- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
应用Excel进行时间序列分析;重点; 移动平均法是一种简单平滑预测技术,它的基本思想是:根据时间序列资料、逐项推移,依次计算包含一定项数的序时平均值,以反映长期趋势的方法。因此,当时间序列的数值由于受周期变动和随机波动的影响,起伏较大,不易显示出事件的发展趋势时,使用移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势(即趋势线),然后依趋势线分析预测序列的长期趋势。 ;§1 Excel进行移动平均分析的操作步骤;趋势移动平均法(线性二次移动平均法) ? ?
当时间序列没有明显的趋势变动时,使用一次移动平均就能够准确地反映实际情况,直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时,用一次移动平均数来预测就会出现滞后偏差。因此,需要进行修正,修正的方法是在一次移动平均的基础上再做二次移动平均,利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势,然后才建立直线趋势的预测模型。故称为趋势移动平均法。 ;应用举例;下面使用移动平均工具进行预测,具体操作步骤如下: 1.选择工具菜单中的数据分析命令,此时弹出数据分析对话框。 在分析工具列表框中,选择移动平均工具。 下面使用移动平均工具进行预测,具体操作步骤如下: ? ? 选择工具菜单中的数据分析命令,此时弹出数据分析对话框。 ? ? 在分析工具列表框中,选择移动平均工具。 ;;;从图可以看出,该商场的年销售额具有明显的线性增长趋势。因此要进行预测,还必须先作二次移动平均,再建立直线趋势的预测模型。而利用Excel 2000提供的移动平均工具只能作一次移动平均,所以在一次移动平均的基础上再进行移动平均即可。 ? ? 二次移动平均的方法同上,求出的二次移动平均值及实际值与二次移动平均值的拟合曲线,如下图所示。 ? ? 再利用前面所讲的截距 和斜率 计算公式可得: ;于是可得t=21时的直线趋势预测模型为: ? ? ;§2 Excel进行指数平滑分析的操作步骤;一次指数平滑法;二???指数平滑法? ? 当时间序列没有明显的趋势变动时,使用第t周期一次指数平滑就能直接预测第t+1期之值。但当时间序列的变动出现直线趋势时,用一次指数平滑法来预测仍存在着明显的滞后偏差。因此,也需要进行修正。修正的方法也是在一次指数平滑的基础上再作二次指数平滑,利用滞后偏差的规律找出曲线的发展方向和发展趋势,然后建立直线趋势预测模型。故称为二次指数平滑法。 ; 应用举例;下面利用指数平滑工具进行预测,具体步骤如下: ? ? 选择工具菜单中的数据分析命令,此时弹出数据分析对话框。 ? ? 在分析工具列表框中,选择指数平滑工具。 ? ? 这时将出现指数平滑对话框,如图所示。 ;在输入框中指定输入参数。在输入区域指定数据所在的单元格区域B1:B22;因指定的输入区域包含标志行,所以选中标志复选框;在阻尼系数指定加权系数0.3。
注:阻尼系数不是平滑常数 (阻尼系数=1-平滑常数?) ?
在输出选项框中指定输出选项。本例选择输出区域,并指定输出到当前工作表以C2为左上角的单元格区域;选中图表输出复选框。单击确定按钮。 ? ? 这时,Excel给出一次指数平滑值,如下图所示。 ; 从图可以看出,钢产量具有明显的线性增长趋势。
因此需使用二次指数平滑法,即在一次指数平滑的基础
上再进行指数平滑。所得结果如下图所示。 ;;§3. Excel进行趋势外推预测法的操作步骤;;?? 指定输入参数。在输入Y区域(原始的时间序列数据y)、输入X区域(y对应的时间t)指定相应数据所在的单元格区域.
并选定标志复选框,在置信水平框内键入95%。对于一些特殊的回归模型,可以根据需要指定常数为0(即 )。 ? ? 指定输出选项。这里选择输出到新工作表组,并指定工作表名称为“回归模型”,选定残差(即随机误差项)和正态分布中的所有输出选项,以观察相应的结果。 单击确定按钮。 最后得到回归分析的计算结果。;利用趋势和季节成分进行预测;(1)移动平均,平滑掉时间序列的随机因素.
(2)原始数据与平滑后的数据相除得季节性指数.
(3)消除季节性因素的影响.
(4)构造长期趋势模型.
(5)进行预测;;;消除季节影响后的数据;;;
文档评论(0)