回归分析预测法例题_用EXCEL实现回归分析,进行数据预测

发布于:2021-09-26 08:16:13

之前跟大家一起分享了如何用EXCEL进行回归分析,现在跟大家一起来学*一下如何用EXCEL做时间序列分析。


在百科里,时间序列分析分析的解释是这样的:时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。而时间序列分析的作用有以下四点:


1.可以反映社会经济现象的发展变化过程,描述现象的发展状态和结果。


2.可以研究社会经济现象的发展趋势和发展速度。


3.可以探索现象发展变化的规律,对某些社会经济现象进行预测。


4.利用时间序列可以在不同地区或国家之间进行对比分析,这也是统计分析的重要方法之一


看完上面的介绍,大家是不是已经对时间序列有了一定的了解了。今天主要是跟大家分享一下时间序列分析中的一种:利用季节指数法进行预测。


当我们的时间序列数据如果具有季节性周期变化(受季节更替等因素影响,序列依一固定周期规则性的变化,又称商业循环)的时候,我们一般就会采用季节指数法来进行分析。


话不多说,我们直接进入正题,下面就是我们这次需要进行分析的数据:






这是某个企业在2015-2018之间每个季度的销售量,我们的目标是要通过现有的这些数据来预测这个企业在2019年四个季度的销售量大概是多少。


首先,我们需要知道时间序列的模型:


Y=T*S*C*I


在这个模型里,我们需要利用的季节指数就是变量S,我们先在EXCEL表里建立一张表格:






首先我们需要对现有数据里面的销售量Y进行四项*均:






做完四项*均以后,我们还需要对所得到的数进行中心*均,这样我们就能够得到TC的值:






求出TC以后我们根据公式就能得出带不规则变动的季节指数SI(SI=Y/TC):






当我们求出SI以后,因为我们是需要得到季节指数S,所以我们需要把里面的不规则变动I去掉,所以我们还需要对SI进行处理:






上图就是我们需要去掉不规则变动I所进行的处理,我们把每个季度的SI这样放到一个新的表格中,下方的季节*均就是每个季度在四年里面的*均值:






这个时候我们在季节*均后把四个数进行求和处理:






最后我们就能够得出我们所需要的去除不规则变动I的季节指数S:






这个时候我们便完成了对季节指数S的计算,现在我们需要把求出来的季节指数放到我们最开始做的表格里面:






当我们把最重要的2015-2018年季节指数求出来了以后,我们就可以进行下一步计算了,在这道题里,我们可以使用趋势外推的方法来求表中的长期趋势T,这是完成整个预测里面重要的一个步骤,用到的就是我们昨天给大家分享的回归分析:






上图就是我们做回归分析所进行的操作,然后得出下图的结论:






回归分析的结果就不跟大家一一讲解了,昨天的文章里面都有谈到,我们从结果可以看出整个模型的效果还是挺好的,然后我们得出的回归方程为:


Y=-115.5+204.18X


这个时候我们回到最初的那个表里把长期趋势T求出来:






到这里,我们整个分析就差最后一步了,使用季节指数S以及趋势值T来对2019年的销售量Y进行预测,我们先把数据补充完整:






当我们把表格完成以后,我们需要的预测值Y就等于2019年各个季度的季节指数S*长期趋势T:






上图中黄色部分就是我们本次分析里面所预测到的2019年四个季度销售量Y的值。到这里,我们这次的分析就算全部做完了。


其实在我们工作当中,时间序列分析用到的地方特别多,今天只是跟大家介绍了如何用EXCEL进行来进行分析,在其他的数据分析工具当中,也都能够用这个模型进行分析,比如说SPSS、R、PYTHON等都是可以做这个分析的。大家在工作当中需要根据情况来选择自己合适的分析方法以及工具,才能够达到事半功倍的效果。







相关资源:线性回归预测

相关推荐

最新更新

猜你喜欢