Zentriert Durchschnitt Monats Daten

Bei der Berechnung eines laufenden gleitenden Durchschnittes ist die Platzierung des Mittelwertes in der mittleren Zeitspanne sinnvoll. Im vorigen Beispiel haben wir den Durchschnitt der ersten 3 Zeiträume berechnet und als nächstes in die Periode 3 gelegt. Wir hätten den Durchschnitt in die Mitte des Zeitintervall von drei Perioden, also neben Periode 2 Das funktioniert gut mit ungeraden Zeiträumen, aber nicht so gut für gleichzeitige Zeiträume Also wo würden wir den ersten gleitenden Durchschnitt platzieren, wenn M 4.Technisch, würde der Moving Average fallen T 2 5, 3 5. Um dieses Problem zu vermeiden, glätten wir die MA s mit M 2 So weglassen wir die geglätteten Werte. Wenn wir eine gerade Anzahl von Ausdrücken beurteilen, müssen wir die geglätteten Werte glätten. Die folgende Tabelle zeigt die Ergebnisse mit M 4. David, Ja, MapReduce ist beabsichtigt, auf einer großen Menge an Daten zu operieren Und die Idee ist, dass im Allgemeinen die Karte und reduzieren Funktionen sollte nicht darauf achten, wie viele Mapper oder wie viele Reduzierstücke gibt es, das ist nur Optimierung Wenn Sie Denken Sie sorgfältig nach dem Algorithmus, den ich gepostet habe Kann sehen, dass es nicht wichtig ist, welcher Mapper bekommt, welche Teile der Daten jeder Eingabedatensatz für jeden reduzierenden Betrieb verfügbar sein wird, der es benötigt Joe K Sep 18 12 um 22 30. Im besten meiner Verständnis gleitenden Durchschnitt ist nicht schön Karten zu MapReduce Paradigma seit seiner Berechnung ist im Wesentlichen Schiebefenster über sortierte Daten, während MR Verarbeitung von nicht geschnittenen Bereichen von sortierten Daten Lösung Ich sehe, ist wie folgt a Um benutzerdefinierte Partitionierer zu implementieren, um in der Lage sein, zwei verschiedene Partitionen in zwei Läufen in jedem Lauf zu machen Ihre Reduzierstücke erhalten unterschiedliche Bereiche von Daten und berechnen gleitenden Durchschnitt, wo angemessen, ich werde versuchen zu veranschaulichen In den ersten Run-Daten für Reduzierstücke sollte R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8.hier Sie cacluate gleitenden Durchschnitt Für einige Qs. In nächsten laufen Ihre Reduzierstücke sollten Daten wie R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14.And caclulate den Rest der gleitenden Durchschnitte Dann müssen Sie aggregieren results. Idea der benutzerdefinierten Partitionierer, dass es zwei Modi von Oper haben wird Ation - jedes Mal in gleiche Bereiche, aber mit einigen Verschiebung In einem Pseudocode wird es wie diese Partitionstaste aussehen SHIFT MAXKEY numOfPartitions wo SHIFT wird aus der Konfiguration genommen werden MAXKEY Maximalwert der Taste Ich nehme zur Vereinfachung, dass sie mit Null beginnen. RecordReader , IMHO ist keine Lösung, da es auf spezifische Split begrenzt ist und kann nicht über Split s Grenze gleiten. Eine andere Lösung wäre, um benutzerdefinierte Logik der Aufteilung der Eingabedaten zu implementieren ist es Teil der InputFormat Es kann getan werden, um 2 verschiedene Folien zu tun, Ähnlich wie partitioning. answered Sep 17 12 at 8 59.Predictive Analytics mit Microsoft Excel Arbeiten mit saisonalen Zeitreihen. In diesem Kapitel. Einfache saisonale Mittelwerte. Moving Mittelwerte und zentrierte Moving Averages. Linear Regression mit Coded Vectors. Simple saisonale Exponential Smoothing. Holt - Minters Models. Matters werden inkrementell komplizierter, wenn man eine Zeitreihe hat, die sich zum Teil durch Saisonalität der Tendenz seines Levels zum Aufsteigen auszeichnet D im Einklang mit der Verabschiedung der Jahreszeiten Wir verwenden die Begriffssaison im allgemeineren Sinne als ihre alltägliche Bedeutung des Jahres s vier Jahreszeiten Im Rahmen der prädiktiven Analytik kann eine Jahreszeit ein Tag sein, wenn Muster wöchentlich wiederholen oder a Jahr in Bezug auf Präsidentschaftswahl Zyklen, oder nur etwa alles dazwischen Eine acht-Stunden-Verschiebung in einem Krankenhaus kann eine Saison darstellen. Dieses Kapitel nimmt einen Blick auf, wie man eine Zeitreihe zerlegen, so dass Sie sehen können, wie seine Saisonalität abgesehen von Seine Tendenz, wenn irgendwelche Wie Sie aus dem Material in den Kapiteln 3 und 4 erwarten könnten, stehen Ihnen mehrere Ansätze zur Verfügung. Einfache saisonale Mittelwerte. Die Verwendung von einfachen saisonalen Mittelwerten, um eine Zeitreihe zu modellieren, kann Ihnen manchmal ein ziemlich grobes Modell für die Daten Aber der Ansatz achtet auf die Jahreszeiten im Datensatz, und es kann leicht viel genauer als eine Prognose-Technik als einfache exponentielle Glättung, wenn die Saisonalität ausgesprochen wird sicherlich dient es als usefu L Einführung in einige der Verfahren, die mit Zeitreihen verwendet werden, die sowohl saisonal als auch trended sind, also schauen Sie sich das Beispiel in Abbildung 5 an 1.Figure 5 1 Bei einem horizontalen Modell ergeben einfache Mittelwerte Prognosen, die nicht mehr als saisonale Mittel sind. Die Daten und das Diagramm, die in Abbildung 5 1 gezeigt werden, repräsentieren die durchschnittliche Anzahl der täglichen Hits zu einer Website, die den Fans der National Football League entspricht. Jede Beobachtung in Spalte D repräsentiert die durchschnittliche Anzahl von Hits pro Tag in jedem von vier Vierteln über fünf - Jahr Zeitspanne. Identifizierung eines Saisonmusters. Sie können aus den Mittelwerten im Bereich G2 G5 sagen, dass eine deutliche vierteljährliche Wirkung stattfindet Die größte durchschnittliche Anzahl der Treffer tritt im Herbst und Winter, wenn die wichtigsten 16 Spiele und die Playoffs sind Geplante Zinsen, gemessen an durchschnittlichen täglichen Hits, sinken während der Frühjahrs - und Sommermonate. Die Mittelwerte sind einfach zu berechnen, ob Sie sich mit Arrayformeln wohl fühlen oder nicht. Um den Mittelwert aller fünf Instanzen zu erhalten Quartal 1, zum Beispiel können Sie diese Array-Formel in Zelle G2 von Abbildung 5 verwenden 1.Array-geben Sie es mit Strg-Shift Enter oder Sie können die AVERAGEIF-Funktion verwenden, die Sie auf normale Weise eingeben können, indem Sie die Enter-Taste In drücken General, ich bevorzuge die Array-Formel-Ansatz, weil es mir Raum für eine größere Kontrolle über die Funktionen und Kriterien beteiligt. Die Charted-Daten-Serie enthält Daten-Etiketten zeigen, welche Viertel jeder Datenpunkt gehört Das Diagramm Echo die Nachricht der Mittelwerte in G2 G5 Quartalen 1 und 4 wiederholt die meisten Hits Es gibt klare Saisonalität in diesem Datensatz. Calculating Saisonindizes. Nachdem Sie entschieden haben, dass eine Zeitreihe eine saisonale Komponente hat, möchten Sie die Größe des Effekts quantifizieren Die Mittelwerte, die in Abbildung 5 gezeigt werden 2 stellen dar, wie die Methode der einfachen Mittelwerte über diese Aufgabe geht. Figur 5 2 Kombiniere den großen Mittelwert mit den saisonalen Mittelwerten, um die saisonalen Indizes zu erhalten. In Abbildung 5 2 erhält man additive saisonale Indizes im Bereich G10 G13 durch Subtraktion von th E großartiges Mittel in Zelle G7 von jedem saisonalen Durchschnitt in G2 G5 Das Ergebnis ist die Wirkung des Seins im Viertel 1, das im Quartal 2, und so weiter Wenn ein gegebener Monat im Viertel 1 ist, erwarten Sie, dass es 99 65 hat Mehr durchschnittliche tägliche Hits als der große Mittelwert von 140 35 Hits pro Tag. Diese Information gibt Ihnen ein Gefühl, wie wichtig es ist, in einer bestimmten Saison zu sein Angenommen, Sie besitzen die Website in Frage und Sie möchten Werbefläche auf sie verkaufen Sie können sicherlich einen höheren Preis von Werbetreibenden während des ersten und vierten Quartals fragen, als während der zweiten und dritten Mehr auf den Punkt, können Sie wahrscheinlich berechnen doppelt so viel im ersten Quartal als während der zweiten oder der dritte. Mit den saisonalen Indizes In der Hand sind Sie auch in der Lage, saisonale Anpassungen zu berechnen. Zum Beispiel in Abbildung 5 2 werden die saisonbereinigten Werte für jedes Quartal 2005 in G16 G19 angezeigt. Sie werden durch die Subtraktion des Index aus der zugehörigen Quartalsmessung berechnet Ter M saisonaler Index bezieht sich auf die Zunahme oder Abnahme des Niveaus einer Reihe, die mit jeder Jahreszeit verbunden ist. Auch der Begriff saisonale Wirkung ist in der Literatur in den letzten Jahren erschienen Weil du beide Begriffe sehe, habe ich sie beide in diesem Buch benutzt Eine kleine Angelegenheit ist nur bedenken, dass die beiden Begriffe die gleiche Bedeutung haben. Nichts, dass im normalen Verlauf der Ereignisse von 2001 bis 2005 erwartet man, dass die Ergebnisse des zweiten Quartals hinter dem Ergebnis des ersten Quartals um 133 6 liegen, 99 65 minus 33 95 Aber in den Jahren 2004 und 2005 übersteigen die saisonbereinigten Ergebnisse für das zweite Quartal die für das erste Quartal. Das Ergebnis könnte Sie vielleicht bitten, zu fragen, was sich in den letzten zwei Jahren geändert hat, die die Beziehung zwischen saisonbereinigtem umkehrt Ergebnisse für die ersten beiden Quartiere Ich ziehe diese Frage hier nicht an, um Ihnen vorzuschlagen, dass Sie oft einen Blick auf die beobachteten und die saisonbereinigten Figuren werfen möchten. Forecasting von Simple Seasonal Aver Alterung kein Trend. Obwohl die Methode der einfachen Mittelwerte, wie ich schon früher grob gesagt habe, kann es viel genauer sein als die anspruchsvollere Alternative der exponentiellen Glättung, besonders wenn die saisonalen Effekte ausgesprochen und zuverlässig sind. Wenn die Zeitreihe untrended ist, wie Ist der Fall mit dem Beispiel dieser Abschnitt hat diskutiert, die einfache saisonale Prognosen sind nichts weiter als die saisonalen Mittelwerte Wenn die Serie nicht trending entweder nach oben oder unten, Ihre beste Schätzung des Wertes für die nächste Saison ist, dass Saison s historischen Durchschnitt Siehe Abbildung 5 3.Figure 5 3 Kombinieren Sie den Großartigen mit den saisonalen Mittelwerten, um die saisonalen Indizes zu erhalten. In der Grafik in Abbildung 5 3 stellt die gestrichelte Linie die Prognosen der einfachen Glättung dar. Die beiden durchgezogenen Linien stellen die tatsächlichen saisonalen Beobachtungen und die saisonalen Mittelwerte dar Beachten Sie, dass die saisonalen Mittelwerte die tatsächlichen saisonalen Beobachtungen ganz genau noch viel genauer verfolgen als die geglätteten Prognosen. Sie können sehen, wie viel näher man sich nähert Y aus den beiden RMSEs in den Zellen F23 und H23 Die RMSE für die saisonalen Mittelwerte ist nur ein bisschen mehr als ein Drittel der RMSE für die geglätteten Prognosen. Sie können das bis zu der Größe der saisonalen Effekte und ihrer Konsistenz kreiden. Angenommen, die Differenz zwischen dem mittleren und dem zweiten Quartal betrug 35 0 statt 133 6, was die Differenz zwischen den Zellen G2 und G3 in Abbildung 5 2 ist. Dann wäre in einem Glättungskontext der Istwert für Quartal 1 Ein viel besserer Prädiktor für den Wert für Quartal 2 als dies bei dieser Zeitreihe der Fall ist und die exponentielle Glättung kann sich stark auf den Wert der aktuellen Beobachtung für die Prognose der nächsten Periode verlassen. Ist die Glättungskonstante auf 1 0 gesetzt, so ist eine exponentielle Glättung Beschließt na na prognose und die prognose immer gleich der vorherigen actual. The Tatsache, dass die Größe jeder Saison Swing ist so konsistent von Quartal zu Quartal bedeutet, dass die einfache saisonale Durchschnittswerte sind zuverlässige Prognosen Keine tatsächliche quart Die Beobachtung verläuft sehr weit vom saisonalen Gesamtdurchschnitt. Einfache saisonale Mittelwerte mit Trend. Die Verwendung von einfachen saisonalen Mitteln mit einer trendigen Serie hat einige echte Nachteile, und ich bin versucht, vorzuschlagen, dass wir es ignorieren und auf fleißige Themen zu bewegen Aber es Es ist möglich, dass Sie in Situationen laufen, in denen jemand diese Methode verwendet hat und dann hat es gewann t verletzt, um zu wissen, wie es funktioniert und warum es bessere Entscheidungen gibt. Jede Methode des Umgangs mit Saisonalität in einer trendigen Serie muss mit dem grundlegenden Problem umgehen Um die Wirkung des Trends von der Saison zu distanzieren Die Saisonalität neigt dazu, den Trend zu verdecken, und umgekehrt Siehe Abbildung 5 4.Figure 5 4 Die Anwesenheit von Trend kompliziert die Berechnung der saisonalen Effekte. Die Tatsache, dass der Trend in der Serie aufwärts ist Im Laufe der Zeit bedeutet das, dass jede Jahreszeit s Beobachtungen, wie es im No-Trend-Fall getan wurde, die allgemeine Tendenz mit der saisonalen Variation verwechselt. Die übliche Idee ist, den Trend separa zu berücksichtigen Aus den saisonalen Effekten können Sie den Trend quantifizieren und den Effekt von den beobachteten Daten subtrahieren. Das Ergebnis ist eine ungestreitete Serie, die die saisonale Variation beibehält. Es könnte in der gleichen Weise gehandhabt werden, wie ich es in diesem Kapitel bereits veranschaulicht habe Year. One Weg, um die Daten und andere Wege zu vernachlässigen wird zweifellos auftreten, ist es, den Trend auf der Grundlage der jährlichen Mittelwerte anstatt vierteljährlichen Daten zu berechnen Die Idee ist, dass der jährliche Durchschnitt ist unempfindlich gegenüber den saisonalen Effekten Das heißt, wenn Sie ein Jahr subtrahieren Das Mittelwert aus dem Wert für jedes Quartier, die Summe und damit der Durchschnitt der vier vierteljährlichen Effekte ist genau Null. Ein Trend, der mit den Jahresdurchschnitten berechnet wird, bleibt von den saisonalen Variationen nicht betroffen. Diese Berechnung ergibt sich in Abbildung 5 5.Figure 5 5 Diese Methode setzt nun eine lineare Regression auf die einfachen Mittelwerte ein. Der erste Schritt, um die Daten zu verteilen, besteht darin, die durchschnittlichen täglichen Hits für jedes Jahr zu erhalten. Das ist im Bereich H3 H7 in Abb Ure 5 5 Die Formel in Zelle H3 z. B. ist AVERAGE D3 D6.Bearbeitung der Entwicklung auf der Grundlage der jährlichen Mittel. Mit den jährlichen Durchschnittswerten in der Hand, sind Sie in der Lage, ihre Tendenz zu berechnen, die man mit LINEST im Bereich verwaltet hat I3 J7, mit diesem Array formula. Wenn Sie don t liefern x-Werte als das zweite Argument zu LINEST Excel liefert Standard-x-Werte für Sie Die Vorgaben sind einfach die aufeinanderfolgenden Ganzzahlen beginnend mit 1 und endend mit der Anzahl der y-Werte, die Sie rufen im ersten Argument an In diesem Beispiel sind die voreingestellten x-Werte identisch mit denen, die auf dem Arbeitsblatt in G3 G7 angegeben sind, so dass Sie LINEST H3 H7 TRUE verwenden können. Diese Formel verwendet zwei Standardwerte für die x-Werte und die Konstante , Vertreten durch die drei aufeinanderfolgenden Kommas. Der Punkt dieser Übung ist es, den Jahres-zu-Jahres-Trend zu quantifizieren, und LINEST tut das für dich in Zelle I3 Diese Zelle enthält den Regressionskoeffizienten für die x-Werte Multiply 106 08 von 1 dann Um 2 dann um 3, 4 und 5 und addiere jedes Resultat das Abfangen von 84 63 Obwohl das Sie jährliche Prognosen bekommt, ist der wichtigste Punkt für dieses Verfahren der Wert des Koeffizienten 106 08, der den jährlichen Trend quantifiziert. Der Schritt, den ich gerade besprochen habe, ist die Quelle meiner Bedenken über den gesamten Ansatz, den dieser Abschnitt hat Beschreibt Sie haben in der Regel eine kleine Anzahl von umgreifenden Perioden in diesem Beispiel, dass s Jahre, um durch die Regression laufen Regression s Ergebnisse neigen dazu, schrecklich instabil, wenn, wie hier, sie auf einer kleinen Anzahl von Beobachtungen basiert Und doch dieses Verfahren stützt sich auf Diese Ergebnisse stark, um die Zeitreihen zu vernachlässigen. Preisung der Trend über Jahreszeiten. Die einfache Mittelwerte Methode der Umgang mit einer trendigen, saisonalen Serien wie diese weiter durch die Division der Trend durch die Anzahl der Perioden in der Umfassende Zeit zu bekommen Ein Per-Perioden-Trend Hier ist die Anzahl der Perioden pro Jahr vier wir arbeiten mit vierteljährlichen Daten, so dass wir teilen 106 08 von 4, um den Trend pro Quartal bei 26 5 zu schätzen. Das Verfahren uns Die periodische Tendenz, indem sie sie von dem durchschnittlichen periodischen Ergebnis abzieht. Zweck ist es, den Effekt des Jahresverlaufs aus den saisonalen Effekten zu beseitigen. Zunächst müssen wir das durchschnittliche Ergebnis über alle fünf Jahre für den Zeitraum 1 für die Periode 2 und So weiter Um dies zu tun, hilft es, die Liste der tatsächlichen vierteljährlichen Treffer, die im Bereich D3 D22 von Abbildung 5 5 gezeigt ist, in eine Matrix von fünf Jahren um vier Viertel, die im Bereich G11 J15 gezeigt ist, anzuzeigen. Beachten Sie, dass die Werte in dieser Matrix Entsprechen der Liste in Spalte D. Mit den auf diese Weise angeordneten Daten ist es einfach, den durchschnittlichen vierteljährlichen Wert über die fünf Jahre im Datensatz zu berechnen, der im Bereich G18 J18 erfolgt. Der Effekt des von LINEST zurückgegebenen Trends Erscheint im Bereich G19 J19 Der Anfangswert für jedes Jahr ist die beobachtete mittlere Täuschung für das erste Quartal, so dass wir keine Anpassung für das erste Quartal machen. Ein Viertel-Trend oder 26 5 wird vom zweiten Quartal abgezogen Mittlere Treffer, was zu einem Angepasstes zweites Quartalwert von 329 9 siehe Zelle H21, Abbildung 5 5 Zwei Viertel im Trend, 2 26 5 oder 53 in Zelle I19, wird vom dritten Quartal abgezogen, um einen angepassten dritten Quartalwert von 282 6 in zu erhalten Zelle I21 Und ähnlich für das vierte Quartal, subtrahieren drei Viertel des Trends von 454 4, um 374 8 in Zelle J21 zu bekommen. Denken Sie daran, dass, wenn der Trend war unten lieb als oben, wie in diesem Beispiel würden Sie den periodischen Trend Wert hinzufügen Zu den beobachteten periodischen Mitteln, anstatt sie zu subtrahieren. Konvertieren der angepassten saisonalen Mittel zu saisonalen Effekten. Wenn die Logik dieser Methode, die Werte in den Zeilen 20 21 von Abbildung 5 5 sind die durchschnittlichen vierteljährlichen Ergebnisse für jedes von vier Quartalen, mit der Wirkung des allgemeinen Aufwärtstrends im Datensatz entfernt Die Zeilen 20 und 21 werden in den Spalten G bis J zusammengeführt. Mit ihrem Trend aus dem Weg können wir diese Zahlen auf die saisonalen Effekte um das Ergebnis des ersten Quartals umwandeln Das zweite Quartal, und so weiter, um diese zu bekommen Effekte, beginnen mit der Berechnung des großartigen Mittels der angepassten vierteljährlichen Mittel. Der bereinigte Großmittelwert erscheint in Zelle I23. Die Analyse setzt sich in Abbildung 5 fort 6.Figure 5 6 Die vierteljährlichen Effekte oder Indizes werden verwendet, um die beobachteten Quartalsgruppen zu entsorgen 6 wiederholt die vierteljährlichen Anpassungen und den angepassten Mittelwert aus der Unterseite von Abbildung 5 5 Sie werden kombiniert, um die vierteljährlichen Indizes zu bestimmen, die Sie auch als saisonale Effekte denken können. Beispielsweise ist die Formel in Zelle D8 wie folgt: Es gibt 33 2 zurück Das ist der Effekt des Seins im zweiten Quartal, vis - vis der großartigen Mittel In Bezug auf den großen Mittelwert, können wir erwarten, dass ein Ergebnis, das zum zweiten Quartal gehört, unter den großen Mittelwert um 33 2 Einheiten fallen Effekte auf die beobachteten Quarterlies. To rekapitulieren Bisher haben wir den jährlichen Trend in den Daten über die Regression quantifiziert und diesen Trend um 4 geteilt, um ihn auf einen vierteljährlichen Wert zu beschränken. Abheben in Abbildung 5 6 haben wir den Mittelwert für jedes Quartal angepasst N C3 F3 durch Subtraktion der angestrebten Trends in C4 F4 Das Ergebnis ist eine abgesetzte Schätzung des Mittelwertes für jedes Quartal, unabhängig von dem Jahr, in dem das Quartal stattfindet, in C5 F5 Wir subtrahierten den angepassten Großmittel in der Zelle G5 aus Die angepassten vierteljährlichen Mittel in C5 F5 Das konvertiert jedes Quartal s Mittel zu einem Maß für die Wirkung jedes Quartals im Vergleich zu den angepassten Großartigen Dies sind die saisonalen Indizes oder Effekte in C8 F8.Next wir entfernen die saisonalen Effekte aus den beobachteten Quartalen As Gezeigt in Abbildung 5 6 Sie tun dies, indem Sie die vierteljährlichen Indizes in C8 F8 von den entsprechenden Werten in C12 F16 subtrahieren. Und der einfachste Weg, dies zu tun, ist, diese Formel in Zelle C20 einzugeben. Geben Sie das einzelne Dollarzeichen vor dem 8 in der Referenz ein Zu C 8 Dass sa gemischte Referenz teilweise relativ und teilweise absolut Das Dollarzeichen verankert den Verweis auf die achte Reihe, aber der Spaltenabschnitt der Referenz ist frei, um zu variieren. Folglich, nachdem die letztere Formel in Zelle C20 eingegeben wurde, N Klick auf die Zelle s Auswahl Handle das kleine Quadrat in der unteren rechten Ecke einer ausgewählten Zelle und ziehen Sie rechts in Zelle F20 Die Adressen passen, wie Sie nach rechts ziehen und Sie wickeln mit den Werten, mit den saisonalen Effekten entfernt, für Jahr 2001 in C20 F20 Wählen Sie diesen Bereich von vier Zellen und verwenden Sie die mehrfache Auswahl s Griff, jetzt in F20, um in Zeile 24 zu ziehen. So füllt sich der Rest der Matrix. Es ist wichtig, hier zu berücksichtigen, dass wir das anpassen Ursprüngliche vierteljährliche Werte für die saisonalen Effekte Was auch immer der Trend in den ursprünglichen Werten bestand, ist immer noch da, und in der Theorie bleibt zumindest dort, nachdem wir die Anpassungen für saisonale Effekte vorgenommen haben. Wir haben einen Trend entfernt, ja, aber nur aus den saisonalen Effekten , Wenn wir die verstorbenen saisonalen Effekte von den ursprünglichen vierteljährlichen Beobachtungen subtrahieren, sind die ursprünglichen Beobachtungen mit dem Trend aber ohne saisonale Effekte. Ich habe jene saisonbereinigten Werte in Abbildung 5 gezeigt Dieses Diagramm zum Diagramm in Abbildung 5 4 Beachten Sie in Abbildung 5 6, dass, obwohl die entsorgten Werte nicht genau auf einer Geraden liegen, ein Großteil der saisonalen Wirkung entfernt worden ist. Regressing der Deseasonalized Quarterlies auf die Zeitperioden. Der nächste Schritt ist Um Prognosen aus den saisonbereinigten, trendigen Daten in Abbildung 5 6 Zellen C20 F24 zu erstellen, und an diesem Punkt haben Sie mehrere Alternativen verfügbar. Sie könnten den differenzierten Ansatz mit einer einfachen, exponentiellen Glättung nutzen, die in Kapitel 3, Arbeiten mit Trended Time Series, diskutiert wurde Sie könnten auch Holts Ansatz verwenden, um die Trendreihen zu glätten, die sowohl in Kapitel 3 als auch in Kapitel 4 diskutiert wurden. Initialisieren von Prognosen Beide Methoden setzen Sie in die Lage, eine einstufige Prognose zu erstellen, zu der Sie den entsprechenden Saisonindex hinzufügen würden. Ein anderer Ansatz, den ich hier verwende, legt zuerst die trendigen Daten durch eine andere Instanz der linearen Regression und fügt dann den saisonalen Index hinzu. Siehe Abbildung 5 7.Figure 5 7 Die f Die erste echte Prognose ist in Zeile 25.Bild 5 7 gibt die entsorgten vierteljährlichen Mittel aus der tabellarischen Anordnung in C20 F24 von Abbildung 5 6 auf die Listenanordnung im Bereich C5 C24 von Abbildung 5 zurück. Wir können LINEST in Verbindung mit den Daten verwenden In B5 C24 in Abbildung 5 7, um die Abgrenzungsgleichung s Abgrenzung und Koeffizient zu berechnen, dann könnten wir den Koeffizienten durch jeden Wert in Spalte B multiplizieren und den Zwischenpunkt zu jedem Produkt hinzufügen, um die Prognosen in Spalte D zu erstellen. Aber obwohl LINEST nützlich zurückkehrt Informationen, außer dem Koeffizienten und dem Abfangen, TREND ist ein schnellerer Weg, um die Prognosen zu erhalten, und ich benutze es in Abbildung 5 7.Die Reichweite D5 D24 enthält die Prognosen, die sich aus dem Regressieren der entsetzten Quartalszahlen in C5 C24 auf die Periodennummern ergeben B5 B24 Die in D5 D24 verwendete Arrayformel ist das. Dieser Satz von Ergebnissen spiegelt die Auswirkung des allgemeinen Aufwärtstrends in der Zeitreihe wider Da die Werte, die TREND prognostiziert hat, entstellt wurden, bleibt es bestehen S, um die saisonalen Effekte, auch als saisonale Indizes bekannt, wieder in die Trend-Prognose. Adding der Saison-Indizes zurück In. Die saisonalen Indizes, berechnet in Abbildung 5 6 sind in Abbildung 5 7 zuerst in den Bereich C2 F2 und dann Wiederholt im Bereich E5 E8, E9 E12 usw. Die reseasonalisierten Prognosen werden in F5 F24 durch Addition der saisonalen Effekte in Spalte E auf die Trendprognosen in Spalte D gesetzt. Um die einstufige Prognose in Zelle F25 zu erhalten Abbildung 5 7 Der Wert von t für die nächste Periode geht in die Zelle B25 Die folgende Formel wird in die Zelle D25 eingegeben. Es wird Excel angewiesen, die Regressionsgleichung zu berechnen, die Werte im Bereich C5 C24 von denen in B5 B24 prognostiziert und diese Gleichung anwendet Auf den neuen x-Wert in Zelle B25. Der entsprechende saisonale Index wird in Zelle E25 platziert und die Summe von D25 und E25 wird in F25 als die erste wahre Prognose der trendigen und saisonalen Zeitreihen platziert. Du findest den ganzen Satz Von entsetzten Quartalen und die Prognosen i N Abbildung 5 8.Figure 5 8 Die saisonalen Effekte werden an die Prognosen zurückgegeben. Evaluating Simple Averages. Der Ansatz für den Umgang mit einer saisonalen Zeitreihe, die in mehreren früheren Abschnitten diskutiert wurde, hat eine intuitive Anziehungskraft Die Grundidee scheint einfach. Calculate eine jährliche Trend durch die Rückkehr von jährlichen Mitteln gegen ein Maß von Zeitperioden. Entdecken Sie den jährlichen Trend unter den Perioden innerhalb des Jahres. Sammeln Sie die verteilten Trend aus den periodischen Effekten, um angepasst Effekte zu erhalten. Sammeln Sie die angepassten Effekte aus den tatsächlichen Maßnahmen, um die Zeitreihe zu entschlüsseln. Erstellen Sie Prognosen aus der entschätzten Serie, und fügen Sie die angepassten saisonalen Effekte zurück in. Meine eigene Ansicht ist, dass mehrere Probleme den Ansatz schwächen, und ich hätte es nicht in dieses Buch aufgenommen, außer dass Sie wahrscheinlich sind, es zu begegnen und daher vertraut sein sollte Mit ihm Und es bietet eine nützliche Sprungbrett zu diskutieren, einige Konzept und Verfahren in anderen, stärkeren Ansätze gefunden. Erstens gibt es die Frage, welche Ich beschwerte mich früher in diesem Kapitel über die sehr kleine Stichprobengröße für die Regression der jährlichen Mittel auf aufeinanderfolgende Ganzzahlen, die jedes Jahr identifizieren. Sogar mit nur einem Prädiktor, so wenig wie 10 Beobachtungen ist wirklich kratzen die Unterseite des Fasses Zumindest sollten Sie Schauen Sie sich die resultierende R 2 bereinigt auf Schrumpfung und wahrscheinlich neu berechnen die Standard-Fehler der Schätzung entsprechend. Es ist wahr, dass je stärker die Korrelation in der Bevölkerung, desto kleiner die Probe können Sie weg mit Aber arbeiten mit Quartalen innerhalb von Jahren, Sie glücklich Zu finden, so viele wie 10 Jahre im Wert von aufeinander folgenden vierteljährlichen Beobachtungen, die jeweils in der gleichen Weise über diese Zeitspanne gemessen. Ich nicht überzeugt, dass die Antwort auf die problematische up-and-down-Muster finden Sie innerhalb eines Jahres sehen das Diagramm in Abbildung 5 4 ist es, die Gipfel und Täler auszurotten und eine Trendschätzung aus den jährlichen Mitteln zu erhalten. Sicherlich ist es eine Antwort auf dieses Problem, aber, wie Sie sehen werden, gibt es viel stärker getroffen Hod der Segregation der saisonalen Effekte aus einer zugrunde liegenden Tendenz, die für sie beide, und Prognose entsprechend Ich werde diese Methode später in diesem Kapitel, in der Linear Regression mit Coded Vectors Abschnitt zu behandeln. Darüber hinaus gibt es keine Grundlage in der Theorie für die Verteilung der jährlichen Tendenz gleichmäßig unter den Perioden, die das Jahr komponieren Es ist wahr, dass die lineare Regression etwas Ähnliches tut, wenn es seine Prognosen auf eine Gerade stellt. Aber es gibt eine riesige Kluft zwischen einer fundamentalen Annahme, weil das analytische Modell die Daten nicht anders behandeln und akzeptieren kann Ein fehlerhaftes Ergebnis, dessen Fehler Fehler in den Prognosen gemessen und ausgewertet werden können. Das heißt, lassen Sie sich auf die Verwendung von gleitenden Durchschnitten anstelle von einfachen Mittelwerten als ein Weg, um mit Saisonalität umzugehen.