1、1應用應用Excel進行時間序列分析進行時間序列分析重點重點v1 1、Excel進行移動平均分析的操作步驟進行移動平均分析的操作步驟v2 2、Excel進行指數平滑分析進行指數平滑分析的操作步驟的操作步驟v3 3、Excel進行趨勢外推預測法的操作步驟進行趨勢外推預測法的操作步驟v4 4、Excel進行時間序列分解法的操作步驟進行時間序列分解法的操作步驟3 移動平均法是一種簡單平滑預測技術，它的基本思想是：根據時間序列資料、逐項推移，依次計算包含一定項數的序時平均值，以反映長期趨勢的方法。因此，當時間序列的數值由于受周期變動和隨機波動的影響，起伏較大，不易顯示出事件的發展趨勢時，使用移動平均法

2、可以消除這些因素的影響，顯示出事件的發展方向與趨勢（即趨勢線），然后依趨勢線分析預測序列的長期趨勢。 41 Excel進行移動平均分析的操作步驟進行移動平均分析的操作步驟簡單移動平均法簡單移動平均法公式表明當公式表明當t向前移動一個時期，就增加一個新近數據，去掉一個遠期數據，向前移動一個時期，就增加一個新近數據，去掉一個遠期數據，得到一個新的平均數。由于它不斷地得到一個新的平均數。由于它不斷地“吐故納新吐故納新”，逐期向前移動，所以稱，逐期向前移動，所以稱為移動平均法。為移動平均法。 由于移動平均可以平滑數據，消除周期變動和不規則變動的影響，使得長期趨勢顯示出來，因而可以用于預測。其預測公式為

3、： 即以第t周期的一次移動平均數作為第t+1周期的預測值。 1ttFS5趨勢移動平均法趨勢移動平均法(線性二次移動平均法線性二次移動平均法) 當時間序列沒有明顯的趨勢變動時，使用一次移動平均就能夠準確地反映實際情況，直接用第t周期的一次移動平均數就可預測第t+1周期之值。但當時間序列出現線性變動趨勢時，用一次移動平均數來預測就會出現滯后偏差。因此，需要進行修正，修正的方法是在一次移動平均的基礎上再做二次移動平均，利用移動平均滯后偏差的規律找出曲線的發展方向和發展趨勢，然后才建立直線趨勢的預測模型。故稱為趨勢移動平均法。 6應用舉例應用舉例已知某商場19781998年的年銷售額如下表所示，試預測

4、1999年該商場的年銷售額。 年份 銷售額 年份 銷售額 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 1995 92 1985 64 1996 95 1986 69 1997 101 1987 67 1998 107 1988 69 7下面使用移動平均移動平均工具進行預測，具體操作步驟如下： 1.選擇工具工具菜單中的數據分析數據分析命令，此時彈出數據數據分析分析對話框。 在分析工具分析工具列表框中，選擇移動平均移動平均工具。 下面使

5、用移動平均移動平均工具進行預測，具體操作步驟如下： 選擇工具工具菜單中的數據分析數據分析命令，此時彈出數據數據分析分析對話框。 在分析工具分析工具列表框中，選擇移動平均移動平均工具。 8910從圖可以看出，該商場的年銷售額具有明顯的線性增長趨勢。因此要進行預測，還必須先作二次移動平均，再建立直線趨勢的預測模型。而利用Excel 2000提供的移動平均移動平均工具只能作一次移動平均，所以在一次移動平均的基礎上再進行移動平均即可。 二次移動平均的方法同上，求出的二次移動平均值及實際值與二次移動平均值的擬合曲線，如下圖所示。 再利用前面所講的截距 和斜率 計算公式可得： 11于是可得t=21時的直線

6、趨勢預測模型為： 預測1999年該商場的年銷售額為： 122 Excel進行指數平滑分析進行指數平滑分析的操作步驟的操作步驟 移動平均法的預測值實質上是以前觀測值的加權和，且對不同時期的數據給予相同的加權。這往往不符合實際情況。指數平滑法則對移動平均法進行了改進和發展，其應用較為廣泛。 指數平滑法的基本理論指數平滑法的基本理論根據平滑次數不同，指數平滑法分為：一次指數平滑法、二次指數平滑法和三次指數平滑法等。但它們的基本思想都是：預測值是以前觀測值的加權和，且對不同的數據給予不同的權，新數據給較大的權，舊數據給較小的權。 13一次指數平滑法一次指數平滑法設時間序列為 ，則一次指數平滑公式為：

7、式中 為第 t周期的一次指數平滑值； 為加權系數，0 1。 為了弄清指數平滑的實質，將上述公式依次展開，可得： 因為加權系數符合指數規律，且又具有平滑數據的功能，所以稱為指數平滑。 用上述平滑值進行預測，就是一次指數平滑法。其預測模型為： 即以第t周期的一次指數平滑值作為第t+1期的預測值。 14二次指數平滑法二次指數平滑法 當時間序列沒有明顯的趨勢變動時，使用第t周期一次指數平滑就能直接預測第t+1期之值。但當時間序列的變動出現直線趨勢時，用一次指數平滑法來預測仍存在著明顯的滯后偏差。因此，也需要進行修正。修正的方法也是在一次指數平滑的基礎上再作二次指數平滑，利用滯后偏差的規律找出曲線的發展

8、方向和發展趨勢，然后建立直線趨勢預測模型。故稱為二次指數平滑法。 15 應用舉例應用舉例已知某廠19781998年的鋼產量如下表所示，試預測1999年該廠的鋼產量。 年份 鋼產量 年份 鋼產量 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 1995 3277 1985 1524 1996 3514 1986 1668 1997 3770 1987 1688 1998 4107 16下面利用指數

9、平滑指數平滑工具進行預測，具體步驟如下： 選擇工具工具菜單中的數據分析數據分析命令，此時彈出數據分析數據分析對話框。 在分析工具分析工具列表框中，選擇指數平滑指數平滑工具。 這時將出現指數平滑指數平滑對話框，如圖所示。 17在輸入輸入框中指定輸入參數。在輸入區域輸入區域指定數據所在的單元格區域B1:B22；因指定的輸入區域包含標志行，所以選中標志標志復選框；在阻尼系數阻尼系數指定加權系數0.3。注:阻尼系數不是平滑常數阻尼系數不是平滑常數 (阻尼系數阻尼系數=1-平滑常數平滑常數 ) 在輸出選項輸出選項框中指定輸出選項。本例選擇輸出區域輸出區域，并指定輸出到當前工作表以C2為左上角的單元格區域

10、；選中圖表輸出圖表輸出復選框。單擊確定確定按鈕。 這時，Excel給出一次指數平滑值，如下圖所示。 18 從圖可以看出，鋼產量具有明顯的線性增長趨勢。因此需使用二次指數平滑法，即在一次指數平滑的基礎上再進行指數平滑。所得結果如下圖所示。 19122121,.,10.30.73665.473336.0122*3665.473336.013994.90.7(3665.473336.01)2.33*329.37767.43210.7*13994.9767.4324762.33nttx xxssss212121+12121設原始序列為平滑指數為a趨勢值bFab203. Excel進行趨勢外推預測法的操

11、作步驟進行趨勢外推預測法的操作步驟統計資料表明統計資料表明,大量社會經濟現象的發展主要是漸進的大量社會經濟現象的發展主要是漸進的,其發其發展相對于時間具有一定的規律性展相對于時間具有一定的規律性.因此因此,預測對象依時間變化呈現某種上升或下降的趨勢預測對象依時間變化呈現某種上升或下降的趨勢,并且并且無明顯的季節波動無明顯的季節波動,又能找到一條合適的函數曲線反映這種又能找到一條合適的函數曲線反映這種變化趨勢時變化趨勢時,就可以用時間就可以用時間t為自變量為自變量,時序數值時序數值y為因變量為因變量,建建立回歸趨勢模型立回歸趨勢模型,當有理由相信這種趨勢能夠延伸到未來時當有理由相信這種趨勢能夠延

12、伸到未來時,賦予變量賦予變量t所需要的值所需要的值,可以得到相應時刻的時間序列未來值可以得到相應時刻的時間序列未來值,即趨勢外推預測法即趨勢外推預測法適用于有長期趨勢的時間序列。適用于有長期趨勢的時間序列。選擇工具工具菜單中的數據分析數據分析命令，彈出數據分析數據分析對話框。 在分析工具分析工具列表框中，選回歸回歸工具。 這時，將彈出回歸回歸對話框，如圖所示。 2122 指定輸入參數。在輸入輸入Y區域區域(原始的時間序列數原始的時間序列數據據y)、輸入、輸入X區域區域(y對應的時間對應的時間t)指定相應數據所在的單元格區域.并選定標志標志復選框，在置信水平置信水平框內鍵入95%。對于一些特殊的

13、回歸模型，可以根據需要指定常數為常數為0（即 ）。 指定輸出選項輸出選項。這里選擇輸出到新工作表組新工作表組，并指定工作表名稱為“回歸模型”，選定殘差殘差（即隨機誤差項）和正態分布正態分布中的所有輸出選項，以觀察相應的結果。 單擊確定確定按鈕。 最后得到回歸分析的計算結果。23利用趨勢和季節成分進行預測利用趨勢和季節成分進行預測yt = Tt St It非季節化處理非季節化處理步驟：計算季節指數、進行非季節化處理、步驟：計算季節指數、進行非季節化處理、明確存在趨勢、分析。明確存在趨勢、分析。24(1)移動平均,平滑掉時間序列的隨機因素.(2)原始數據與平滑后的數據相除得季節性指數.(3)消除季

14、節性因素的影響.(4)構造長期趨勢模型.(5)進行預測25年季度銷量4個季度移動平均 中心化的移動平均 季節不規則值114.824.15.350365.6005.4751.09646.55.8755.7381.133215.86.0755.9750.97125.26.3006.1880.84036.86.3506.3251.07547.46.4506.4001.1563166.6256.5380.91825.66.7256.6750.83937.56.8006.7631.10947.86.8756.8381.141416.37.0006.9380.90825.97.1507.0750.8343

15、848.42614. 13141. 1156. 1133. 109. 13109. 1075. 1096. 184. 03834. 0839. 0840. 093. 03908. 0918. 0971. 0第四季度季節指數第三季度季節指數第二季度季節指數第一季度季節指數27消除季節影響后的數據消除季節影響后的數據ttSY /消除季節影響后的銷量 t589400770425.48772703535.68527137546.22183762156.20703416266.21942397376.47246279686.43638374696.684498328106.859658794116.82232565126.758202933137.042596453147.316969