Interpretieren der wichtigsten Ergebnisse für Winters-Methode

Führen Sie die folgenden Schritte aus, um eine Analyse nach der Winters-Methode zu interpretieren. Zu den wichtigsten Ausgaben gehören das Diagramm der Winters-Methode, 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 Diagramm, 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.

Wenn das Modell an Ihre Daten angepasst ist, können Sie Zerlegung ausführen und die beiden Modelle vergleichen.
Wenn das Modell nicht an die Daten angepasst ist, untersuchen Sie das Diagramm auf das Fehlen von Saisonabhängigkeit. Wenn kein saisonales Muster vorliegt, sollten Sie eine andere Zeitreihenanalyse verwenden. Weitere Informationen finden Sie unter Welche Zeitreihenanalyse sollte verwendet werden?.

In diesem Diagramm 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 Sie ein saisonales Modell verwenden, ist es besonders wichtig zu überprüfen, dass die Anpassungen am Ende der Zeitreihe den tatsächlichen Werten entsprechen. Falls das saisonale Muster oder der Trend nicht den Anpassungen am Ende der Datenreihe entspricht, sind die Prognosen wahrscheinlich weniger genau. Erfassen Sie in diesem Fall mehr Daten, damit das Modell die Änderungen im saisonalen Muster oder im Trend berücksichtigen kann.

Wenn das Modell am Ende der Datenreihe an das Modell angepasst ist, können Sie in der Regel mindestens einen vollständigen saisonalen Zyklus sicher voraussagen.

In diesem Diagramm liegen die Anpassungen eng an den Daten, und das saisonale Muster sowie der Trend sind am Ende der Daten stabil. Die Prognosen für das nächste Jahr sind wahrscheinlich genau.