Ajaseeria analüüs on oluline osa statistikas, eriti majanduslikes kontekstides. Selleks, et saada põhjalik arusaam veaanalüüsidest ja täpsuse hindamisest Excelis, juhendatakse sind selles juhendis läbi praktilise rakendusjuhtumi. See toimub autotööstuse alltöövõtja juhtumianalüüsi näitel. Sa õpid, kuidas võrrelda prognoose tegelike väärtustega ja saad kasutada veaanalüüside abil oma prognooside täpsust kvantifitseerida.
Olulisemad teadmised
- Sa õpid, kuidas saab Excelis võrrelda prognoose ja tegelikke väärtusi.
- Sa saad teada, milliseid veakindluse näitajaid kasutatakse prognoositäpsuse hindamiseks.
- Lõpuks saad arvutada variatsioonikoefitsiendi ja ruutkeskvea (RMSE).
Juhised samm-sammult
Alusta 2019. aasta väärtuste sisestamisega Excelisse prognooside ja 2020. aasta väärtustega tegelike väärtustena. Veendu, et kannad numbrid korrektselt üle, et luua kindel alus oma arvutustele.
Analüüsi läbiviimiseks vajad mõlema aasta algandmeid. Veendu, et 2020. aasta numbrid on õiged, ja sisesta seejärel 2019. aasta prognoosid. Need väärtused on teie arvutuste aluseks.
Kopeeri nüüd 2020. aasta algandmed töölehele ja kleebi need täielikult sisse. Arvutuste selguse huvides on soovitatav luua eraldi veerud prognooside ja tegelike väärtuste jaoks.
Järgmisena peate prognoosid tegelikuist väärtustest maha lahutama, et arvutada vead. Selleks kasutage valemit „Viga = Tegelik väärtus - Prognoos“. Korruta see arvutus oma kõigi andmepunktide hulgas, et kvantifitseerida kõik vead.
Pärast vigade arvutamist on järgmine samm nende vigade ruutväärtuste arvutamine. See tähendab, et iga viga korrutatakse iseendaga, mis annab sulle ruutväärtusega vead.
Nüüd arvuta ruutväärtuste keskmine. Selleks kasuta Excelis funktsiooni „Keskmine“ ja jaga ruutväärtuste summa vaatluste arvuga. See annab sulle keskmise ruutseadme vea.
Pärast ruutväärtuste keskmise arvutamist võta sellest numbri ruutjuur. See viib sind ruutkeskvea (RMSE) juurde. See väärtus on oluline sinu prognoositäpsuse hindamiseks.
Soovid nüüd ka tegelike väärtuste keskmist arvutada. Selleks kasuta uuesti funktsiooni „Keskmine“ ja vali vastavad tegelikud väärtused. See keskmine on oluline hilisemaks variatsioonikoefitsiendi tõlgendamiseks.
Järgmise sammu käigus arvuta variatsioonikoefitsient (VK). VK arvutatakse, jagades RMSE tegelike väärtuste keskmisega. See annab sulle vigade protsentuaalse esitluse tegelike väärtuste suhtes, hinnates sinu prognooside täpsust.
Variatsioonikoefitsiendi tõlgendamine on oluline. 0,08 VK tähendab väikest suhtelist kõikumist ja seega kõrget prognoosigüte. Sa võid selle arvu ja teadmised ka referenstabelisse sisestada, et tulemusi paremini mõista.
Kokkuvõtvalt oled analüüsinud Excelis prognoose ja tegelikke väärtusi mitme sammu abil. Vigade arvutamine, ruutväärtuste tegemine, keskmiste arvutamine ja lõpuks variatsioonikoefitsiendi leidmine on põhimeetodid ajaseeriaanalüüside täpsuse hindamiseks.
Kokkuvõte
Selles juhendis uurisid, kuidas Excelis analüüsida ajaseeriaid, võrreldes prognoose tegelike väärtustega. Sa õppisid arvutama vigu, ruutväärtuste tegemist ja suutsid kvantifitseerida oma prognooside täpsust. Variatsioonikoefitsiendi arvutamisega on sul nüüd võime tulevasi prognoose paremini hinnata.
Sagedased küsimused
Kuidas saan Excelis kujutada tegelikke väärtusi ja prognoose?Luues eraldi veerud tegelike väärtuste ja prognooside jaoks ning sisestades vastavad väärtused nendesse veergudesse.
Kuidas arvutada RMSE?RMSE arvutatakse, võttes ruutjuure keskmisest ruutvigu.
Mis tähendab kõrge variatsioonikoefitsient?Kõrge variatsioonikoefitsient viitab suurele suhtelisele kõikumisele, mis osutab madalamale prognoosikvaliteedile.
Miks on vigade ruutväärtuste arvutamine oluline?Vigade ruutväärtuste arvutamine tagab, et positiivsed ja negatiivsed kõrvalekalded ei neutraliseeruks omavahel, kui arvutada keskmist.
