Interpretieren der wichtigsten Ergebnisse für Zweifache exponentielle Glättung

Führen Sie die folgenden Schritte aus, um eine Analyse unter Verwendung der zweifachen exponentiellen Glättung zu interpretieren. Zu den wichtigsten Ausgaben gehören das Glättungsdiagramm, die Genauigkeitsmaße und die Prognosen.

In diesem Thema

Schritt 1: Bestimmen, ob das Modell an Ihre Daten angepasst ist
Schritt 2: Vergleichen der Anpassung Ihres Modells mit anderen Modellen
Schritt 3: Bestimmen, ob die Prognosen genau sind

Schritt 1: Bestimmen, ob das Modell an Ihre Daten angepasst ist

Untersuchen Sie das Glättungsdiagramm, um zu ermitteln, ob das Modell an Ihre Daten angepasst ist. Wenn die Anpassungen eng an den tatsächlichen Daten liegen, ist das Modell an Ihre Daten angepasst. Untersuchen Sie in jedem Fall sämtliche Wendepunkte, an denen der Trend seine Richtung oder Intensität ändert.

Wenn das Modell an Ihre Daten angepasst ist, können Sie Trendanalyse ausführen und die beiden Modelle vergleichen.
Wenn das Modell nicht an die Daten angepasst ist, untersuchen Sie das Diagramm auf Saisonabhängigkeit oder das Fehlen eines Trends. Wenn Sie Anzeichen für eine Saisonabhängigkeit oder das Fehlen eines Trends feststellen, sollten Sie eine andere Zeitreihenanalyse verwenden. Weitere Informationen finden Sie unter Welche Zeitreihenanalyse sollte verwendet werden?.

In diesem Glättungsdiagramm liegen die Anpassungen eng an den Daten, was darauf hinweist, dass das Modell an Ihre Daten angepasst ist.

Schritt 2: Vergleichen der Anpassung Ihres Modells mit anderen Modellen

Vergleichen Sie die Anpassung Ihres Modells anhand der Genauigkeitsmaße (MAPE, MAD und MSD) mit anderen Zeitreihenmodellen. Diese Statistiken allein sind nicht sehr aussagekräftig, mit Ihnen können Sie jedoch die Anpassungen vergleichen, die mit unterschiedlichen Methoden erzielt werden. Für alle drei Statistiken gilt, dass kleinere Werte im Allgemeinen auf ein besser angepasstes Modell hindeuten. Wenn ein einzelnes Modell nicht die kleinsten Werte für alle drei Statistiken aufweist, ist MAPE in der Regel die bevorzugte Maßzahl.

Hinweis

Die Genauigkeitsmaße liefern einen Hinweis auf die Genauigkeit, die Sie erwarten können, wenn Sie vom Ende der Daten eine Periode in die Zukunft prognostizieren. Sie geben daher nicht die Genauigkeit von Prognosen an, die weiter als eine Periode in der Zukunft liegen. Wenn Sie das Modell für Prognosen verwenden, sollte Ihre Entscheidung nicht ausschließlich auf den Genauigkeitsmaßen basieren. Sie sollten auch die Anpassung des Modells untersuchen, um sicherzustellen, dass die Prognosen und das Modell eng an den Daten liegen, insbesondere am Ende der Datenreihe.

Modell 1

Genauigkeitsmaße

MAPE	7,265
MAD	16,621
MSD	518,119

Modell 2

Genauigkeitsmaße

MAPE	2,474
MAD	9,462
MSD	135,701

Wichtigste Ergebnisse: MAPE, MAD, MSD

In diesen Ergebnissen sind alle drei Maßzahlen für das zweite Modell kleiner als für das erste Modell. Das zweite Modell ist also besser angepasst.

Schritt 3: Bestimmen, ob die Prognosen genau sind

Untersuchen Sie die Anpassungen und Prognosen im Diagramm, um zu ermitteln, wie genau die Prognosen sind. Die Anpassungen sollten eng an den Daten liegen, insbesondere am Ende der Datenreihe. Wenn die Anpassungen und die Daten am Ende der Datenreihe auseinanderlaufen, oder wenn die Trendlinie in den Prognosen nicht dem allgemeinen Verlauf der Daten folgt, passt sich der zugrunde liegende Trend möglicherweise noch an die Änderung an. Versuchen Sie, mehr Daten zu erfassen, um zu ermitteln, ob es sich bei den Änderungen im zugrunde liegenden Trend um Kurz- oder Langfrist-Änderungen handelt.

Auch wenn Ihre Prognosen genau zu sein scheinen, sollten Sie mit dem Erstellen von Prognosen, die zu weit in der Zukunft liegen, vorsichtig sein. Sie sollten in der Regel nur Prognosen für 6 Perioden in der Zukunft erstellen.

In diesem Glättungsdiagramm scheint sich der Trend am Ende der Datenreihe zu ändern. Die Trendlinie in den Prognosen ist nicht ganz so steil wie der allgemeine Langzeittrend in den Daten, die Differenz ist jedoch darauf zurückzuführen, dass das Modell eine Korrektur für die Änderung des Trends am Ende der Datenreihe umfasst. Die Prognosen sagen für die nächsten 6 Monate einen leichten Aufwärtstrend bei den Verkäufen voraus.