应用Excel进行时间序列分析共31页课件.ppt

1、1应用应用Excel进行时间序列分析进行时间序列分析zf重点重点v1 1、Excel进行移动平均分析的操作步骤进行移动平均分析的操作步骤v2 2、Excel进行指数平滑分析进行指数平滑分析的操作步骤的操作步骤v3 3、Excel进行趋势外推预测法的操作步骤进行趋势外推预测法的操作步骤v4 4、Excel进行时间序列分解法的操作步骤进行时间序列分解法的操作步骤3 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

2、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。 41 Excel进行移动平均分析的操作步骤进行移动平均分析的操作步骤简单移动平均法简单移动平均法公式表明当公式表明当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新的平均数。由于它不断地得到一个新的平均数。由于它不断地“吐故纳新吐故纳新”，逐期向前移动，所以称，逐期向前移动，所以称为移动平均法。为移动平均法。 由于移动平均可以平滑数据，消除周期变动和不规则变动的影响，使得长期趋势显示出来，因而可以用于预测。其预测公

3、式为： 即以第t周期的一次移动平均数作为第t+1周期的预测值。 1ttFS5趋势移动平均法趋势移动平均法(线性二次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。 6应用举例应用举例已知某商场19782019年的年销售额如下表所示，试

4、预测2019年该商场的年销售额。 年份 销售额 年份 销售额 1978 32 1989 76 1979 41 1990 73 1980 48 1991 79 1981 53 1992 84 1982 51 1993 86 1983 58 1994 87 1984 57 2019 92 1985 64 2019 95 1986 69 2019 101 1987 67 2019 107 1988 69 7下面使用移动平均移动平均工具进行预测，具体操作步骤如下： 1.选择工具工具菜单中的数据分析数据分析命令，此时弹出数据数据分析分析对话框。 在分析工具分析工具列表框中，选择移动平均移动平均工具。 下

5、面使用移动平均移动平均工具进行预测，具体操作步骤如下： 选择工具工具菜单中的数据分析数据分析命令，此时弹出数据数据分析分析对话框。 在分析工具分析工具列表框中，选择移动平均移动平均工具。 8910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： 11于是可得t=21时的

6、直线趋势预测模型为： 预测2019年该商场的年销售额为： 122 Excel进行指数平滑分析进行指数平滑分析的操作步骤的操作步骤 移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权。这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。 指数平滑法的基本理论指数平滑法的基本理论根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。 13一次指数平滑法一次指数平滑法设时间序列为 ，则一次指数平滑公式为

7、： 式中 为第 t周期的一次指数平滑值； 为加权系数，0 1。 为了弄清指数平滑的实质，将上述公式依次展开，可得： 因为加权系数符合指数规律，且又具有平滑数据的功能，所以称为指数平滑。 用上述平滑值进行预测，就是一次指数平滑法。其预测模型为： 即以第t周期的一次指数平滑值作为第t+1期的预测值。 14二次指数平滑法二次指数平滑法 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

8、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。 15 应用举例应用举例已知某厂19782019年的钢产量如下表所示，试预测2019年该厂的钢产量。 年份 钢产量 年份 钢产量 1978 676 1989 2031 1979 825 1990 2234 1980 774 1991 2566 1981 716 1992 2820 1982 940 1993 3006 1983 1159 1994 3093 1984 1384 2019 3277 1985 1524 2019 3514 1986 1668 2019 3770 1987 1688 2019 4107 16下面利用

9、指数平滑指数平滑工具进行预测，具体步骤如下： 选择工具工具菜单中的数据分析数据分析命令，此时弹出数据分析数据分析对话框。 在分析工具分析工具列表框中，选择指数平滑指数平滑工具。 这时将出现指数平滑指数平滑对话框，如图所示。 17在输入输入框中指定输入参数。在输入区域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，所以选中标志标志复选框；在阻尼系数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不是平滑常数 (阻尼系数阻尼系数=1-平滑常数平滑常数 ) 在输出选项输出选项框中指定输出选项。本例选择输出区域输出区域，并指定输出到当前工作表以C2为左上角的单元格

10、区域；选中图表输出图表输出复选框。单击确定确定按钮。 这时，Excel给出一次指数平滑值，如下图所示。 18 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。 19122121,.,10.30.73665.473336.0122*3665.473336.013994.90.7(3665.473336.01)2.33*329.37767.43210.7*13994.9767.4324762.33nttxxxssss212121+12121设原始序列为平滑指数为a趋势值bFab203. Excel进行趋势外推预测法的

11、操作步骤进行趋势外推预测法的操作步骤统计资料表明统计资料表明,大量社会经济现象的发展主要是渐进的大量社会经济现象的发展主要是渐进的,其发其发展相对于时间具有一定的规律性展相对于时间具有一定的规律性.因此因此,预测对象依时间变化呈现某种上升或下降的趋势预测对象依时间变化呈现某种上升或下降的趋势,并且并且无明显的季节波动无明显的季节波动,又能找到一条合适的函数曲线反映这种又能找到一条合适的函数曲线反映这种变化趋势时变化趋势时,就可以用时间就可以用时间t为自变量为自变量,时序数值时序数值y为因变量为因变量,建建立回归趋势模型立回归趋势模型,当有理由相信这种趋势能够延伸到未来时当有理由相信这种趋势能够

12、延伸到未来时,赋予变量赋予变量t所需要的值所需要的值,可以得到相应时刻的时间序列未来值可以得到相应时刻的时间序列未来值,即趋势外推预测法即趋势外推预测法适用于有长期趋势的时间序列。适用于有长期趋势的时间序列。选择工具工具菜单中的数据分析数据分析命令，弹出数据分析数据分析对话框。 在分析工具分析工具列表框中，选回归回归工具。 这时，将弹出回归回归对话框，如图所示。 2122 指定输入参数。在输入输入Y区域区域(原始的时间序列数原始的时间序列数据据y)、输入、输入X区域区域(y对应的时间对应的时间t)指定相应数据所在的单元格区域.并选定标志标志复选框，在置信水平置信水平框内键入95%。对于一些特殊

13、的回归模型，可以根据需要指定常数为常数为0（即 ）。 指定输出选项输出选项。这里选择输出到新工作表组新工作表组，并指定工作表名称为“回归模型”，选定残差残差（即随机误差项）和正态分布正态分布中的所有输出选项，以观察相应的结果。 单击确定确定按钮。 最后得到回归分析的计算结果。23利用趋势和季节成分进行预测利用趋势和季节成分进行预测yt = Tt St It非季节化处理非季节化处理步骤：计算季节指数、进行非季节化处理、步骤：计算季节指数、进行非季节化处理、明确存在趋势、分析。明确存在趋势、分析。24(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

14、季节性因素的影响.(4)构造长期趋势模型.(5)进行预测25年季度销量4个季度移动平均 中心化的移动平均 季节不规则值114.824.15.350365.6005.4751.09646.55.8755.7381.133215.86.0755.9750.97125.26.3006.1880.84036.86.3506.3251.07547.46.4506.4001.1563166.6256.5380.91825.66.7256.6750.83937.56.8006.7631.10947.86.8756.8381.141416.37.0006.9380.90825.97.1507.0750.834

15、3848.42614. 13141. 1156. 1133. 109. 13109. 1075. 1096. 184. 03834. 0839. 0840. 093. 03908. 0918. 0971. 0第四季度季节指数第三季度季节指数第二季度季节指数第一季度季节指数27消除季节影响后的数据消除季节影响后的数据ttSY /消除季节影响后的销量 t5.14910699714.89400770425.48772703535.68527137546.22183762156.20703416266.21942397376.47246279686.43638374696.684498328106.859658794116.82232565126.758202933137.042596453147.31696938157.347119931628消除季节影响后的销量0123456780510152029趋势线y = 0.1471x + 5.0996R2 = 0.920801234567805101520tTt147. 0100. 530190.914.1061.8625.809.1913.7523.684.0765.7084.793.0617.7016.8913.7765.7617.717148.0101.5201918181817171720191817FFSTFSTFTTTT