Methoden und Formeln für Zweifache exponentielle Glättung

Wählen Sie die gewünschte Methode oder Formel aus.

Modellgleichung

Bei der zweifachen exponentiellen Glättung werden für jede Periode eine Niveaukomponente und eine Trendkomponente verwendet. Bei der zweifachen exponentiellen Glättung werden zwei Gewichtungen (auch Glättungsparameter genannt) verwendet, um die Komponenten für jede Periode zu aktualisieren. Die Gleichungen für die zweifache exponentielle Glättung lauten wie folgt:

Formel

Lt= αYt+ (1 – α) [Lt–1 + Tt–1]

Tt= γ [LtLt–1] + (1 – γ) Tt–1

= Lt−1 + Tt−1

Wenn die erste Beobachtung mit 1 nummeriert wird, dann müssen die Niveau- und Trendschätzungen zum Zeitpunkt null initialisiert werden, um fortfahren zu können. Die verwendete Initialisierungsmethode bestimmt, mit welchem von zwei Verfahren die geglätteten Werte ermittelt werden: mit optimalen Gewichtungen oder mit angegebenen Gewichtungen.

Notation

BegriffBeschreibung
Lt Niveau zum Zeitpunkt t
αGewichtung für das Niveau
TtTrend zum Zeitpunkt t
γGewichtung für den Trend
YtDatenwert zum Zeitpunkt t
Prognostizierte Wert zum Zeitpunkt t

Gewichtungen

Optimale ARIMA-Gewichtungen

  1. Minitab passt ein ARIMA(0;2;2)-Modell an die Daten an, mit dem die Summe der quadrierten Fehler minimiert wird.
  2. Die Trend- und die Niveaukomponente werden anschließend per Rückwärtsprognose initialisiert.

Angegebene Gewichtungen

  1. Minitab passt ein lineares Regressionsmodell an die Zeitreihendaten (y-Variable) im Vergleich mit der Zeit (x-Variable) an.
  2. Die Konstante (Schnittpunkt mit der y-Achse) aus dieser Regression ist die Anfangsschätzung der Niveaukomponente, der Steigungskoeffizient die Anfangsschätzung der Trendkomponente.

Wenn Sie Gewichtungen angeben, die einem ARIMA(0;2;2)-Modell mit gleichen Wurzeln entsprechen, entspricht die Holt-Methode der spezifischeren Brown-Methode.1.

Methode zur Berechnung von Anfangswerten für Niveau und Trend

Statistik > Zeitreihen > Zweifache exponentielle Glättung können Schätzwerte für Niveau und Trend speichern. Minitab verwendet eine der folgenden Methoden, um die Werte in der ersten Zeile dieser Spalten zu berechnen, abhängig von den Optionen, die Sie im Dialogfeld festlegen.

Wenn Sie die Option Optimale ARIMA in Zweifache exponentielle Glättung auswählen, verwendet Minitab die folgende Methode, um die ersten Werte von Niveau und Trend zu berechnen. Sie können diese Schritte von Hand ausführen.

  1. Wählen Sie Statistik > Zeitreihen > ARIMA aus, um die optimalen Gewichtungswerte mit ARIMA zu berechnen. Vervollständigen Sie das Dialogfeld wie folgt:
    1. Geben Sie im Feld Autoregressiv den Wert 0 ein.
    2. Geben Sie im Feld Differenz den Wert 2 ein.
    3. Geben Sie im Feld Gleitender Durchschnitt den Wert 2 ein.
    4. Deaktivieren Sie Konstanten Term in Modell einbinden.
    5. Klicken Sie auf Speichern und aktivieren Sie Residuen. Klicken Sie in den einzelnen Dialogfeldern auf OK.
  2. Minitab verwendet die MA-Werte aus der ARIMA-Ausgabe, um die optimalen Gewichtungen wie folgt zu berechnen:

  3. Anschließend rechnet Minitab anhand von Daten aus späteren Beobachtungen bis zur ersten Beobachtung zurück:
    Dabei gilt Folgendes:
    BegriffBeschreibung
    piist der prognostizierte Wert der i-ten geglätteten Beobachtung
    xiist der i-ten Beobachtungen in der Zeitreihe.
    eiist der Wert des i-ten Residuums, gespeichert aus obiger ARIMA
  4. Minitab berechnet den Anfangswert für Niveau (L1):

  5. Minitab berechnet den Anfangswert für Trend (T1):

Wenn Sie Ihre eigenen Gewichtungen für Niveau und Trend unter Gewichtungen für die Glättung im Dialogfeld Zweifache exponentielle Glättung angeben, verwendet Minitab die folgende Methode, um die Anfangswerte für Niveau und Trend zu berechnen. Sie können diese Schritte von Hand ausführen.
  1. Erstellen Sie eine Spalte mit Zeitindizes, die der Länge der Spalte mit Zeitreihendaten entspricht. Eine Spalte mit ganzen Zahlen von 1 bis n ist ausreichend.
  2. Wählen Sie Statistik > Regression > Regression > Regressionsmodell anpassen aus.
  3. Geben Sie in Antworten die Spalte mit Zeitreihendaten ein. Geben Sie in Stetige Prädiktoren die Spalte der Zeitindizes ein.
  4. Klicken Sie auf Speichern und aktivieren Sie Koeffizienten. Klicken Sie in den einzelnen Dialogfeldern auf OK.
  5. Der Anfangswert für das Niveau ist:

  6. Der Anfangswert für Trend ist:

    Dabei gilt Folgendes:
    BegriffBeschreibung
    L1ist der Anfangswert für das Niveau
    x1ist der Wert der ersten Beobachtung in der Zeitreihe
    T1ist der Anfangswert für Trend
    wList der Gewichtungswert für das Niveau
    wTist der Gewichtungswert für den Trend
    β0ist der Koeffizient des konstanten Terms im Regressionsmodell
    β1ist der Koeffizient für den Prädiktorterm im Regressionsmodell

Prognosen

Bei der zweifachen exponentiellen Glättung werden Prognosen anhand der Niveau- und Trendkomponente erstellt. Die Prognose für m Perioden ab einem bestimmten Zeitpunkt t lautet wie folgt:

Formel

Lt + mTt

Für die Glättung werden die Daten bis zum Prognoseursprung verwendet.

Notation

BegriffBeschreibung
Lt Niveau zum Zeitpunkt t
TtTrend zum Zeitpunkt t

Prognosegrenzen

Formel

Basierend auf der mittleren absoluten Abweichung (MAD). Die Formeln für die Ober- und Untergrenze lauten:
  • Obergrenze = Prognose + 1,96 × dt × MAD
  • Untergrenze = Prognose – 1,96 × dt × MAD

Notation

BegriffBeschreibung
β max{α, γ)
δ1 – β
αGlättungskonstante für Niveau
γGlättungskonstante für Trend
τ
b0(T)
b1(T)

MAPE

Der mittlere absolute prozentuale Fehler (MAPE) ist eine Maßzahl für die Genauigkeit der angepassten Zeitreihenwerte. MAPE drückt die Genauigkeit als Prozentsatz aus.

Formel

Notation

BegriffBeschreibung
yt tatsächlicher Wert zum Zeitpunkt t
angepasster Wert
n Anzahl der Beobachtungen

MAD

Die mittlere absolute Abweichung (MAD) ist eine Maßzahl für die Genauigkeit der angepassten Zeitreihenwerte. MAD drückt die Genauigkeit in der gleichen Einheit wie die Daten aus, wodurch der Fehlerbetrag leichter erfasst werden kann.

Formel

Notation

BegriffBeschreibung
yt tatsächlicher Wert zum Zeitpunkt t
angepasster Wert
n Anzahl der Beobachtungen

MSD

Die mittlere quadrierte Abweichung (MSD) wird immer mit demselben Nenner n berechnet, unabhängig vom Modell. MSD ist bei ungewöhnlich großen Prognosefehlern ein empfindlicheres Maß als MAD.

Formel

Notation

BegriffBeschreibung
yt tatsächlicher Wert zum Zeitpunkt t
angepasster Wert
n Anzahl der Beobachtungen
1 N.R. Farnum and L.W. Stanton (1989). Quantitative Forecasting Methods. PWS-Kent.