请完成以下步骤来解释趋势分析。主要输出包括拟合趋势方程、准确度度量和预测值。
步骤 1：确定模型是否与数据拟合
检查趋势分析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。理想情况是，数据点应沿着拟合线随机分布。
- 如果模型与数据拟合，则可以执行 双指数平滑 并比较两个模型。
- 如果模型与数据不拟合，请再次执行分析并选择其他类型的模型。如果您拟合线性模型并查看数据中的弯曲情况，请选择二次、指数或 S 曲线模型。如果没有与数据拟合的数据，请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？。
在该趋势分析图中，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
检查趋势分析图末端和预测值，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开始偏离数据，则说明基础趋势可能会发生改变。如果趋势要改变，则模型可能无法生成准确的预测。在这种情况下，请收集更多的数据以确定趋势在较长时间段内的一致性是否较差。
即使预测看上去准确，也一定要谨慎对待超过将来 3 个周期的预测。在较短时间段内观测到的趋势可能是较大周期的一部分，而且可能无法持续到将来。由于趋势易变，因此您通常只应预测将来 2 或 3 个周期的趋势。
在该趋势分析图中，拟合值沿着数据紧密分布，尤其是在序列末端。您可以得出接下来 3 个月的预测值准确的结论。
