Анализът на времеви редове е централен елемент на статистиката, особено в икономически контексти. За да развиеш основно разбиране за анализа на грешки и оценките на качеството в Excel, в това ръководство ще бъдеш препратен чрез практичен случай. Това все става на примера на казуса на автомобилен доставчик. Ще научиш как да сравняваш прогнозите с фактическите стойности и как да количествено оценяваш качеството на прогнозите си чрез анализ на грешките.
Най-важните открития
- Научи как прогнозите и фактическите стойности могат да се сравняват в Excel.
- Разбери кои са мерките за грешки, които се използват за оценка на качеството на прогнозите.
- В края ще можеш да пресметнеш коефициента на вариация и квадратния среден квадратичен отклонение (RMSE).
Стъпка по стъпка ръководство
Започни като въведеш 2019 годишните стойности като прогнози и 2020 годишните като фактически стойности в Excel. Внимавай да прехвърлиш числата правилно, за да създадеш здрава основа за изчисленията си.
За да извършиш анализа, се нуждаеш от суровите данни за двете години. Трябва да се увериш в правилността на числата за 2020 година и след това да интегрираш прогнозите за 2019 година. Тези стойности служат като основа за твоите изчисления.
Сега копирай суровите данни на числата за 2020 година в работния си лист и ги постави цялостно. За да запазиш изчисленията си ясно структурирани, е препоръчително да създадеш отделни колони за прогнози и фактически стойности.
В следващата стъпка трябва да извадиш прогнозите от фактическите стойности, за да пресметнеш грешките. За целта използвай формулата "Грешка = Фактическа стойност - Прогноза". Приложи тази изчисление за всички твои данни, за да количествено оцениш всички грешки.
След като пресметнеш грешките, следващата стъпка е да ги квадрираш. Това означава, че умножаваш всяка грешка по самата себе си, което ти дава квадрираните грешки.
Сега пресметни средното на квадрираните грешки. За целта използвай функцията "Средно" в Excel и раздели сумата на квадрираните грешки на броя на наблюденията. Това ти дава средното квадратично отклонение.
След като бъде установено средното на квадрираните грешки, извади корен от това средностатистическо отклонение. Това води до стойността Root Mean Square Error (RMSE). Тази стойност е от съществено значение за оценката на качеството на прогнозите ти.
Сега искаш да изчислиш и средната стойност на фактическите стойности. Отново използвай функцията "Средно" и избери съответните фактически стойности. Този средноаритметичен отклонение е важно за по-късното тълкуване на коефициента на вариация.
В следващата стъпка изчисли коефициента на вариация (VK). VK се изчислява, като разделиш RMSE на средната стойност на фактическите стойности. Това ти дава процентно представяне на грешките спрямо фактическите стойности, което оценява качеството на прогнозите ти.
Тълкуването на коефициента на вариацията е съществено. Коефициент на вариация от 0,08 означава ниско относително колебание и следователно високо качество на прогнозите. Можеш да въведеш този номер, както и твоите открития, в таблица с препратки, за да направиш резултатите по-разбираеми.
Обобщено анализира прогнозите и фактическите стойности в Excel чрез няколко стъпки. Изчисляването на грешки, квадрирането, формирането на средните стойности и накрая определянето на коефициента на вариацията са основни методи за оценка на качеството на анализите на времеви редове.
Обобщение
В този урок си проучил как да анализираш времеви редове в Excel, като сравняваш прогнозите с фактическите стойности. Научил си как да пресмяташ грешките, да ги квадрираш и да количествено оценяваш качеството на прогнозите ти. Чрез определянето на коефициента на вариацията вече имаш възможността да оценяваш по-добре бъдещи прогнози.
Често задавани въпроси
Как мога да представя фактическите стойности и прогнозите в Excel?Като създадете отделни колони за фактически и прогнозни стойности и въведете съответните стойности в тези колони.
Как се пресмята RMSE?RMSE се пресмята, като извадиш корен от средностатистическото отклонение.
Какво означава висок коефициент на вариацията?Високият коефициент на вариация указва на висока относителна колебаемост, което показва по-ниско качество на прогнозите.
Защо е важно да се квадрират грешките?Квадрирането на грешките гарантира, че положителните и отрицателни отклонения няма да се нулират, когато се пресмята средното.
