Interprétation des résultats principaux pour la fonction Lissage exponentiel double

Suivez la procédure ci-dessous pour interpréter une analyse de lissage exponentiel double. Les principaux résultats comprennent le diagramme de lissage, les mesures d'exactitude et les prévisions.

Sur ce thème

Etape 1 : Déterminer si le modèle est ajusté à vos données
Étape 2 : Comparer l'ajustement de votre modèle à celui d'autres modèles
Etape 3 : Déterminer si les prévisions sont exactes

Etape 1 : Déterminer si le modèle est ajusté à vos données

Examinez le diagramme de lissage pour déterminer si votre modèle est ajusté à vos données. Si les valeurs ajustées suivent étroitement les données réelles, le modèle est ajusté à vos données. Assurez-vous que vous avez examiné tous les points importants où les tendances changent de direction ou d'intensité.

Si le modèle est ajusté aux données, vous pouvez utiliser la fonction Analyse de tendance et comparer les deux modèles.
Si le modèle n'est pas ajusté aux données, recherchez une saisonnalité ou une absence de tendance dans le diagramme. S'il existe une saisonnalité ou qu'il n'y a pas de tendance, vous devez utiliser une autre analyse de série chronologique. Pour plus d'informations, reportez-vous à la rubrique Quelle analyse de série chronologique dois-je utiliser ?.

Sur ce diagramme de lissage, les valeurs ajustées suivent étroitement les données, ce qui indique que le modèle est ajusté aux données.

Étape 2 : Comparer l'ajustement de votre modèle à celui d'autres modèles

Utilisez les mesures d'exactitude (MAPE, MAD et MSD) pour comparer l'ajustement de votre modèle à celui d'autres modèles de série chronologique. Ces statistiques ne donnent pas beaucoup d'informations en elles-mêmes, mais elles permettent de comparer les ajustements obtenus à l'aide de différentes méthodes. En règle générale, pour les trois statistiques, plus les valeurs sont basses, meilleur est l'ajustement du modèle. Si aucun même modèle ne réunit les valeurs les plus basses pour les 3 statistiques, la statistique MAPE est généralement celle qui est privilégiée.

Remarque

Les mesures d'exactitude fournissent une indication de l'exactitude à attendre lorsque vous effectuez une prévision sur une période à partir de la fin des données. Ainsi, elles n'indiquent pas l'exactitude des prévisions au-delà d'une période. Si vous comptez utiliser le modèle pour effectuer des prévisions, vous ne devez pas vous fier uniquement aux mesures d'exactitude pour prendre une décision. Vous devez également examiner l'ajustement du modèle pour vous assurer qu'il suit étroitement les données, notamment à la fin de la série, et qu'il en est de même pour les prévisions.

Modèle 1

Mesures de l'exactitude

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

Modèle 2

Mesures de l'exactitude

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

Résultats principaux : MAPE, MAD, MSD

Dans ces résultats, les trois statistiques sont plus faibles pour le 2^e modèle que pour le 1^er. Par conséquent, le 2^e modèle est le mieux ajusté.

Etape 3 : Déterminer si les prévisions sont exactes

Examinez les valeurs ajustées et les prévisions dans le diagramme pour déterminer si ces dernières ont des chances d'être exactes. Les valeurs ajustées doivent suivre étroitement les données, notamment à la fin de la série. Si les valeurs ajustées s'écartent des valeurs des données vers la fin de la série, ou si la ligne de tendance des prévisions ne correspond pas au flux général de données, il se peut que la tendance sous-jacente soit encore en train de s'ajuster à la modification. Essayez de collecter davantage de données pour déterminer si les changements de tendance sous-jacente n'apparaissent qu'à court terme ou s'ils persistent à long terme.

Même si vos prévisions semblent exactes, vous devez éviter de faire des projections trop loin dans le futur. En général, vous ne devez pas effectuer de prévisions au-delà de 6 périodes dans l'avenir.

Sur ce diagramme de lissage, la tendance semble changer à la fin de la série. La ligne de tendance des prévisions n'est pas aussi élevée que celle des données à long terme, mais cette différence est due au fait que le modèle corrige le changement de tendance à la fin de la série. Les prévisions indiquent une légère tendance à la hausse concernant les ventes pour les 6 prochains mois.