Eingeben der Daten für Winters-Methode

Statistik > Zeitreihen > Winters-Methode

Eingeben der Daten

Führen Sie die folgenden Schritte aus, um anzugeben, welche Datenspalte analysiert werden soll.

  1. Geben Sie im Feld Variable eine Spalte mit numerischen Daten ein, die in regelmäßigen Intervallen erfasst und in zeitlicher Reihenfolge aufgezeichnet wurden. Wenn sich die Daten in mehreren Spalten befinden (z. B. die Daten für jedes Jahr in einer separaten Spalte), müssen Sie die Daten in einer einzigen Spalte stapeln. Es werden 4–5 vollständige Saisonzyklen empfohlen. Wenn nicht genügend vollständige Zyklen vorliegen, verfügen Sie möglicherweise nicht über ausreichend Daten, um sinnvolle Schätzungen der saisonalen Indizes zu berechnen.
  2. Geben Sie im Feld Saisonale Länge die Anzahl der Beobachtungen in einer Saison ein. Wenn Sie die Daten z. B. monatlich erfassen und die Daten ein jährliches Muster aufweisen, geben Sie 12 ein.

    Wenn Sie die Länge der Saison nicht kennen, verwenden Sie Statistik > Zeitreihen > Zeitreihendiagramm oder Statistik > Zeitreihen > Autokorrelation, um die Länge zu ermitteln.

In diesem Arbeitsblatt enthält die Spalte Verkäufe die Anzahl der Computer, die jeden Monat verkauft werden.

C1
Verkäufe
195000
213330
208005
249000
237040

Methodentyp

Wählen Sie das saisonale Muster aus, das auf Ihre Daten passt. Bei multiplikativen Daten ändert sich die Größe des Saisonmusters mit dem Niveau der Daten. Bei additiven Daten bleibt die Größe des Saisonmusters konstant, wenn sich das Niveau der Daten ändert.
Multiplikativ
Additiv
Wenn Sie nicht wissen, welcher Modelltyp geeignet ist, führen Sie eine der folgenden Aktionen aus:
  • Verwenden Sie Statistik > Zeitreihen > Zeitreihendiagramm, um das korrekte Modell zu identifizieren.
  • Probieren Sie sowohl Multiplikativ als auch Additiv aus, und vergleichen Sie dann die Genauigkeitsmaße, um zu ermitteln, welches Modell eine bessere Anpassung bietet.
Hinweis

Wenn die Daten negative Werte enthalten, sollten Sie kein multiplikatives Modell anpassen. Wenn positive und negative Daten vorhanden sind, entsprechen die multiplikativen saisonalen Indizes für die negativen Daten der Umkehrung der entsprechenden Indizes für die positiven Daten. Dies führt dazu, dass das Modell nicht auf die Daten passt.

Gewichtungen für die Glättung

Mit den Gewichtungen wird der Grad der Glättung angepasst, indem festgelegt wird, wie die einzelnen Komponenten auf aktuelle Bedingungen reagieren. In der Regel möchten Sie die Daten so glätten, dass das Rauschen (unregelmäßige Fluktuationen) reduziert wird und das Muster besser erkennbar ist. Glätten Sie die Daten jedoch nicht so stark, dass wichtige Details verloren gehen.

Führen Sie die Analyse zuerst mit den Standardgewichtungen durch. Nachdem Sie das daraus resultierende Zeitreihendiagramm untersucht haben, können Sie die Gewichtungen anheben oder absenken. Niedrigere Gewichtungen führen zu einer glatteren Linie, höhere Gewichtungen zu einer weniger glatten. Verwenden Sie für verrauschte Daten niedrigere Gewichtungen, damit die geglätteten Werte nicht dem Rauschen folgen. Wenn Sie sich entscheiden, die Gewichtungen anzupassen, führt eine Anpassung der Gewichtung für die Niveaukomponente häufig am ehesten zu besseren Genauigkeitsmaßen. Eine Änderung der anderen Gewichtungen hat meist nur geringe Auswirkungen, nachdem Sie die Gewichtung des Niveaus wie gewünscht angepasst haben.

Höhere Gewichtungen vergrößern den Einfluss neuerer Daten, so dass die Prognosen (grün) dem Abwärtstrend am Ende der Daten (schwarz) folgen.

Höhere Gewichtung für den Trend

Niedrigere Gewichtungen verringern den Einfluss neuerer Daten, so dass die Prognosen dem allgemeinen Aufwärtstrend folgen.

Niedrigere Gewichtung für den Trend

Prognosen erstellen

Führen Sie die folgenden Schritte aus, um Prognosen für Ihre Zeitreihe zu erstellen.

  1. Wählen Sie Prognosen erstellen aus.
  2. Geben Sie im Feld Anzahl der Prognosen die Anzahl der aufeinander folgenden Perioden ein, für die Sie Prognosen erstellen möchten.
  3. Geben Sie im Feld Start bei Ausgangswert die Zeilennummer für die erste Prognose an. Wenn Sie dieses Feld leer lassen, beginnt Minitab mit den Prognosen am Ende der Zeitreihe.

    Wenn Sie einen Wert eingeben, verwendet Minitab für die Prognosen nur die Daten bis zu dieser Zeilennummer. Die Prognosewerte weichen von den Anpassungen ab, weil Minitab für die Berechnung der Anpassungen alle Daten verwendet.

    Einem Analytiker liegen beispielsweise monatliche Daten von Januar bis Dezember vor. Im Dezember möchte der Analytiker eine Prognose für den nächsten Monat erstellen, die Daten von Dezember sind jedoch unvollständig. Der Analytiker gibt im Feld Anzahl der Prognosen den Wert 2 und im Feld Start bei Ausgangswert den Wert 12 ein. Minitab verwendet die Daten bis November, um Prognosen für Dezember und Januar zu erstellen.
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien