Moving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte an den tatsächlichen Datenpunkten. Regression In diesem Beispiel wird beschrieben, wie eine Regressionsanalyse in Excel durchgeführt wird und wie die Summary Output interpretiert wird. Unten finden Sie unsere Daten. Die große Frage ist: Gibt es eine Beziehung zwischen Menge verkauft (Output) und Preis und Werbung (Input). Mit anderen Worten: können wir vorhersagen, Menge verkauft, wenn wir wissen, Preis und Werbung 1. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 2. Wählen Sie Regression und klicken Sie auf OK. 3. Wählen Sie den Bereich Y (A1: A8). Dies ist die Vorhersagevariable (auch abhängige Variable genannt). 4. Wählen Sie den X-Bereich (B1: C8). Dies sind die erklärenden Variablen (auch als unabhängige Variablen bezeichnet). Diese Säulen müssen benachbart sein. 6. Wählen Sie einen Ausgabebereich. 7. Restmengen prüfen. Excel erzeugt den folgenden Summary Output (gerundet auf 3 Dezimalstellen). R-Quadrat gleich 0,962 ist. Das ist eine sehr gute Passform. 96 der Veränderung der Menge verkauft wird durch die unabhängigen Variablen Preis und Werbung erklärt. Je näher 1 ist, desto besser passt die Regressionslinie (read on) zu den Daten. Bedeutung F und P-Werte Um zu überprüfen, ob Ihre Ergebnisse zuverlässig sind (statistisch signifikant), betrachten Sie die Signifikanz F (0,001). Wenn dieser Wert kleiner als 0,05 ist, sind Sie OK. Wenn Signifikanz F größer als 0,05 ist, ist es wahrscheinlich besser, mit diesem Satz von unabhängigen Variablen aufzuhören. Löschen Sie eine Variable mit einem hohen P-Wert (größer als 0,05) und führen Sie die Regression erneut aus, bis Signifikanz F unter 0,05 fällt. Die meisten oder alle P-Werte sollten unter 0,05 liegen. In unserem Beispiel ist dies der Fall. (0,000, 0,001 und 0,005). Koeffizienten Die Regressionsgerade ist: y Menge Verkauft 8536.214 -835.722 Preis 0.592 Werbung. Mit anderen Worten: Für jede Erhöhung der Stückzahl sinkt die Menge des Verkaufs mit 835.722 Einheiten. Für jede Erhöhung der Werbemaßnahmen erhöht sich die Verkaufsmenge mit 0,592 Einheiten. Das sind wertvolle Informationen. Sie können diese Koeffizienten auch verwenden, um eine Prognose durchzuführen. Zum Beispiel, wenn der Preis gleich 4 ist und Werbung gleich 3000 ist, können Sie möglicherweise eine Menge von 8536.214 -835.722 4 0.592 3000 6970 erreichen. Die Residuen zeigen Ihnen, wie weit die tatsächlichen Datenpunkte von den vorhergesagten Datenpunkten entfernt sind Gleichung). Beispielsweise ist der erste Datenpunkt gleich 8500. Unter Verwendung der Gleichung ist der vorhergesagte Datenpunkt gleich 8536.214 -835.722 2 0.592 2800 8523.009, was einen Restwert von 8500 - 8523.009 -23.009 ergibt. Sie können auch einen Streudiagramm dieser Residuen erstellen.
No comments:
Post a Comment