请选择您所选的方法或公式。
线性
公式
线性趋势模型为：
Yt = β0 + β1t + et
表示法
| 项 | 说明 |
|---|---|
| β0 | 常量 |
| β1 | 从一个周期到下一个周期的平均变化 |
| t | 时间单位的值 |
| et | 误差项 |
指数增长
公式
指数增长趋势模型可以说明指数增长或衰减。例如，储蓄帐户可能呈现指数增长。
Yt = β0 * β1t * et
表示法
| 项 | 说明 |
|---|---|
| β0 | 常量 |
| β1 | 系数 |
| t | 时间单位的值 |
| et | 误差项 |
二次
公式
可以说明数据中的简单曲线的二次趋势模型为：
Yt = β0 + β1t + β2t2 + et
表示法
| 项 | 说明 |
|---|---|
| β0 | 常量 |
| β1 and β2 | 系数 |
| t | 时间单位的值 |
| et | 误差项 |
S 曲线
公式
数据中有 S 形状，这表明变化方向在一段时间内会改变。
Yt = 10a / (β0 + β1β2t)
表示法
| 项 | 说明 |
|---|---|
| β0 | 常量 |
| β1 and β2 | 系数 |
| t | 时间单位的值 |
权重
如果提供的是先前趋势分析拟合的系数，则 Minitab 执行加权趋势分析。如果某个特定系数的权重为 α，则 Minitab 使用以下公式估计新系数：
公式
αp1 + (1 – α)p2
表示法
| 项 | 说明 |
|---|---|
| p1 | 从当前数据估计的系数 |
| p2 | 先前的系数 |
预测
Minitab 使用趋势方程来计算特定时间值的预测值。预测原点之前的数据用于拟合趋势。
平均绝对百分比误差 (MAPE)
平均绝对百分比误差 (MAPE) 度量时间序列值拟合的准确度。MAPE 以百分比表示准确度。
公式
表示法
| 项 | 说明 |
|---|---|
| yt | 时间 t 处的实际值 |
 | 拟合值 |
| n | 观测值个数 |
平均绝对误差 (MAD)
平均绝对偏差 (MAD) 度量时间序列值拟合的准确度。MAD 以与数据相同的单位表示准确度，从而有助于使误差量概念化。
公式
表示法
| 项 | 说明 |
|---|---|
| yt | 时间 t 处的实际值 |
 | 拟合值 |
| n | 观测值个数 |
平均偏差平方和 (MSD)
无论采用哪种模型，平均偏差平方和 (MSD) 始终是使用相同的分母 n 计算的。对于异常大的预测误差，MSD 度量比 MAD 敏感。
公式
表示法
| 项 | 说明 |
|---|---|
| yt | 时间 t 处的实际值 |
 | 拟合值 |
| n | 观测值个数 |
