请完成以下步骤来解释双指数平滑分析。主要输出包括平滑图、准确度度量和预测值。
步骤 1：确定模型是否与数据拟合
检查平滑图以确定模型是否与数据拟合。如果拟合值沿着实际数据紧密分布，则说明模型与数据拟合。请确保检查趋势在其处改变方向或强度的任何拐点。
- 如果模型与数据拟合，则可以执行 趋势分析 并比较两个模型。
- 如果模型与数据不拟合，请检查图中是否存在季节性模式或者是否缺乏趋势。如果您发现季节性证据或缺乏趋势证据，则应当使用其他时间序列分析。有关更多信息，请转到应当使用哪些时间序列分析？。
在该平滑图中，拟合值沿着数据紧密分布，这表明模型与数据拟合。
步骤 2：比较您的模型与其他模型的拟合度
使用准确度度量（MAPE、MAD 和 MSD）可以比较您的模型与其他时间序列模型的拟合度。这些统计量本身并不能提供多少信息，但您可以使用它们来比较通过不同方法得到的拟合值。对于所有 3 个统计量，值越小通常表示拟合模型越好。如果单个模型对于所有 3 个统计量没有最低值，则 MAPE 通常是首选度量。
注意
准确度度量提供在您预测数据末端外 1 个周期的值可能遇到的准确度表示形式。因此，准确度度量不指示 1 个周期以外的预测准确度。如果您要使用模型进行预测，则不应当仅基于准确度度量做出决策。您还应当检查模型的拟合度以确保预测值和模型沿着数据紧密分布，尤其是在序列末端。
模型 1
准确度度量
| 平均百分误差 (MAPE) | 7.265 |
|---|---|
| 平均绝对偏差 (MAD) | 16.621 |
| 平均偏差平方和 | 518.119 |
模型 2
准确度度量
| 平均百分误差 (MAPE) | 2.474 |
|---|---|
| 平均绝对偏差 (MAD) | 9.462 |
| 平均偏差平方和 | 135.701 |
主要结果：MAPE、MAD 和 MSD
在这些结果中，第 2 个模型的所有 3 个数值均比第 1 个模型的小。因此，第 2 个模型提供的拟合较好。
步骤 3：确定预测是否准确
检查图中的拟合及预测值，确定预测值是否有可能准确。拟合应当沿着数据紧密分布，尤其是在序列末端。如果拟合在序列末端偏离数据，或者如果预测中的趋势线与总体的数据流匹配，则说明基础趋势需要根据改变来调整。请尝试收集更多的数据，以确定基础趋势中的任何改变是短期的，还是看上去是长期的。
即使您的预测看上去准确，您也应当在预测遥远的将来值时格外小心。您通常只应预测将来 6 个周期的值。
在该平滑图中，趋势似乎会在序列末端发生改变。预测中的趋势线不像数据中的总体长期趋势那样陡峭，但造成此差异的原因是模型针对序列末端的趋势改变进行了更正。预测功能预测接下来 6 个月的销售量存在稍有增加的趋势。
