經濟統(tǒng)計與分析軟件應用基礎第7章時間序列預測第7章時間序列預測目錄7.1概述7.2移動平均預測7.3加權移動平均預測（略）7.4指數(shù)平滑預測本章學習要點時間序列的概念和組成時間序列的預測步驟衡量預測準確性的指標（MSE）移動平均模型和指數(shù)平滑模型幾個重要的函數(shù)和EXCEL工具（方法）—

OFFSET、SUMXMY2、INDEX、MATCH—“規(guī)劃求解”工具、“數(shù)據分析”工具、模擬運算表—數(shù)組公式、查表法、可調圖形的制作7.1概述7.1.1時間序列的基本概念7.1.2時間序列的一般預測步驟7.1.3均方誤差(MSE)7.1.1時間序列的基本概念

時間序列就是一個變量在一定時間段內不同時間點上觀測值的集合。這些觀測值是按時間順序排列的，時間點之間的間隔是相等的。常見的時間序列有：（1）按年、季度、月、周、日統(tǒng)計的商品銷量、銷售額或庫存量，（2）按年統(tǒng)計的一個省市或國家的國民生產總值、人口出生率等。時間序列的獲取

通過對企業(yè)數(shù)據庫中的日常經營數(shù)據進行分類匯總分析而獲得。時間序列預測方法定量分析方法移動平均法指數(shù)平滑法趨勢預測法季節(jié)指數(shù)法7.1.1時間序列的基本概念

時間序列的成分：趨勢成分：顯示一個時間序列在較長時期

的變化趨勢季節(jié)成分：反映時間序列在一年中有規(guī)律

的變化循環(huán)成分：反映時間序列在超過一年的時

間內有規(guī)律的變化不規(guī)則成分：不能歸因于上述三種成分的

時間序列的變化7.1.1時間序列的基本概念時間序列的成分：無趨勢季節(jié)成分7.1.1時間序列的基本概念線性趨勢非線性趨勢第一步：確定時間序列的類型，即分析時間序列的組成成分。第二步：選擇合適的方法建立預測模型如果時間序列沒有趨勢和季節(jié)成分，選擇移動平均或指數(shù)平滑法如果時間序列含有趨勢成分，選擇趨勢預測法如果時間序列含有季節(jié)成分，選擇季節(jié)指數(shù)法7.1.2時間序列的預測步驟第三步：評價模型準確性(MSE)，確定最優(yōu)模型參數(shù)7.1.2時間序列的預測步驟預測誤差預測誤差=|觀測值–預測值|即：觀測值與預測值之間的差值。7.1.2時間序列的預測步驟均方誤差（MSE）

即：反映預測模型的總體預測誤差，等于每一時刻預測誤差的平方的均值。

MSE=預測誤差的平方和/預測次數(shù)

MSE=Average((觀測值-預測值)2)第四步：按相關要求進行預測求出最優(yōu)模型參數(shù)后，就在此基礎上計算出未來時期的預測值。7.1.2時間序列的預測步驟均方誤差值越小，模型越準確。預測最重要的一步就是找出使MSE極小的模型參數(shù)。7.2

移動平均預測7.2.1模型描述7.2.2應用舉例7.2.3最優(yōu)移動平均跨度的確定7.2

移動平均預測移動平均預測法是將時間序列中最近幾個時期的觀測值加以平均，使得每一個觀測值所包含的隨機因素在一定程度上相互抵消，從而得到時間序列觀測值的穩(wěn)定水平。可以把這個平均數(shù)作為下一個時期的預測值。移動平均預測可以通過公式計算求解和使用數(shù)據分析工具。在移動平均預測法中，移動平均跨度參數(shù)的選擇應該使均方誤差盡可能的小?！纠?-1】某汽油批發(fā)商在過去12周內汽油的銷售數(shù)量如下：

試在Excel工作表中使用“數(shù)據分析”工具建立一個移動平均跨度為3的移動平均模型，用以估計各周的汽油銷售量及其標準誤差。7.2.2移動平均模型應用舉例7.2.2移動平均模型應用舉例使用“數(shù)據分析”工具生成的結果:周銷量觀測值移動平均預測值標準誤差117

221#N/A#N/A319#N/A#N/A42319#N/A51821#N/A620201.63299316272220.333333331.644294287818201.644294287922201.644294287102020.666666671.8053418681117201.387777333122219.666666671.7213259327.2.2移動平均模型應用舉例使用“數(shù)據分析”工具自動生成并經修改后的圖形（X-Y散點圖）:語法：OFFSET(ref,rows,cols,height,width)功能：以指定的引用為參照系，通過偏移量得到新的引用。說明：ref 偏移量參照系的引用區(qū)域；rows 偏移的行數(shù)，向下為正，向上為負；cols 偏移的列數(shù)，向右為正，向左為負；height 偏移后新區(qū)域的行數(shù)width 偏移后新區(qū)域的列數(shù)OFFSET函數(shù)如果省略height或width，則返回后的新區(qū)域的行數(shù)或列數(shù)與ref相同；本函數(shù)實際上并不移動任何單元格或更改選定區(qū)域，它只是返回一個引用。OFFSET函數(shù)OFFSET函數(shù)【例】=SUM(OFFSET(B10,-6,0,3,2))【解】

即對B4:C6區(qū)域求和。OFFSET函數(shù)SUMXMY2函數(shù)功能：返回兩數(shù)組中對應數(shù)值之差的平方和。語法：

SUMXMY2(array_x,array_y)語法：

array_x

：第一個數(shù)組或數(shù)值區(qū)域。

array_y

：第二個數(shù)組或數(shù)值區(qū)域。SUMXMY2函數(shù)舉例：=SUMXMY2(A2:A7,B2:B7)902

7.2.3最優(yōu)移動平均跨度的確定【例7-2】利用【例7-1】的數(shù)據,使用函數(shù)(公式)、控件、數(shù)組公式、模擬運算表、查表法、規(guī)劃求解法等建立“移動平均”模型。求解不同移動平均跨度(在2～7變化)下各周的汽油銷售量預測值，并求解最優(yōu)移動平均跨度的值。

同時，使用微調（數(shù)值調節(jié)鈕）控件和繪圖文本框制作表現(xiàn)不同移動平均跨度下均方誤差（MSE）和預測值變化的“動態(tài)”圖。7.2.3最優(yōu)移動平均跨度的確定移動平均跨度=2MSE=6.85不同移動平均跨度下均方誤差(MSE)和預測值變化的“動態(tài)”圖(帶數(shù)據標記的折線圖)：7.4指數(shù)平滑預測7.4.1計算公式7.4.2應用舉例7.4.3最優(yōu)指數(shù)平滑常數(shù)的確定改進移動平均預測模型，將計算平均值時對于不同時期觀測值的權數(shù)設置得不同：近期的權數(shù)較大，遠期的權數(shù)較小。7.4.1指數(shù)平滑計算公式時間序列觀測值時間序列預測值α：指數(shù)平滑常數(shù)【例7-4】利用例7-1的數(shù)據在Excel工作表中使用“數(shù)據分析”工具建立一個指數(shù)平滑常數(shù)為0.4的指數(shù)平滑預測模型來預測第13周的汽油銷量。7.4.2指數(shù)平滑模型應用舉例7.4.2指數(shù)平滑模型應用舉例使用“數(shù)據分析”工具生成的結果:周銷量觀測值指數(shù)平滑預測值117#N/A2211731918.642318.7651820.45662019.473672219.6841681820.61049692219.5662976102020.53977856111720.32386714122218.994320281320.196592177.4.2指數(shù)平滑模型應用舉例使用“數(shù)據分析”工具自動生成并經修改后的圖形(帶數(shù)據標記的折線圖):【例7-5】利用【例7-1】的數(shù)據,使用函數(shù)(公式)、控件、數(shù)組公式、模擬運算表、查表法、規(guī)劃求解法等建立“指數(shù)平滑”模型。求解不同平滑常數(shù)(在0.1～0.6變化)下各周的