Winters 方法 输入数据

统计 > 时间序列 > Winters 方法

输入数据

请完成以下步骤来指定要分析的数据列。

  1. 变量中,输入定期收集并按时间顺序记录的数值数据列。如果数据位于多列(例如,每年的数据都在一个单独的列中),您必须将数据堆叠到单个列中。 建议设置 4 到 5 个完整季节性周期。如果您没有足够多的完整周期,则说明您可能没有足够的数据来计算季节性指数的合理估计值。
  2. 季节长度中,输入一个季节中出现的观测值个数。例如,如果您每月收集数据而数据具有每年模式,请输入 12。

    如果您不知道季节长度,请使用统计 > 时间序列 > 时间序列图统计 > 时间序列 > 自相关帮助确定长度。

在该工作表中,销售量包含每个月销售的计算机数。

C1
销售量
195000
213330
208005
249000
237040

方法类型

选择与您的数据拟合的季节性模式。使用乘法数据时,季节性模式的量值会随着数据水平的改变而改变。使用加法数据时,季节性模式的量值会在数据水平改变时保持恒定。
乘法
加法
如果您不知道模型类型,请执行以下操作之一:
  • 使用统计 > 时间序列 > 时间序列图可以确定正确的类型。
  • 尝试乘法加法,然后比较准确度度量以确定哪个模型提供更好的拟合。
注意

当数据包含负值时,不应当拟合乘法模型。当您既有正数据又有负数据时,负数据的乘法季节性指数是正数据的乘法季节性指数的逆指数。这会导致模型无法拟合数据。

平滑中使用的权重

权重通过定义每个分量对当前条件的响应方式来调整平滑量。通常,您希望对数据进行充分的平滑处理以降低噪声(不规则的波动),以便模式更明显。但是,不要对数据进行太多的平滑处理,以免丢失重要的细节。

首先用默认权重执行分析。在检查生成的时间序列图之后,可以增加或减小权重。权重越小,生成的线越平滑;权重越大,生成的线越不平滑。对于包含噪声的数据应使用较小的权重,以便平滑值不会随噪声波动。如果您调整权重,则调整水平分量的权重通常能够获得改善准确度度量的最佳机会。在将水平权重调整到所需的大小之后,更改其他权重所产生的效应通常较小。

权重越高,对最近数据的影响越大,因此预测值(绿色)服从数据(黑色)末端的向下趋势。

较高的趋势权重

权重越低,对最近数据的影响越小,因此预测值服从整体的向上趋势。

较小的趋势权重

生成预测

请完成以下步骤来为时间序列生成预测值。

  1. 选择生成预测
  2. 预测点数中,输入要为其进行预测的连续时间段的数量。
  3. 预测起始点中,为第一个预测指定行号。如果您将此字段留空,Minitab 会在时间序列末端开始预测。

    如果您输入值,Minitab 将仅使用预测值所在行号之前(含该行)的数据。预测值不同于拟合值,因为 Minitab 使用所有的数据来计算拟合值。

    例如,分析员拥有 1 月到 12 月的每月数据。在 12 月,分析员想要为下个月生成预测值,但 12 月的数据不完整。在预测点数中,分析员输入 2。在预测起始点中,分析员输入 12。Minitab 使用截止到 11 月的数据来为 12 月和 1 月生成预测值。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策