ค่าเฉลี่ยเคลื่อนที่ตัวอย่างนี้สอนวิธีการคำนวณค่าเฉลี่ยเคลื่อนที่ของชุดข้อมูลเวลาใน Excel ค่าเฉลี่ยเคลื่อนที่จะใช้เพื่อทำให้เกิดความผิดปกติ (ยอดเขาและหุบเขา) เพื่อรับรู้แนวโน้มได้ง่ายขึ้น 1. ขั้นแรกให้ดูที่ซีรี่ส์เวลาของเรา 2. ในแท็บข้อมูลคลิกการวิเคราะห์ข้อมูล หมายเหตุ: ไม่สามารถหาปุ่ม Data Analysis คลิกที่นี่เพื่อโหลด Add-in Analysis ToolPak 3. เลือก Moving Average และคลิก OK 4. คลิกที่กล่อง Input Range และเลือกช่วง B2: M2 5. คลิกที่ช่อง Interval และพิมพ์ 6. 6. คลิกที่ Output Range box และเลือก cell B3 8. วาดกราฟของค่าเหล่านี้ คำอธิบาย: เนื่องจากเราตั้งค่าช่วงเป็น 6 ค่าเฉลี่ยเคลื่อนที่คือค่าเฉลี่ยของ 5 จุดข้อมูลก่อนหน้าและจุดข้อมูลปัจจุบัน เป็นผลให้ยอดเขาและหุบเขาจะเรียบออก กราฟแสดงแนวโน้มที่เพิ่มขึ้น Excel ไม่สามารถคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับจุดข้อมูล 5 จุดแรกได้เนื่องจากไม่มีจุดข้อมูลก่อนหน้านี้เพียงพอ 9. ทำซ้ำขั้นตอนที่ 2 ถึง 8 สำหรับช่วงที่ 2 และช่วงที่ 4 ข้อสรุป: ช่วงที่ใหญ่กว่ายอดเนินและหุบเขาจะยิ่งเรียบขึ้น ระยะห่างที่สั้นลงค่าเฉลี่ยของค่าเฉลี่ยที่เคลื่อนที่ได้ใกล้เคียงกับจุดข้อมูลจริงมากขึ้นการคาดการณ์การคาดการณ์โดยเฉลี่ยของปีก่อน ตามที่คุณอาจคาดเดาเรากำลังมองหาวิธีการดั้งเดิมบางอย่างที่คาดการณ์ไว้ แต่หวังว่าสิ่งเหล่านี้เป็นข้อเสนอแนะที่คุ้มค่าสำหรับปัญหาด้านคอมพิวเตอร์บางส่วนที่เกี่ยวข้องกับการคาดการณ์ในสเปรดชีต ในหลอดเลือดดำนี้เราจะดำเนินการต่อโดยการเริ่มต้นตั้งแต่เริ่มต้นและเริ่มทำงานกับการคาดการณ์ Moving Average การย้ายการคาดการณ์เฉลี่ย ทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อหรือไม่ว่า นักศึกษาทุกคนทำแบบฝึกหัดตลอดเวลา ลองนึกถึงคะแนนการทดสอบของคุณในหลักสูตรที่คุณจะมีการทดสอบสี่ครั้งระหว่างภาคการศึกษา ให้สมมติว่าคุณมี 85 คนในการทดสอบครั้งแรกของคุณ คุณคาดหวังอะไรสำหรับคะแนนการทดสอบที่สองของคุณคุณคิดอย่างไรว่าครูของคุณจะคาดการณ์คะแนนทดสอบต่อไปคุณคิดอย่างไรว่าเพื่อนของคุณอาจคาดเดาคะแนนการทดสอบครั้งต่อไปคุณคิดว่าพ่อแม่ของคุณคาดการณ์คะแนนการทดสอบต่อไปได้ไม่ว่า การทำร้ายทั้งหมดที่คุณอาจทำกับเพื่อนและผู้ปกครองของคุณพวกเขาและครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ของ 85 ที่คุณเพิ่งได้ ดีตอนนี้ให้สมมติว่าแม้จะมีการโปรโมตด้วยตัวคุณเองกับเพื่อน ๆ ของคุณคุณสามารถประเมินตัวเองและคิดว่าคุณสามารถเรียนได้น้อยกว่าสำหรับการทดสอบที่สองและคุณจะได้รับ 73. ตอนนี้สิ่งที่ทุกคนกังวลและไม่ใส่ใจก็คือ คาดว่าคุณจะได้รับการทดสอบครั้งที่สามมีสองแนวทางที่น่าจะเป็นไปได้สำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงว่าพวกเขาจะแบ่งปันกับคุณหรือไม่ พวกเขาอาจพูดกับตัวเองว่าผู้ชายคนนี้มักจะเป่าควันเกี่ยวกับความฉลาดของเขา เขาจะได้รับอีก 73 ถ้าเขาโชคดี บางทีพ่อแม่จะพยายามสนับสนุนและพูด quotWell เพื่อให้ห่างไกลได้รับ 85 และ 73 ดังนั้นคุณควรคิดเกี่ยวกับการเกี่ยวกับ (85 73) 2 79 ฉันไม่รู้ว่าบางทีถ้าคุณไม่ปาร์ตี้ และเหวี่ยงพังพอนไปทั่วสถานที่และถ้าคุณเริ่มต้นทำมากขึ้นการศึกษาที่คุณจะได้รับคะแนนสูงขึ้นทั้งสองประมาณการเหล่านี้เป็นจริงการคาดการณ์เฉลี่ยการเคลื่อนไหว อันดับแรกใช้คะแนนล่าสุดของคุณเพื่อคาดการณ์ประสิทธิภาพในอนาคตของคุณเท่านั้น นี่เรียกว่าการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลระยะเวลาหนึ่ง ข้อที่สองเป็นค่าพยากรณ์เฉลี่ยเคลื่อนที่ แต่ใช้ข้อมูลสองช่วง ให้สมมติว่าคนเหล่านี้ทั้งหมด busting ในจิตใจที่ดีของคุณมีการจัดประเภทของ pissed คุณออกและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและจะนำคะแนนที่สูงขึ้นในหน้า quotalliesquot ของคุณ คุณใช้การทดสอบและคะแนนของคุณเป็นจริง 89 ทุกคนรวมทั้งตัวคุณเองเป็นที่ประทับใจ ดังนั้นตอนนี้คุณมีการทดสอบครั้งสุดท้ายของภาคการศึกษาที่กำลังจะมาถึงและตามปกติแล้วคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนคาดการณ์เกี่ยวกับวิธีที่คุณจะทำในการทดสอบครั้งล่าสุด ดีหวังว่าคุณจะเห็นรูปแบบ ตอนนี้หวังว่าคุณจะเห็นรูปแบบนี้ คุณเชื่อว่าเป็นนกหวีดที่ถูกต้องที่สุดในขณะที่เราทำงาน ตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดแห่งใหม่ของเราซึ่งเริ่มต้นโดยพี่สาวที่แยกกันอยู่ของคุณชื่อ Whistle While We Work คุณมีข้อมูลการขายในอดีตที่แสดงโดยส่วนต่อไปนี้จากสเปรดชีต ก่อนอื่นเราจะนำเสนอข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 3 ช่วง รายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11 แจ้งให้ทราบว่าค่าเฉลี่ยย้ายผ่านข้อมูลทางประวัติศาสตร์ล่าสุด แต่ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้ง นอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเรา นี้แน่นอนแตกต่างจากแบบจำลองการเรียบเรียงชี้แจง Ive รวมการคาดคะเนของคำพูดราคาตลาดเนื่องจากเราจะใช้คำเหล่านี้ในหน้าเว็บถัดไปเพื่อวัดความถูกต้องในการคาดการณ์ ตอนนี้ฉันต้องการนำเสนอผลที่คล้ายคลึงกันสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ 2 ช่วง รายการสำหรับเซลล์ C5 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11 แจ้งให้ทราบว่าขณะนี้มีเพียงข้อมูลล่าสุดสองชิ้นที่ใช้ล่าสุดในการคาดการณ์เท่านั้น อีกครั้งฉันได้รวมการคาดคะเน quotpost เพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ในภายหลังในการตรวจสอบการคาดการณ์ บางสิ่งบางอย่างอื่นที่มีความสำคัญที่จะแจ้งให้ทราบล่วงหน้า สำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ m-period เฉพาะค่าข้อมูลล่าสุดของ m ที่ใช้ในการคาดคะเนเท่านั้น ไม่มีอะไรอื่นที่จำเป็น สำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-period เมื่อทำนายการคาดการณ์ของ quotpast ให้สังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1 ทั้งสองประเด็นนี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเรา การพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนาโค้ดสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นได้มากขึ้น รหัสดังต่อไปนี้ โปรดทราบว่าปัจจัยการผลิตเป็นจำนวนงวดที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์ คุณสามารถเก็บไว้ในสมุดงานที่คุณต้องการ Function MovingAverage (Historical, NumberOfPeriods) ในฐานะ Single Declaring และ Initializing ตัวแปร Dim Item As Variant Dim Counter เป็นจำนวนเต็ม Integer Dim Single Dim HistoricalSize As Integer ตัวแปรที่ Initializing ตัวแปร Counter 1 สะสม 0 การกำหนดขนาดของอาร์เรย์ Historical HistoricalSize Historical. Count สำหรับ Counter 1 ถึง NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้ล่าสุด Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในคลาส คุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลการคำนวณปรากฏขึ้นที่ที่ควรทำดังนี้การสร้างการเคลื่อนย้ายแบบง่ายนี่เป็นหนึ่งในสามบทความต่อไปนี้ในการวิเคราะห์อนุกรมเวลาใน Excel ภาพรวมของค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยเคลื่อนที่ เป็นเทคนิคทางสถิติที่ใช้เพื่อขจัดความผันผวนของข้อมูลในช่วงสั้น ๆ เพื่อให้สามารถรับรู้แนวโน้มหรือรอบระยะยาวได้ง่ายขึ้น ค่าเฉลี่ยเคลื่อนที่จะเรียกว่าเป็นค่าเฉลี่ยของรอบการกลิ้งหรือค่าเฉลี่ยในการทำงาน ค่าเฉลี่ยเคลื่อนที่คือชุดตัวเลขซึ่งแต่ละค่าจะแสดงค่าเฉลี่ยของช่วงเวลาที่ระบุในช่วงก่อนหน้า ช่วงเวลาที่ยิ่งใหญ่มากขึ้น ยิ่งมีช่วงที่เล็กลงเท่าใดค่าเฉลี่ยเคลื่อนที่จะเหมือนกับชุดข้อมูลที่เกิดขึ้นจริง ค่าเฉลี่ยเคลื่อนที่ทำงาน 3 ฟังก์ชันต่อไปนี้: ทำให้ข้อมูลเรียบขึ้นซึ่งหมายถึงการปรับปรุงข้อมูลให้พอดีกับบรรทัด การลดผลกระทบของรูปแบบชั่วคราวและสัญญาณรบกวนแบบสุ่ม ไฮไลต์ค่าผิดปกติเหนือหรือต่ำกว่าแนวโน้ม ค่าเฉลี่ยเคลื่อนที่เป็นหนึ่งในเทคนิคทางสถิติที่แพร่หลายมากที่สุดในอุตสาหกรรมเพื่อระบุแนวโน้มข้อมูล ตัวอย่างเช่นผู้จัดการฝ่ายขายมักดูข้อมูลการขายเฉลี่ย 3 เดือนของข้อมูลการขาย บทความนี้จะเปรียบเทียบค่าเฉลี่ยการย้ายแบบธรรมดาสองเดือนสามเดือนและหกเดือนของข้อมูลการขายเดียวกัน ค่าเฉลี่ยเคลื่อนที่ถูกใช้บ่อยๆในการวิเคราะห์ทางเทคนิคของข้อมูลทางการเงินเช่นผลตอบแทนของหุ้นและเศรษฐศาสตร์เพื่อค้นหาแนวโน้มในชุดเวลาทางเศรษฐกิจมหภาคเช่นการจ้างงาน มีค่าเฉลี่ยเคลื่อนที่อยู่หลายรูปแบบ ค่าเฉลี่ยที่ใช้กันทั่วไปคือค่าเฉลี่ยเคลื่อนที่แบบง่ายค่าเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนักและค่าเฉลี่ยเคลื่อนที่แบบเสวนา การดำเนินการแต่ละเทคนิคเหล่านี้ใน Excel จะครอบคลุมรายละเอียดในบทความที่แยกจากกันในบล็อกนี้ ต่อไปนี้เป็นภาพรวมคร่าวๆของเทคนิคทั้งสามแบบนี้ ค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยทุกๆจุดในค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยคือค่าเฉลี่ยของช่วงเวลาที่ระบุไว้ก่อนหน้านี้ บทความบล็อกนี้จะให้คำอธิบายโดยละเอียดเกี่ยวกับการใช้เทคนิคนี้ใน Excel คะแนนเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนักในค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักยังเป็นค่าเฉลี่ยของจำนวนงวดที่ระบุไว้ก่อนหน้านี้ด้วย ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักใช้การถ่วงน้ำหนักที่ต่างกันกับช่วงก่อนหน้าบางช่วงเวลาค่อนข้างบ่อยในช่วงที่ผ่านมาจะได้รับน้ำหนักมากขึ้น ลิงก์ไปยังบทความอื่นในบล็อกนี้ซึ่งให้คำอธิบายโดยละเอียดเกี่ยวกับการใช้เทคนิคนี้ใน Excel มีดังต่อไปนี้ Exponential Moving Average Points ในค่าเฉลี่ยเคลื่อนที่แบบเสวนายังหมายถึงค่าเฉลี่ยของจำนวนที่ระบุของงวดก่อนหน้า การปรับให้ละเอียดแบบเสวนาใช้ปัจจัยการถ่วงน้ำหนักในช่วงก่อนหน้าซึ่งลดจำนวนเชิงซ้อนไม่ถึงศูนย์ เป็นผลให้เกิดการเรียบเรียงผลลัพธ์คำนึงถึงช่วงเวลาก่อนหน้าทั้งหมดแทนที่จะเป็นจำนวนที่กำหนดของงวดก่อนหน้าซึ่งค่าเฉลี่ยถ่วงน้ำหนักที่ถอยหลัง ลิงก์ไปยังบทความอื่นในบล็อกนี้ซึ่งให้คำอธิบายโดยละเอียดเกี่ยวกับการใช้เทคนิคนี้ใน Excel มีดังต่อไปนี้: ขั้นตอนต่อไปนี้อธิบายถึงขั้นตอน 3 ขั้นตอนในการสร้างค่าเฉลี่ยเคลื่อนที่ของข้อมูลชุดเวลาใน Excel ขั้นที่ 1 8211 กราฟ ข้อมูลต้นฉบับในแผนภาพแบบอนุกรมเวลาแผนภูมิเส้นเป็นแผนภูมิ Excel ที่ใช้บ่อยที่สุดในการสร้างข้อมูลกราฟแบบเวลา ตัวอย่างเช่นแผนภูมิ Excel ที่ใช้เพื่อพล็อตข้อมูลการขาย 13 งวดแสดงดังนี้ขั้นตอนที่ 2 8211 สร้างค่าเฉลี่ยเคลื่อนที่ใน Excel Excel มีเครื่องมือ Moving Average ภายในเมนู Data Analysis เครื่องมือ Moving Average สร้างค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยจากชุดข้อมูล ควรสร้างกล่องโต้ตอบการย้ายเฉลี่ยตามข้อมูลต่อไปนี้เพื่อสร้างค่าเฉลี่ยเคลื่อนที่ของข้อมูล 2 ช่วงก่อนหน้าของข้อมูลแต่ละจุด ผลลัพธ์ของค่าเฉลี่ยเคลื่อนที่ 2 ช่วงเวลาจะแสดงดังต่อไปนี้พร้อมด้วยสูตรที่ใช้ในการคำนวณค่าของแต่ละจุดในค่าเฉลี่ยเคลื่อนที่ ขั้นตอนที่ 3 8211 เพิ่มชุดค่าเฉลี่ยเคลื่อนที่ลงในแผนภูมิข้อมูลนี้ควรเพิ่มลงในแผนภูมิที่มีบรรทัดข้อมูลการขายเดิม ข้อมูลจะถูกเพิ่มเป็นชุดข้อมูลอีกชุดหนึ่งในแผนภูมิ เมื่อต้องการทำเช่นนั้นให้คลิกขวาที่ใดก็ได้บนแผนภูมิและเมนูจะปรากฏขึ้น คลิกเลือกข้อมูลเพื่อเพิ่มชุดข้อมูลใหม่ ชุดค่าเฉลี่ยเคลื่อนที่จะถูกเพิ่มโดยการเสร็จสิ้นกล่องโต้ตอบ Edit Series ดังต่อไปนี้: แผนภูมิที่มีชุดข้อมูลต้นฉบับและค่า data average moving average 2 ช่วงของ data8217s แสดงดังต่อไปนี้ โปรดสังเกตว่าเส้นค่าเฉลี่ยเคลื่อนที่ค่อนข้างน้อยและข้อมูลดิบเบี่ยงเบนข้อมูลด้านบนและด้านล่างบรรทัดแนวโน้มมีความชัดเจนมากขึ้น แนวโน้มโดยรวมมีมากขึ้นเช่นกัน ค่าเฉลี่ยเคลื่อนที่ 3 ช่วงสามารถสร้างและวางลงในแผนภูมิโดยใช้ขั้นตอนเดียวกับดังนี้: เป็นที่น่าสนใจให้สังเกตุได้ว่าค่าเฉลี่ยเคลื่อนที่แบบ 2 ช่วงสร้างกราฟที่ราบเรียบกว่าค่าเฉลี่ยเคลื่อนที่แบบเรียบช่วง 3- ช่วง ในกรณีนี้ค่าเฉลี่ยเคลื่อนที่แบบ 2 ช่วงน่าจะเป็นที่น่าพอใจมากกว่าค่าเฉลี่ยเคลื่อนที่ 3 ช่วง สำหรับการเปรียบเทียบค่าเฉลี่ยเคลื่อนที่แบบง่าย 6 ช่วงจะคำนวณและเพิ่มลงในแผนภูมิในลักษณะเดียวกับดังต่อไปนี้: ตามที่คาดไว้ค่าเฉลี่ยเคลื่อนที่แบบ 6-interval มีความนุ่มนวลกว่าค่าเฉลี่ยเคลื่อนที่แบบ 2 หรือ 3 ช่วง กราฟเรียบขึ้นใกล้ชิดกับเส้นตรงมากขึ้น การวิเคราะห์ความถูกต้องของพรีซิชั่ความถูกต้องสามารถอธิบายได้ว่าเป็นความดีของพอดี ส่วนประกอบทั้งสองของความถูกต้องของการคาดการณ์มีดังต่อไปนี้ Forecast Bias 8211 แนวโน้มของการคาดการณ์จะสูงกว่าหรือต่ำกว่าค่าที่แท้จริงของชุดเวลาอย่างต่อเนื่อง พหุนามพยากรณ์คือผลรวมของข้อผิดพลาดทั้งหมดหารด้วยจำนวนช่วงเวลาดังต่อไปนี้: อคติเชิงบวกบ่งชี้ว่ามีแนวโน้มที่จะต่ำกว่าคาดการณ์ อคติเชิงลบบ่งชี้ว่าแนวโน้มในการคาดการณ์เกินคาด อคติไม่ได้วัดความถูกต้องเนื่องจากข้อผิดพลาดในทางบวกและลบลบออก ข้อผิดพลาดการพยากรณ์ 8211 ความแตกต่างระหว่างค่าจริงของชุดข้อมูลเวลาและค่าที่คาดการณ์ไว้ของการคาดการณ์ MAD 8211 Mean Absolute Deviation MAD คำนวณค่าสัมบูรณ์เฉลี่ยของข้อผิดพลาดและคำนวณโดยใช้สูตรต่อไปนี้ค่าเฉลี่ยของค่าความผิดพลาดจะช่วยลดผลกระทบที่เกิดจากข้อผิดพลาดในเชิงบวกและลบ MAD มีขนาดเล็กลงรูปแบบที่ดีกว่าคือ MSE 8211 Mean Squared Error MSE เป็นข้อผิดพลาดที่เป็นที่นิยมในการกำจัดผลการยกเลิกข้อผิดพลาดบวกและลบโดยการบวกสี่เหลี่ยมของข้อผิดพลาดด้วยสูตรต่อไปนี้ข้อผิดพลาดที่มีขนาดใหญ่มีแนวโน้มที่จะพูดเกินจริง MSE เนื่องจากเงื่อนไขข้อผิดพลาดทั้งหมดยกกำลังสอง RMSE (Root Square Mean) ช่วยลดปัญหานี้โดยใช้รากที่สองของ MSE MAPE 8211 ข้อผิดพลาดเปอร์เซ็นต์ขั้นต่ำอย่างมีนัยสำคัญ MAPE ยังช่วยลดผลการยกเลิกข้อผิดพลาดในเชิงบวกและลบโดยการบวกค่าสัมบูรณ์ของข้อผิดพลาด MAPE จะคำนวณผลรวมของข้อผิดพลาดเปอร์เซ็นต์โดยใช้สูตรต่อไปนี้: โดยการบวกข้อผิดพลาดเปอร์เซ็นต์ MAPE สามารถใช้เพื่อเปรียบเทียบแบบจำลองการคาดการณ์ที่ใช้มาตรวัดที่แตกต่างกัน การคำนวณอคติ MAD MSE RMSE และ MAPE ใน Excel สำหรับการคำนวณค่ามัธยฐานของ Simple Moving Average, MAD, MSE, RMSE และ MAPE จะคำนวณใน Excel เพื่อประเมินการเคลื่อนย้ายแบบ 2 ช่วง 3 ช่วงและ 6 ช่วง พยากรณ์อากาศเฉลี่ยที่ได้รับในบทความนี้และแสดงดังนี้ขั้นตอนแรกคือการคำนวณ E t E t 2. E t, E t Y t-act แล้วคำนวณดังนี้ Bias, MAD, MSE, MAPE และ RMSE สามารถคำนวณได้ดังนี้การคำนวณแบบเดียวกันนี้จะทำเพื่อคำนวณค่า Bias, MAD, MSE, MAPE และ RMSE สำหรับค่าเฉลี่ยเคลื่อนที่แบบ 3-interval ขณะนี้การคำนวณแบบเดียวกันนี้จะคำนวณค่า Bias, MAD, MSE, MAPE และ RMSE สำหรับค่าเฉลี่ยเคลื่อนที่แบบ 6-interval Bias, MAD, MSE, MAPE และ RMSE ได้สรุปเป็นค่าเฉลี่ยเคลื่อนที่แบบ 2 ช่วง 3 ช่วงและ 6 ช่วงดังนี้ ค่าเฉลี่ยเคลื่อนที่แบบ 3 ช่วงคือรูปแบบที่ใกล้เคียงกับข้อมูลที่แท้จริงมากที่สุด 160 Excel Master Series บล็อกไดเรกทอรีสถิติหัวข้อและบทความในแต่ละ TopicExcel การคาดการณ์การขายสำหรับ Dummies โกงแผ่นเมื่อคุณเริ่มเรียนรู้การคาดการณ์ it8217s มักจะเป็นแนวคิดที่ดีในการพึ่งพาเครื่องมือ Excel ในการวิเคราะห์ข้อมูล add-in แต่การเข้าถึงของพวกเขาค่อนข้าง จำกัด และก่อนที่คุณจะมีแนวโน้มที่จะใช้ประโยชน์จากฟังก์ชันแผ่นงาน Excel8217 เป็นเวลานานเกินไป เมื่อคุณพบว่าตัวเองใช้สถิติอนุมานทั้งหมดที่มาพร้อมกับฟังก์ชัน LINEST คุณจะรู้ว่าถึงเวลาที่จะต้องวางพื้นฐานสำหรับการคาดการณ์อย่างเป็นทางการ 6 เครื่องมือวิเคราะห์ข้อมูล Excel Add-in เครื่องมือ Add-in การวิเคราะห์ข้อมูลซึ่งก่อนหน้านี้เรียกว่า ToolPak การวิเคราะห์จะเข้าสู่สูตรในนามของคุณเพื่อให้คุณสามารถมุ่งความสนใจไปที่ what8217s ที่เกิดขึ้นกับข้อมูลของคุณ มีสามเครื่องมือที่แตกต่างกันซึ่งมีประโยชน์โดยตรงในการคาดการณ์ค่าเฉลี่ยเคลื่อนที่การจัดแจงแบบเสียดสีและการถดถอยรวมทั้งอีกหลายวิธีที่สามารถช่วยได้ นี่เป็นรายการเครื่องมือบางอย่างที่เป็นส่วนหนึ่งของการเพิ่มการวิเคราะห์ข้อมูล มีสามเครื่องมือ ANOVA ที่แตกต่างกัน ไม่มีอะไรที่มีประโยชน์สำหรับการคาดการณ์ แต่เครื่องมือแต่ละอย่างสามารถช่วยให้คุณเข้าใจชุดข้อมูลที่เป็นไปตามการคาดการณ์ของคุณ เครื่องมือ ANOVA ช่วยแยกแยะตัวอย่างเช่นคนที่อาศัยอยู่ในเทนเนสซีเช่นรถแบรนด์ใดดีกว่าผู้ที่อาศัยอยู่ในรัฐเวอร์มอนต์เครื่องมือนี้มีความสำคัญโดยไม่คำนึงถึงวิธีการที่คุณใช้เพื่อสร้างการคาดการณ์ หากคุณมีตัวแปรมากกว่าหนึ่งตัวแปรสามารถบอกคุณได้ว่าตัวแปรทั้งสองมีความเกี่ยวข้องกันอย่างไร (บวกหรือลบ 1.0 มีความแข็งแรง 0.0 หมายถึงไม่มีความสัมพันธ์) หากคุณมีตัวแปรเพียงตัวเดียวก็สามารถบอกได้ว่าช่วงเวลาหนึ่ง ๆ มีความสัมพันธ์กันอย่างไร ใช้เครื่องมือคำอธิบายสถิติเพื่อรับข้อมูลเกี่ยวกับค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของข้อมูลของคุณ การทำความเข้าใจเกี่ยวกับสถิติพื้นฐานเหล่านี้มีความสำคัญเพื่อให้คุณทราบว่าการคาดการณ์ของคุณเป็นอย่างไร ชื่อเครื่องมือนี้ฟังดูเป็นลางและข่มขู่ซึ่งไม่ใช่เครื่องมือ เมื่อคุณมีตัวแปรเพียงอย่างเดียวเช่นรายได้จากการขายหรือยอดขายหน่วยคุณคาดว่าจะมีค่าก่อนหน้านี้ที่คาดการณ์ไว้ก่อนหน้านี้ (อาจเป็นเดือนก่อนหน้าหรือเดือนเดียวกันของปีที่แล้ว) เครื่องมือนี้ทั้งหมดจะปรับการคาดการณ์ครั้งต่อไปโดยใช้ข้อผิดพลาดในการคาดการณ์ก่อนหน้านี้ ค่าเฉลี่ยเคลื่อนที่จะแสดงค่าเฉลี่ยของผลลัพธ์ในช่วงเวลา อันดับแรกอาจเป็นค่าเฉลี่ยสำหรับเดือนมกราคมกุมภาพันธ์และมีนาคมที่สองจะเป็นค่าเฉลี่ยสำหรับเดือนกุมภาพันธ์มีนาคมและเมษายนเป็นต้น วิธีการคาดการณ์นี้มีแนวโน้มที่จะมุ่งเน้นไปที่สัญญาณ (มีอะไรเกิดขึ้นจริงในพื้นฐาน) และเพื่อลดเสียงรบกวน (ความผันผวนแบบสุ่มในพื้นฐาน) การถดถอยมีความเกี่ยวข้องกับความสัมพันธ์ ใช้เครื่องมือนี้เพื่อคาดการณ์ตัวแปรหนึ่ง (เช่นการขาย) จากอีกรายหนึ่ง (เช่นวันที่หรือโฆษณา) จะให้คู่ของตัวเลขที่จะใช้ในสมการเช่นการขาย 50000 (10 วัน) ฟังก์ชันการคาดการณ์ Excel 4 Excel มีเครื่องมือที่ยอดเยี่ยมหลายอย่างสำหรับการพยากรณ์การขาย การรู้ว่าฟังก์ชันต่อไปนี้เป็นประโยชน์ในการรับข้อมูลตามลำดับ ตรวจสอบฟังก์ชั่นการพยากรณ์ที่มีประโยชน์ต่อไปนี้ เวอร์ชันเครื่องมือของเครื่องมือข้อมูลส่วนเสริมการวิเคราะห์ข้อมูล ความแตกต่างคือ CORREL คำนวณใหม่เมื่อข้อมูลการป้อนข้อมูลเปลี่ยนแปลงและเครื่องมือ Correlation ไม่ทำงาน ตัวอย่าง: CORREL (A1: A50, B1: B50) นอกจากนี้ CORREL ให้คุณมีความสัมพันธ์เพียงตัวเดียว แต่เครื่องมือความสัมพันธ์สามารถให้คุณได้ทั้งเมตริกซ์ที่สัมพันธ์กัน คุณสามารถใช้ฟังก์ชันนี้แทนเครื่องมือการถดถอยการเพิ่มการวิเคราะห์ข้อมูล (ชื่อฟังก์ชันเป็นคำย่อของการประมาณเชิงเส้น) สำหรับการถดถอยแบบง่ายให้เลือกช่วงของสองคอลัมน์และห้าแถว คุณต้องป้อนอาร์เรย์ใส่ฟังก์ชันนี้ พิมพ์ตัวอย่างเช่น LINEST (A1: A50, B1: B50,, TRUE) จากนั้นให้กด CtrlShiftEnter ฟังก์ชันนี้มีประโยชน์เพราะจะให้ค่าคาดการณ์ได้โดยตรง LINEST จะให้สมการที่คุณต้องใช้ในการคาดการณ์ ตัวอย่างเช่นใช้ TREND (A1: A50, B1: B50, B51) ที่คุณกำลังคาดการณ์มูลค่าใหม่โดยอิงตามข้อมูลใน B51 ฟังก์ชันพยากรณ์จะเหมือนกับฟังก์ชัน TREND ไวยากรณ์มีความแตกต่างกันเล็กน้อย ตัวอย่างเช่นใช้การคาดการณ์ (B51, A1: A50, B1: B50) ซึ่งคุณคาดการณ์มูลค่าใหม่ตามมูลค่าใน B51 นอกจากนี้การคาดการณ์ยังมีตัวบ่งชี้เพียงตัวเดียว แต่ TREND สามารถจัดการกับตัวทำนายหลายตัวได้ สิ่งที่คุณได้รับจาก Excel ฟังก์ชัน LINEST สำหรับการพยากรณ์การขาย Excel8217s ฟังก์ชัน LINEST เป็นเครื่องมือที่มีประโยชน์สำหรับการคาดการณ์ยอดขาย การรู้ว่าคุณสามารถทำอะไรได้บ้างจะทำให้การคาดการณ์ของคุณง่ายขึ้น นี่คือ rundown รวดเร็วใน Excel8217s LINEST ฟังก์ชันแถวโดยแถว:
No comments:
Post a Comment