EXCEL电子表数据分析.pptVIP

第六章 数据的变动趋势分析 本章主要教学内容 第一节 观察数据的变动趋势特征 一、从数据看未来 二、时间序列分析的一般步骤 三、时间序列的预处理 四、时间序列的描述分析 一、从数据看未来 如果认为事物过去的变化规律将会持续到未来，未来将是事物过去变化规律的延伸，那么，我们就可以利用目前已经掌握的那些反映事物过去发展特征的数据，预见事物未来的发展趋势。从数据看未来的意义正在于此。 采用科学的数量分析方法，从数据出发预见事物的未来发展趋势，是我们实现分析目标的有效途径。时间序列分析方法正是一种基于事物过去的数据资料，寻找其随着时间推移的变化规律，从而建立时间序列模型以预测事物未来发展的数值特征的有效预测方法。 二、时间序列分析的一般步骤 三、时间序列的预处理 时间序列的预处理通常包括数据准备、数据的图形化观察、数据加工等主要工作。它是时间序列分析建模的基础。 1、数据准备 数据准备是时间序列分析的首要工作，其主要目标是要根据分析目的收集数据，并将数据以恰当的格式组织在Excel中，一般将数据按时间先后顺序按列录入即可。 四、时间序列的描述分析 对于时间序列，可以利用增长量、平均增长量、增长速度、平均增长速度等描述性指标进行描述分析。 第二节 时间序列的趋势外推分析 一、线性趋势的外推分析 二、非线性趋势的外推分析 一、线性趋势的外推分析 由于时间序列随时间推移可能呈现出线性趋势或非线性趋势，因此，趋势外推分析中的模型也分为线性趋势外推模型和非线性趋势外推模型。 方法一：利用图表加趋势线实现 方法二：利用线性函数LINEST实现 方法三：利用“数据分析”的“回归”功能实现 二、非线性趋势的外推分析 第三节 时间序列的移动平均分析 一、移动平均分析的基本思想 二、利用Excel实现简单移动平均 一、移动平均分析的基本思想 二、利用Excel实现简单移动平均分析 第四节 时间序列的指数平滑分析 一、指数平滑分析的基本思路 二、利用Excel实现指数平滑分析 一、指数平滑分析的基本思路 （5）在“Known_y’s”中输入因变量y值所在的单元格地址；在“Known_x’s”中输入自变量x值（即序号t）所在的单元格地址；在“Stats”中输入“1”； （6）按住Ctrl+Shift组合键，单击“确定”，即可得到计算结果在E2：F6。 残差平方和 回归平方和 自由度 F 统计值 y值估计标准误差 判定系数R2 参数a的标准误差 参数b的标准误差 参数a的估计值 参数b的估计值 回归统计量含义 根据Excel的输出结果，趋势方程为： 该趋势方程的判定系数为0.8792，即时间变量可以解释出口额的的总变差的87.92%，因此，该趋势模型非常显著。利用该模型可进行预测。 预测方法： （1）在E8单元格中输入要 “日期”，在F8单元格中输入“出口额预测值”，在E9单元格中输入要预测的日期“2012年3月”； （2）在F9单元格中输入公式“=F2+E2*33” （3）按下Enter键，即出预测结果：11175.932 （1）打开已录好的时间序列数据； （2）选择“工具”菜单中的“数据分析”子菜单，在“分析工具”的复选框中选择“回归”； （3）单击“确定”，出现如下对话框： （4）给出因变量Y和自变量X的数据所在的单元格区域，在“输出选项”中选择输出的位置，同时选择“线性拟合图”； （5）单击“确定”，输出回归结果。 对输出结果中主要数据的解释： （结合某市出口额的案例） 输出结果包括“SUMMARY OUTPUT”（摘要输出）和“RESIDUAL OUTPUT”（残差输出）两部分以及线性拟合图。 （1）“Multiple R”是时间t和因变量出口额Y之间的简单相关系数 r ，等于0.9376，表明两者间高度线性正相关； （2）“R Square”是判定系数R2 ,等于0.8792。判定系数R2是测定直线回归模型拟合优度的一个重要指标，其意义同相关系数 r具有一致性 。计算结果表明，出口额的总误差中有87.92%可以由出口额随时间而变动的依存关系来解释，因此这条回归直线的拟合优度很好； （3）F检验和t检验的P值均大于a（0.05），线性回归模型检验通过； （4）“Coefficients”下面的两个数是回归方程的两个参数值，其中，截距 a = 4893.698，回归系数（斜率） b =190.3707；据此，可写出样本回归方程： 上述趋势方程表明该市出口额存在着明显的