Zum Analysieren von Zeitreihendaten bietet Minitab verschiedene einfache Prognose- und Glättungsverfahren sowie Verfahren für die Korrelationsanalyse und ARIMA-Modellierung.
Zeitreihendiagramm
Erstellen Sie ein Zeitreihendiagramm, um durch das grafische Darstellen der Daten in zeitlicher Reihenfolge zu bestimmen, ob ein Trend oder ein saisonales Muster vorliegt. Wählen Sie in Minitab Statistik > Zeitreihen > Zeitreihendiagramm aus.
Trendanalyse
Führen Sie eine Trendanalyse durch, um Trendlinien mit einem linearen, quadratischen, Wachstums- oder S-Kurvenmodell anzupassen. Wählen Sie in Minitab Statistik > Zeitreihen > Trendanalyse aus.
Zerlegung
Führen Sie eine Zerlegungsanalyse aus, um durch das Anpassen eines Modells, in dem alle Beobachtungen gleich gewichtet werden, die beste Regressionsanpassung zu bestimmen. Verwenden Sie dieses Verfahren, wenn die Datenreihe ein saisonales Muster mit oder ohne Trend aufweist. Wählen Sie in Minitab Statistik > Zeitreihen > Zerlegung aus.
Gleitender Durchschnitt
Verwenden Sie die Methode der gleitenden Durchschnitte, um die Datenreihe mit einer Methode zu glätten, die den Durchschnitt kürzlich erfolgter Beobachtungen berechnet und ältere Beobachtungen ausschließt. Verwenden Sie diese Methode nicht, wenn die Datenreihe einen Trend aufweist. Wählen Sie in Minitab Statistik > Zeitreihen > Gleitender Durchschnitt (MA) aus.
Einfache exponentielle Glättung
Wenn die Zeitreihe keinen Trend oder kein saisonales Muster aufweist und Sie die Datenreihe mit einer Methode glätten möchten, die ältere Beobachtungen abnehmend gewichtet, verwenden Sie die Methode der einfachen exponentiellen Glättung. Wählen Sie in Minitab Statistik > Zeitreihen > Einfache exponentielle Glättung aus.
Zweifache exponentielle Glättung
Wenn die Zeitreihe einen Trend, jedoch kein saisonales Muster aufweist und Sie die Datenreihe mit einer Methode glätten möchten, die ältere Beobachtungen abnehmend gewichtet, verwenden Sie die Methode der zweifachen exponentiellen Glättung. Wählen Sie in Minitab Statistik > Zeitreihen > Zweifache exponentielle Glättung aus.
Winters-Methode
Wenn die Zeitreihe ein saisonales Muster mit oder ohne Trend aufweist und Sie die Datenreihe mit einer Methode glätten möchten, die ältere Beobachtungen abnehmend gewichtet, verwenden Sie die Winters-Glättungsmethode. Wählen Sie in Minitab Statistik > Zeitreihen > Winters-Methode aus.
Differenzen
Hiermit erstellen Sie eine neue Datenspalte für benutzerspezifische Analysen und Diagramme und speichern die Differenzen zwischen den Beobachtungen in einer Datenreihe. Wählen Sie in Minitab Statistik > Zeitreihen > Differenzen aus.
Lag
Hiermit erstellen Sie eine neue Datenspalte für benutzerspezifische Analysen und Diagramme und verschieben eine Datenreihe um eine bestimmte Anzahl von Zeilen im Arbeitsblatt nach unten. Wählen Sie in Minitab Statistik > Zeitreihen > Lag aus.
Autokorrelation
Führen Sie eine Autokorrelationsanalyse durch, um die Korrelation zwischen Beobachtungen zu unterschiedlichen Zeitpunkten zu messen und zu bestimmen, ob ein saisonales Muster vorliegt. Verwenden Sie diese Analyse zusammen mit der partiellen Autokorrelationsfunktion, um die Komponenten für ein ARIMA-Modell zu identifizieren. Wählen Sie in Minitab Statistik > Zeitreihen > Autokorrelation aus.
Partielle Autokorrelation
Führen Sie eine partielle Autokorrelationsanalyse durch, um die Korrelation früherer Beobachtungen in einer Zeitreihe mit zukünftigen Beobachtungen zu messen und dabei Beobachtungen zu erklären, die zwischen den korrelierenden Beobachtungen liegen. Verwenden Sie diese Analyse zusammen mit der Autokorrelationsfunktion, um die Komponenten für ein ARIMA-Modell zu identifizieren. Wählen Sie in Minitab Statistik > Zeitreihen > Partielle Autokorrelation aus.
Kreuzkorrelation
Führen Sie ein Kreuzkorrelationsanalyse durch, um durch das Darstellen der Korrelationen zwischen zwei Datenreihen an unterschiedlichen Zeitpunkten zu bestimmen, ob eine Datenreihe die andere prognostiziert. Wählen Sie in Minitab Statistik > Zeitreihen > Kreuzkorrelation aus.
ARIMA
Führen Sie eine ARIMA-Modellierung durch, um ein Modell mit Komponenten des gleitenden Durchschnitts sowie mit autoregressiven und Differenz-Komponenten anzupassen. Zum Anpassen eines ARIMA-Modells müssen Sie die Autokorrelations- und partielle Autokorrelationsstruktur der Datenreihe kennen. Wählen Sie in Minitab Statistik > Zeitreihen > ARIMA aus.
