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:
Lt= αYt+ (1 – α) [Lt–1 + Tt–1]
Tt= γ [Lt – Lt–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.
Begriff | Beschreibung |
---|---|
Lt | Niveau zum Zeitpunkt t |
α | Gewichtung für das Niveau |
Tt | Trend zum Zeitpunkt t |
γ | Gewichtung für den Trend |
Yt | Datenwert zum Zeitpunkt t |
![]() | Prognostizierte Wert zum Zeitpunkt t |
Wenn Sie Gewichtungen angeben, die einem ARIMA(0;2;2)-Modell mit gleichen Wurzeln entsprechen, entspricht die Holt-Methode der spezifischeren Brown-Methode.1.
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.
Begriff | Beschreibung |
---|---|
pi | ist der prognostizierte Wert der i-ten geglätteten Beobachtung |
xi | ist der i-ten Beobachtungen in der Zeitreihe. |
ei | ist der Wert des i-ten Residuums, gespeichert aus obiger ARIMA |
Begriff | Beschreibung |
---|---|
L1 | ist der Anfangswert für das Niveau |
x1 | ist der Wert der ersten Beobachtung in der Zeitreihe |
T1 | ist der Anfangswert für Trend |
wL | ist der Gewichtungswert für das Niveau |
wT | ist der Gewichtungswert für den Trend |
β0 | ist der Koeffizient des konstanten Terms im Regressionsmodell |
β1 | ist der Koeffizient für den Prädiktorterm im Regressionsmodell |
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:
Lt + mTt
Für die Glättung werden die Daten bis zum Prognoseursprung verwendet.
Begriff | Beschreibung |
---|---|
Lt | Niveau zum Zeitpunkt t |
Tt | Trend zum Zeitpunkt t |
Begriff | Beschreibung |
---|---|
β | max{α, γ) |
δ | 1 – β |
α | Glättungskonstante für Niveau |
γ | Glättungskonstante für Trend |
τ | ![]() |
b0(T) | ![]() |
b1(T) | ![]() |
Der mittlere absolute prozentuale Fehler (MAPE) ist eine Maßzahl für die Genauigkeit der angepassten Zeitreihenwerte. MAPE drückt die Genauigkeit als Prozentsatz aus.
Begriff | Beschreibung |
---|---|
yt | tatsächlicher Wert zum Zeitpunkt t |
![]() | angepasster Wert |
n | Anzahl der Beobachtungen |
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.
Begriff | Beschreibung |
---|---|
yt | tatsächlicher Wert zum Zeitpunkt t |
![]() | angepasster Wert |
n | Anzahl der Beobachtungen |
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.
Begriff | Beschreibung |
---|---|
yt | tatsächlicher Wert zum Zeitpunkt t |
![]() | angepasster Wert |
n | Anzahl der Beobachtungen |