ウィンターの方法のデータを入力する

統計 > 時系列分析 > Winterの方法

データを入力する

分析するデータの列を指定するには、次の手順を実行します。

  1. 変数に、一定の間隔で収集され時間順に記録された数値データの列を入力します。データが複数の列に入力されている(たとえば、年ごとに別々の列にデータが入力されている)場合は、データを単一の列に積み重ねる必要があります。 4回から5回分の季節サイクルデータを収集するようお勧めします。十分なフルサイクルのデータが存在しない場合は、季節指標の妥当な推定値を計算するための十分なデータが存在しない可能性があります。
  2. 季節長に、1つの季節で得られる観測値の数を入力します。たとえば、データを毎月収集し、それらに年間パターンがある場合は、「12」と入力します。

    季節の長さが不明な場合は、統計 > 時系列分析 > 時系列プロットまたは統計 > 時系列分析 > 自己相関を使用して長さを特定できるようにします。

このワークシートでは、[売上高]に各月に販売されたコンピュータの台数が入力されています。

C1
売上高
195000
213330
208005
249000
237040

方法のタイプ

データに適合する季節パターンを選択します。乗法データでは、季節パターンの大きさは、データ水準の変化に伴って変わります。加法データでは、季節パターンの大きさは、データ水準が変化しても一定のままです。
乗法
加法
モデルタイプが不明な場合は、以下のいずれかを行います。
  • 統計 > 時系列分析 > 時系列プロットを使用して正しいモデルを識別します。
  • 乗法加法の両方を試して、精度の測度を比較して適合度の高いモデルを判別します。

データに負の値が含まれている場合、乗法モデルを適合させてはなりません。正と負のデータがある場合、負のデータの乗法の季節指標は、データが正だった場合の逆数を取ります。このため、モデルはデータに適合しません。

平滑化で用いる重み

重み値により、現在の条件に対する各成分の反応を定義して平滑化の量を調整します。通常は、データを十分に平滑化して雑音(不規則な変動)を減らし、パターンが明確になるようにすることができます。ただし、重要な詳細が失われるまでデータを平滑化しないでください。

まず、デフォルトの重み値を使用して分析を実行します。結果の時系列プロットを調べた後、重み値を増減することができます。重み値を小さくするとより平滑な線になり、重み値を大きくすると平滑な線ではなくなります。雑音の多いデータでは、小さな重み値を使用して平滑化値が雑音によって変動しないようにします。重み値を調整する場合、通常は、水準成分の重み値を調整することが精度の測度を改善する最適な方法です。通常、その他の重み値を変更しても、水準の重みを適切な値に調整した後の効果は小さくなります。

重み値を大きくすると、最近のデータに対する影響力が大きくなり、予測値(緑)はデータ(黒)の終わりに下向きのトレンドに従うようになります。

トレンドの重み値が大きい場合

重み値を小さくすると、最近のデータに対する影響力が小さくなり、予測値は全体的に上向きのトレンドに従うようになります。

トレンドの重み値が小さい場合

予測する

時系列の予測を行うには、次の手順を実行します。

  1. 予測するを選択します。
  2. 予測数に、予測の対象となる連続期間の数を入力します。
  3. 開始位置で、最初の予測の行番号を指定します。このフィールドを空白にすると、時系列の終わりから予測を開始されます。

    値を入力すると、その行番号までのデータのみが予測で使用されます。Minitabでは適合値の計算にすべてのデータを使用するため、予測値は適合値と異なります。

    たとえば、分析者が1月から12月までの毎月のデータを持っているとします。分析者が、12月に次の月の予測を行おうとしますが、12月のデータは揃っていません。分析者は、予測数に「2」と入力します。また開始位置に「12」と入力します。この場合Minitabでは、11月までのデータを使用して12月と1月の予測値を計算します。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください