็นเพียงเล็กน้อยมากกว่าหนึ่งในสามของ RMSE สำหรับการคาดการณ์ที่ราบรื่นคุณสามารถชอล์กที่ขึ้นอยู่กับขนาดของผลตามฤดูกาลเช่นเดียวกับความสอดคล้องของพวกเขาสมมติยกตัวอย่างเช่นที่แตกต่างกัน ระหว่างไตรมาส 1 และ 2 เฉลี่ยอยู่ที่ 35 0 แทน 133 6 ซึ่งเป็นความแตกต่างระหว่างเซลล์ G2 และ G3 ในรูปที่ 5 2 จากนั้นในบริบทที่ราบเรียบค่าที่แท้จริงสำหรับไตรมาส 1 จะเป็นตัวบ่งชี้ที่ดีขึ้นสำหรับค่า ไตรมาสที่ 2 กว่าเป็นกรณีที่มีชุดเวลานี้และการทำให้เรียบเรียบขึ้นอยู่กับค่าของการสังเกตการณ์ในปัจจุบันสำหรับการคาดการณ์ในงวดถัดไปหากค่าคงที่ที่ราบเรียบคือ ตั้งค่าที่ 1 0 การทำให้เรียบเป็นทวีคูณสามารถแก้ไขได้ตามการคาดการณ์ที่คาดการณ์ไว้และการคาดการณ์จะเท่ากับความจริงที่เกิดขึ้นก่อนข้อเท็จจริงที่ว่าขนาดของการแกว่งตามฤดูกาลแต่ละครั้งมีความสอดคล้องกันระหว่างไตรมาสกับไตรมาสซึ่งหมายความว่าค่าเฉลี่ยของฤดูกาลที่เรียบง่ายคือการคาดการณ์ที่น่าเชื่อถือไม่มีการสังเกตรายไตรมาสที่เกิดขึ้นจริง ออกห่างจากค่าเฉลี่ยตามฤดูกาลโดยรวมเฉลี่ยเล็กน้อยตามฤดูกาลการใช้ค่าเฉลี่ยตามฤดูกาลแบบง่ายๆกับชุดแนวโน้มมีข้อบกพร่องที่แท้จริงบางอย่างและฉันพยายามล่อลวงเพื่อให้เราไม่สนใจและย้ายไปยังหัวข้อ meatier แต่เป็นไปได้ ที่คุณจะใช้ในสถานการณ์ที่มีคนใช้วิธีนี้แล้วจะไม่ทราบว่ามันทำงานอย่างไรและทำไมถึงเลือกได้ดีกว่าวิธีการจัดการกับฤดูกาลในชุดแนวโน้มจะต้องจัดการกับปัญหาพื้นฐานของการคลี่คลาย ผลของแนวโน้มจากฤดูกาล Seasonality มีแนวโน้มที่จะปิดบังแนวโน้มและในทางกลับกันดูรูปที่ 5 4. รูปที่ 5 4 การปรากฏตัวของแนวโน้มซับซ้อน calcula ผลกระทบตามฤดูกาลแนวโน้มของซีรีส์จะสูงขึ้นเมื่อเวลาผ่านไปหมายความว่าค่าเฉลี่ยของการสังเกตการณ์ในแต่ละฤดูกาลเช่นเดียวกับที่ได้ทำในกรณีที่ไม่มีแนวโน้มทำให้เกิดความผันผวนตามแนวโน้มโดยทั่วไปกับการเปลี่ยนแปลงตามฤดูกาล สำหรับแนวโน้มที่แยกต่างหากจากผลกระทบตามฤดูกาลคุณสามารถหาจำนวนแนวโน้มและลบผลกระทบจากข้อมูลที่สังเกตได้ผลลัพธ์ที่ได้คือชุดข้อมูลที่ไม่ได้รับการยืนยันซึ่งยังคงรักษารูปแบบตามฤดูกาลซึ่งอาจใช้วิธีเดียวกับที่ได้อธิบายไว้ก่อนหน้าในบทนี้การคำนวณ ค่าเฉลี่ยสำหรับแต่ละปีวิธีหนึ่งในการทำลายข้อมูลและวิธีการอื่น ๆ อย่างไม่ต้องสงสัยเกิดขึ้นกับคุณคือการคำนวณแนวโน้มตามค่าเฉลี่ยรายปีแทนที่จะเป็นข้อมูลรายไตรมาสแนวคิดคือค่าเฉลี่ยรายปีจะไม่รู้สึกถึงผลกระทบตามฤดูกาลนั่นคือถ้าคุณ ลบค่าเฉลี่ยของปีจากค่าของแต่ละไตรมาสผลรวมและค่าเฉลี่ยของผลกระทบรายไตรมาสทั้งสี่มีค่าเป็นศูนย์อย่างแม่นยำดังนั้นแนวโน้มจะคำนวณโดยใช้ค่าเฉลี่ยรายปี ไม่มีผลกระทบกับรูปแบบตามฤดูกาลการคำนวณนี้จะปรากฏในรูปที่ 5 5. รูปที่ 5 5 วิธีนี้เรียกใช้การถดถอยเชิงเส้นบนค่าเฉลี่ยที่เรียบง่ายขั้นตอนแรกในการ detrending ข้อมูลคือการได้รับ Hit เฉลี่ยรายวันสำหรับแต่ละปีที่ทำใน ช่วง H3 H7 ในรูปที่ 5 5 สูตรในเซลล์ H3 คือ AVERAGE D3 D6 คำนวณความเป็นไปได้ตามค่าเฉลี่ยรายปีด้วยค่าเฉลี่ยรายปีที่อยู่ในมือคุณสามารถคำนวณหาแนวโน้มที่ได้รับการจัดการโดยใช้ LINEST ในช่วง I3 J7 โดยใช้สูตรอาร์เรย์นี้ถ้าคุณไม่ใส่ค่า x เป็นอาร์กิวเมนต์ที่สองไปที่ LINEST Excel จะจัดเตรียมค่าเริ่มต้น x ค่าสำหรับคุณค่าดีฟอลต์คือจำนวนเต็มติดต่อกันที่ขึ้นต้นด้วย 1 และลงท้ายด้วยจำนวน y - ค่าที่คุณเรียกใช้สำหรับอาร์กิวเมนต์แรกในตัวอย่างนี้ค่าดีฟอลต์ x เหมือนกับค่าที่ระบุในแผ่นงานใน G3 G7 ดังนั้นคุณจึงสามารถใช้ LINEST H3 H7 TRUE สูตรนี้ใช้ค่าดีฟอลต์สองค่าสำหรับ x - ค่าและค่าคงที่แทน b y เครื่องหมายจุลภาคที่ต่อเนื่องกันสามจุดในการออกกำลังกายนี้คือการหาปริมาณแนวโน้มปีต่อปีและ LINEST ทำเช่นนั้นสำหรับคุณในเซลล์ I3 เซลล์ที่มีค่าสัมประสิทธิ์การถดถอยสำหรับค่า x คูณด้วยเลข 106 08 โดย 1 แล้ว 2 จากนั้นโดย 3, 4, และ 5 และเพิ่มผลการสกัดกั้นของ 84 63 แม้ว่าจะทำให้คุณได้รับการคาดการณ์เป็นประจำทุกปีจุดสำคัญสำหรับขั้นตอนนี้คือค่าของสัมประสิทธิ์ 106 08 ซึ่งจะวัดปริมาณแนวโน้มประจำปีขั้นตอนที่ฉันเพิ่ง กล่าวคือเป็นที่มาของความเข้าใจผิดของฉันเกี่ยวกับวิธีการทั้งหมดที่อธิบายในส่วนนี้โดยปกติคุณมีช่วงเวลาที่ครอบคลุมจำนวนน้อย ๆ ในตัวอย่างนี้ซึ่งเป็นปีที่จะเรียกใช้ผลการถดถอยการถดถอยมีแนวโน้มที่จะไม่เสถียรมากเมื่ออยู่ที่นี่พวกเขา ขึ้นอยู่กับจำนวนเล็ก ๆ ของการสังเกตและยังขั้นตอนนี้อาศัยผลเหล่านั้นอย่างมากเพื่อที่จะ detrend ชุดเวลาการเฝ้าระวัง Trend ข้ามซีซั่นส์วิธีง่ายๆเฉลี่ยของการจัดการกับแนวโน้มชุดตามฤดูกาลเช่น thi หนึ่งต่อโดยการหารแนวโน้มโดยจำนวนรอบระยะเวลาในรอบระยะเวลาที่ครอบคลุมเพื่อรับแนวโน้มต่อระยะเวลาที่นี่จำนวนรอบต่อปีเป็นสี่เรากำลังทำงานกับข้อมูลรายไตรมาสดังนั้นเราแบ่ง 106 08 โดย 4 เพื่อประเมินแนวโน้ม ต่อไตรมาสที่ 26 5. ขั้นตอนใช้แนวโน้มระยะที่โดยการลบออกจากผลระยะปานกลางวัตถุประสงค์คือการลบผลกระทบของแนวโน้มรายปีจากผลกระทบตามฤดูกาลก่อนถึงแม้ว่าเราจำเป็นต้องคำนวณผลเฉลี่ยตลอดทั้งห้าปี สำหรับงวดที่ 1 สำหรับงวดที่ 2 และอื่น ๆ การทำเช่นนี้จะช่วยจัดเรียงรายการผลการค้นหารายไตรมาสตามจริงที่แสดงในช่วง D3 D22 ของรูปที่ 5 5 เป็นเมทริกซ์ 5 ปีโดยสี่ไตรมาสแสดงในช่วง G11 J15 สังเกตว่าค่าในเมทริกซ์นั้นตรงกับรายการในคอลัมน์ D ด้วยข้อมูลที่จัดเรียงตามแบบนั้นง่ายในการคำนวณค่าเฉลี่ยรายไตรมาสในช่วงห้าปีในชุดข้อมูลที่ทำในช่วง G18 J18 ผลของเทรนด์ที่ส่งกลับโดย LINEST จะปรากฏในช่วง G19 J19 ค่าเริ่มต้นสำหรับแต่ละปีคือจำนวนการชมเฉลี่ยรายวันเฉลี่ยสำหรับไตรมาสแรกดังนั้นเราจึงไม่ทำการปรับปรุงใด ๆ ในไตรมาสแรกมูลค่าแนวโน้มของไตรมาสที่หนึ่งหรือ 26 5 จะถูกลบออกจากไตรมาสที่สอง s ผลเฉลยเฉลี่ยส่งผลให้มีการปรับค่าไตรมาสที่สองของ 329 9 ดูเซลล์ H21 รูปที่ 5 5 แนวโน้มของไตรมาส 2 ที่มีค่า 2 26 5 หรือ 53 ในเซลล์ I19 ถูกลบออกจากค่าเฉลี่ยของไตรมาสที่สามเพื่อหาค่าที่ปรับสาม มูลค่า 282 6 ในเซลล์ I21 และในทำนองเดียวกันในไตรมาสที่สี่หักสามในสี่ของแนวโน้มจาก 454 4 เพื่อให้ได้ 374 8 ในเซลล์ J21 โปรดจำไว้ว่าถ้าแนวโน้มลดลงมากกว่าในตัวอย่างนี้ คุณจะเพิ่มค่าแนวโน้มตามงวดเป็นระยะ ๆ ที่สังเกตได้แทนการลบค่านั้นการคำนวณค่าตามฤดูกาลตามฤดูกาลเป็นผลตามฤดูกาลวิธีการนี้ใช้ค่าที่แสดงในแถว 20 21 ของรูปที่ 5 5 เป็นค่าเฉลี่ยรายไตรมาสสำหรับ แต่ละสี่สี่กับผลของ th e แนวโน้มทั่วไปที่เพิ่มขึ้นในชุดข้อมูลที่ถูกลบออกแถวที่ 20 และ 21 รวมอยู่ในคอลัมน์ G ถึง J ด้วยแนวโน้มของพวกเขาออกไปจากทางเราสามารถแปลงตัวเลขเหล่านี้เป็นตัวเลขประมาณการผลกระทบตามฤดูกาลซึ่งเป็นผลมาจากในไตรมาสแรกในปีที่สอง ไตรมาสและอื่น ๆ เพื่อให้ได้ผลลัพธ์เหล่านี้เริ่มต้นด้วยการคำนวณค่าเฉลี่ยที่ยิ่งใหญ่ของไตรมาสที่ปรับปรุงแล้วหมายความว่าค่าเฉลี่ยที่ได้รับการปรับปรุงจะปรากฏในเซลล์ I23 การวิเคราะห์จะดำเนินต่อไปในรูปที่ 5 6. รูปที่ 5 6 ผลกระทบรายไตรมาสหรือดัชนีถูกนำมาใช้ เพื่อลดความเหลื่อมล้ำของไตรมาสที่สังเกตเห็นรูปที่ 5 6 ทำซ้ำการปรับรายไตรมาสและปรับแกรนด์ค่าเฉลี่ยจากด้านล่างของรูปที่ 5 5 พวกเขารวมกันเพื่อกำหนดดัชนีรายไตรมาสที่คุณสามารถคิดเป็นลักษณะตามฤดูกาลตัวอย่างเช่นสูตรในเซลล์ D8 มีดังต่อไปนี้ผลตอบแทน 33 2 ผลกระทบของการอยู่ในไตรมาสที่สอง vis - - vis เฉลี่ยแกรนด์เกี่ยวกับค่าเฉลี่ยที่ยิ่งใหญ่เราสามารถคาดหวังผลที่อยู่ในไตรมาสที่สองจะลดลงต่ำกว่าค่าเฉลี่ยใหญ่ ข y 33 2 units. Applying ผลตามฤดูกาลเพื่อสังเกต QuarterliesTo recap ป่านนี้เรา ve quantified แนวโน้มประจำปีในข้อมูลผ่านการถดถอยและหารด้วย 4 แนวโน้มเพื่อให้ค่าเป็นรายไตรมาสยกขึ้นในรูปที่ 5 6 เรา ปรับค่าเฉลี่ยสำหรับแต่ละไตรมาสใน C3 F3 โดยการลบแนวโน้มรายได้ตามสัดส่วนใน C4 F4 ผลที่ได้คือค่าเฉลี่ยที่ลดลงของค่าเฉลี่ยสำหรับแต่ละไตรมาสโดยไม่คำนึงถึงปีที่ไตรมาสเกิดขึ้นใน C5 F5 เราลบค่าแกรนด์ที่ปรับแล้ว ในเซลล์ G5 จาก C5 F5 ซึ่งปรับเปลี่ยนเป็นรายไตรมาสในแต่ละไตรมาสซึ่งหมายถึงการวัดผลกระทบของแต่ละไตรมาสเทียบกับค่าเฉลี่ยที่ปรับแล้วนั่นคือดัชนีตามฤดูกาลหรือผลกระทบใน C8 F8 หลังจากนั้นเราจะลบฤดูกาลออก ผลกระทบจากไตรมาสที่สังเกตเห็นดังแสดงในรูปที่ 5 6 คุณทำเช่นนั้นโดยการลบดัชนีรายไตรมาสใน C8 F8 จากค่าที่สอดคล้องกันใน C12 F16 และวิธีที่ง่ายที่สุดในการทำเช่นนี้คือการป้อนสูตรนี้ในเซลล์ C20 หมายเหตุเครื่องหมายดอลลาร์เดียว ก่อน 8 ในการอ้างอิงถึง C 8 ที่ผสมอ้างอิงส่วนหนึ่งสัมพัทธ์และบางส่วนแน่นอนเครื่องหมายดอลลาร์ทอดสมออ้างอิงถึงแถวที่แปด แต่ส่วนคอลัมน์ของการอ้างอิงมีอิสระที่จะแตกต่างกันดังนั้นจึงหลังจากสูตรหลังถูกป้อนเข้า เซลล์ C20 คุณสามารถคลิกที่เซลล์ s เลือกจัดการสี่เหลี่ยมเล็ก ๆ ที่มุมขวาล่างของเซลล์ที่เลือกและลากขวาเข้าสู่เซลล์ F20 ที่อยู่ปรับเปลี่ยนตามที่คุณลากไปทางขวาและคุณหมุนเวียนด้วยค่าด้วยผลตามฤดูกาล ลบสำหรับปี 2544 ใน C20 F20 เลือกช่วงของเซลล์สี่เซลล์และใช้ตัวเลือกการเลือกหลายรายการใน F20 เพื่อลากลงไปในแถว 24 ดังนั้นให้เติมส่วนที่เหลือของเมทริกซ์นี่เป็นสิ่งสำคัญที่ต้องจำไว้ว่าที่นี่ เราปรับค่านิยมรายไตรมาสเดิมสำหรับผลกระทบตามฤดูกาลไม่ว่าแนวโน้มจะมีอยู่ในค่าเดิมยังคงอยู่ที่ใดและในทางทฤษฎีอย่างน้อยก็ยังคงมีอยู่หลังจากที่เราได้ทำการปรับเปลี่ยนตามฤดูกาลแล้วเราได้ลบแนวโน้มใช่ แต่เพียง แต่ fr ผลกระทบจากฤดูกาลตามฤดูกาลผลที่ตามมาคือข้อสังเกตเดิมที่มีแนวโน้ม แต่ไม่มีผลกระทบตามฤดูกาลฉันได้ตั้งค่าที่ปรับฤดูกาลแล้วในรูปที่ 5 6 เปรียบเทียบแผนภูมิดังกล่าวกับ แผนภูมิในรูปที่ 5 4 สังเกตเห็นในรูปที่ 5 6 ว่าแม้ว่าค่าที่ไม่ได้เป็นเชิงตรรกะไม่ได้อยู่อย่างถูกต้องบนเส้นตรงส่วนใหญ่ของผลตามฤดูกาลจะถูกเอาออกการรีลิสซิ่ง Quarterse ที่ไม่เป็นอันตรายไปยังช่วงเวลานั้นขั้นตอนต่อไปคือการสร้างการคาดการณ์จาก ข้อมูลที่มีการปรับปรุงตามฤดูกาลแล้วในรูปที่ 5 6 เซลล์ C20 F24 และ ณ จุดนี้คุณมีทางเลือกหลายทางคุณสามารถใช้วิธีการ differencing ร่วมกับการเรียบอย่างง่ายที่กล่าวถึงในบทที่ 3 การทำงานกับซีรีส์ Trended Time คุณสามารถใช้ วิธีการของ Holt เพื่อทำให้ชุดผลิตภัณฑ์มีความลื่นไหลซึ่งกล่าวถึงในบทที่ 3 และบทที่ 4 การเริ่มต้นการคาดการณ์วิธีการทั้งสองแบบนี้จะทำให้คุณได้รับประโยชน์ osition เพื่อสร้างการคาดการณ์ล่วงหน้าหนึ่งก้าวซึ่งคุณจะเพิ่มดัชนีตามฤดูกาลที่สอดคล้องกันอีกวิธีหนึ่งซึ่งผมจะใช้ที่นี่ก่อนจะทำให้ข้อมูลที่มีแนวโน้มผ่านกรณีการถดถอยเชิงเส้นอื่น ๆ และเพิ่มดัชนีตามฤดูกาลดูรูปที่ 5 7. รูปที่ 5 7 การคาดคะเนที่แท้จริงเป็นอันดับแรกในแถวที่ 25 รูปที่ 5 7 แสดงผลไตรมาสที่สามจากการจัดเรียงแบบตารางใน C20 F24 ของรูปที่ 5 6 เพื่อจัดเรียงรายการในช่วง C5 C24 ตามรูปที่ 5 7. เราสามารถใช้ LINEST ร่วมกับข้อมูลใน B5 C24 ในรูปที่ 5 7 เพื่อคำนวณสมการถดถอยและสัมประสิทธิ์การถดถอยแล้วเราสามารถคูณค่าสัมประสิทธิ์โดยแต่ละค่าในคอลัมน์ B และเพิ่มการสกัดกั้นกับแต่ละผลิตภัณฑ์เพื่อสร้างการคาดการณ์ในคอลัมน์ D แต่แม้ว่า LINEST จะให้ข้อมูลที่เป็นประโยชน์นอกเหนือจากค่าสัมประสิทธิ์และการสกัดกั้น TREND เป็นวิธีที่เร็วกว่าในการคาดการณ์และฉันใช้มันในรูปที่ 5 7. ช่วง D5 D24 มีการคาดการณ์ที่เป็นผลมาจากการถอยกลับ ed ตัวเลขรายไตรมาสใน C5 C24 ลงบนตัวเลขระยะเวลาใน B5 B24 สูตรอาร์เรย์ที่ใช้ใน D5 D24 เป็นแบบนี้ผลสรุปของชุดนี้สะท้อนถึงผลของแนวโน้มที่เพิ่มขึ้นโดยทั่วไปในชุดข้อมูลเวลาเนื่องจากค่าที่ TREND คาดการณ์ได้รับการพิจารณาแล้ว มันยังคงเพิ่มผลตามฤดูกาลหรือที่เรียกว่าดัชนีตามฤดูกาลกลับเข้าสู่การคาดการณ์แนวโน้มการเพิ่มดัชนีตามฤดูกาลในดัชนีตามฤดูกาลที่คำนวณในรูปที่ 5 6 มีไว้ในรูปที่ 5 7 ครั้งแรกในช่วง C2 F2 แล้วซ้ำ ๆ ในช่วง E5 E8, E9 E12 เป็นต้นการคาดการณ์ที่คาดการณ์ไว้จะอยู่ใน F5 F24 โดยการเพิ่มผลตามฤดูกาลในคอลัมน์ E ไปยังการคาดการณ์แนวโน้มในคอลัมน์ D เพื่อรับการคาดการณ์ล่วงหน้าหนึ่งก้าวในเซลล์ F25 ของรูปที่ 5 7 ค่าของ t สำหรับรอบระยะเวลาถัดไปจะเข้าสู่เซลล์ B25 สูตรต่อไปนี้ถูกป้อนลงในเซลล์ D25 มันสั่งให้ Excel คำนวณสมการถดถอยที่คาดการณ์ค่าในช่วง C5 C24 จาก B5 B24 และใช้ สมการนั้น ค่า x ใหม่ในเซลล์ B25 ดัชนีตามฤดูกาลที่เหมาะสมจะอยู่ในเซลล์ E25 และผลรวมของ D25 และ E25 จะอยู่ใน F25 เป็นค่าพยากรณ์แรกที่แท้จริงของชุดเวลาที่มีแนวโน้มและตามฤดูกาลคุณจะพบทั้งชุด ไตรมาสที่สามและไตรมาสที่คาดการณ์ไว้ในรูปที่ 5 8 รูปที่ 5 8 ผลตามฤดูกาลจะถูกส่งกลับไปยัง forecasts. Evaluating Simple Averages แนวทางในการจัดการกับซีรีย์เวลาตามฤดูกาลที่กล่าวถึงในหัวข้อก่อนหน้านี้มีการอุทธรณ์บางอย่างที่ใช้งานง่ายความคิดพื้นฐาน ดูเหมือนว่าตรงไปตรงมาคำนวณวัฏจักรประจำปีโดยการถ่วงเวลาถดถอยไปเป็นประจำทุกปีในการวัดระยะเวลาให้พอดีกับแนวโน้มประจำปีในช่วงระยะเวลาภายในปีสรุปข้อมูลที่ได้มาจากผลกระทบที่เกิดขึ้นเป็นงวดเพื่อให้ได้รับผลกระทบที่มีการปรับเปลี่ยน เพื่อลดความรุนแรงของซีรีส์เวลาสร้างการคาดการณ์จากชุดข้อมูลเหล่านี้และเพิ่มผลกระทบตามฤดูกาลที่ปรับเปลี่ยนกลับเข้ามาในมุมมองของฉันเองก็คือปัญหาหลายอย่างทำให้แนวทางลดลง, และฉันจะไม่ได้รวมไว้ในหนังสือเล่มนี้ยกเว้นที่คุณมีแนวโน้มที่จะพบมันและดังนั้นจึงควรจะคุ้นเคยกับมันและจะให้กระโดดที่มีประโยชน์เพื่อหารือเกี่ยวกับแนวคิดและวิธีการบางอย่างที่พบในอื่น ๆ วิธีการที่แข็งแกร่งประการแรกมีปัญหา เกี่ยวกับการที่ฉันบ่นก่อนหน้าในบทนี้เกี่ยวกับขนาดตัวอย่างขนาดเล็กมากสำหรับการถดถอยของวิธีการประจำปีลงบนจำนวนเต็มติดต่อกันที่ระบุในแต่ละปีแม้มีเพียงหนึ่ง predictor เพียงไม่กี่เป็น 10 สังเกตจริงๆขูดด้านล่างของกระบอกที่อย่างน้อยที่สุด คุณควรมองไปที่ผลที่ได้รับ R 2 ปรับลดการหดตัวและอาจคำนวณข้อผิดพลาดมาตรฐานของการประมาณตามความเป็นจริงที่แข็งแกร่งความสัมพันธ์ในประชากรที่มีขนาดเล็กตัวอย่างที่คุณจะได้รับไปด้วย แต่การทำงานกับไตรมาสภายในปีคุณ โชคดีที่พบมากที่สุดเท่าที่ 10 ปีมูลค่าของการสังเกตรายไตรมาสติดต่อกันแต่ละวัดในลักษณะเดียวกันในช่วงเวลาที่ฉันไม่ได้เกลี้ยกล่อมว่า คำตอบของรูปแบบการขึ้นและลงที่คุณพบภายในหนึ่งปีดูแผนภูมิในรูปที่ 5 4 คือค่าเฉลี่ยของยอดเขาและหุบเขาและได้รับประมาณการแนวโน้มจากปีหมายถึงแน่นอนว่ามันเป็นหนึ่งในคำตอบของปัญหานั้น แต่ ตามที่คุณจะเห็นมีวิธีการที่แข็งแกร่งมากขึ้นในการแยกแยะผลกระทบตามฤดูกาลจากแนวโน้มพื้นฐานการบัญชีสำหรับทั้งสองและการคาดการณ์ตามฉันจะครอบคลุมวิธีการดังกล่าวในภายหลังในบทนี้ในการถดถอยเชิงเส้นที่มีส่วนเวกเตอร์โค้ดนอกจากนี้, ไม่มีรากฐานในทางทฤษฎีสำหรับการกระจายแนวโน้มประจำปีอย่างเท่าเทียมกันในช่วงเวลาที่เขียนปีมันเป็นความจริงที่ถดถอยเชิงเส้นไม่สิ่งที่คล้ายกันเมื่อมันวางการคาดการณ์ในแนวเส้นตรง แต่มีอ่าวขนาดใหญ่ระหว่างการทำสมมติฐานพื้นฐานเพราะการวิเคราะห์ โมเดลสามารถ t จัดการข้อมูลและรับข้อบกพร่องที่ข้อผิดพลาดในการคาดการณ์สามารถวัดและประเมินได้สิ่งที่กล่าวว่าให้ย้ายไปใช้ค่าเฉลี่ยเคลื่อนที่ s แทนค่าเฉลี่ยที่เรียบง่ายเป็นวิธีการจัดการกับฤดูกาล