EXCEL时间序列分析-移动平均  

    另一种预测方法是根据时间发展进行预测，简单来说就是时间序列预测。时间预测法的基本特点：

      (1)假设事物发展趋势会延伸到未来；

      (2)预测所依据的数据具有不规律性；

      (3)不考虑事物发展之间的因果关系。

       时间序列预测主要包括移动平均法、指数平滑法、趋势外推法、季节变动法等预测方法，其中移动平均法、指数平滑法是我们最常用的方法。

       移动平均的基本思想是：移动平均可以消除或减少时间序列数据受偶然性因素干扰而产生的随机变动。它适合短期预测。

       移动平均法主要包括一次移动平均法、二次移动平均法、加权移动平均法。

       以“企业季度数据”为例，它提供了2001年到2012年这12年的季度销售额(Y)，下面我们利用Excel分析工具库的移动平均功能，分析预测 2012年第3季度的销售额会是多少？

       【数据】-【分析】-【数据分析】-【移动平均】

间隔：输入移动平均项数，指定n组数据来得出平均值。这里,设n=2。

                       图1-1 移动平均结果

       移动平均结果 根据以上图表，可以知道2012年第3季度的销售额，若是间隔2次移动平均，则预测值为15629.

来自为知笔记(Wiz)

转载于:https://www.cnblogs.com/xuxaut-558/p/10285701.html

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习一下如何用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进行四项平均：

做完四项平均以后，我们还需要对所得到的数进行中心平均，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，下方的季节平均就是每个季度在四年里面的平均值：

这个时候我们在季节平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。

**文章来自公众号【小白数据营】**

目录

YEAR

MONTH

DAY

WEEKDAY

WEEKNUM

NOW

TODAY

DATE

YEAR

• 功能：返回某日期对应的年份。返回值为 1900 到 9999 之间的整数
• 语法格式：=YEAR(serial_number) Serial_number 表示一个日期值，其中包含要查找的年份。

MONTH

• 功能：返回以序列号表示的日期中的月份
• 语法格式：=MONTH(serial_number)  Serial_number 表示一个日期值，其中包含要查找的月份

DAY

• 功能：返回以序列号表示的某日期的天数，用整数 1 到 31 表示
• 语法格式：=DAY(serial_number) Serial_number 表示一个日期值，其中包含要查找的日期

WEEKDAY

• 功能：返回某日期为星期几
• 语法格式：=WEEKDAY(serial_number,return_type)  Serial_number为查找日期；return_type有3种：（1）1或省略: 返回数字1-7，表示周日-周六；（2）2：返回数字1-7，表示周一-周日；（3）3：返回数字0-6，表示周一-周日

WEEKNUM

• 功能:返回一个数字，该数字代表一年中的第几周。 
• 语法格式：=WEEKNUM(serial_num,return_type)  Serial_num 代表一周中的日期;Return_type有2种：（1）1：星期从星期日开始（2）2：星期从星期一开始

NOW

• 功能：返回当前日期和时间
• 语法格式：=NOW()

TODAY

• 功能：返回当前日期
• 语法格式：=TODAY（）

DATE

• 功能：返回日期
• 语法格式：=DATE（年，月，日）