Časovna analiza je osrednji element statistike, še posebej v gospodarskih povezavah. Da razviješ trdno razumevanje napak in ocen kakovosti v Excelu, te bo ta vodnik vodil skozi praktični primer uporabe. To se naredi na primeru študije primera dobavitelja avtomobilov. Izvedel boš, kako lahko primerjaš napovedi z dejanskimi vrednostmi in kvantificiraš kakovost svojih napovedi s pomočjo analize napak.
Najpomembnejša spoznanja
- Naučiš se, kako lahko napovedi in dejanske vrednosti v Excelu primerjaš med seboj.
- Spoznal boš, katere merila napak se uporabljajo za ocenjevanje kakovosti napovedi.
- Na koncu boš lahko izračunal variacijski koeficient in srednjo kvadratno napako (RMSE).
Korak za korakom
Začni z vnašanjem vrednosti za leto 2019 kot napovedi in vrednosti za leto 2020 kot dejanske vrednosti v Excel. Paziti moraš, da pravilno prenašaš številke, da ustvariš trdno osnovo za svoje izračune.
Za analizo potrebuješ surove podatke obeh let. Prepričaj se o vrednostih za leto 2020, nato pa vključi napovedi za leto 2019. Te vrednosti bodo osnova za tvoje izračune.
Zdaj kopiraj surove podatke vrednosti za leto 2020 v delovno območje in jih v celoti prilepi. Da ohraniš izračune jasno strukturirane, je priporočljivo ustvariti ločene stolpce za napovedi in dejanske vrednosti.
V naslednjem koraku moraš od napovedi odšteti dejanske vrednosti, da izračunaš napake. Pri tem uporabi formulo "Napaka = Dejanska vrednost - Napoved". Uporabi to izračunavanje za vse svoje podatkovne točke, da kvantificiraš vse napake.
Po izračunu napak je naslednji korak, da te napake kvadriraš. To pomeni, da vsako napako pomnožiš sama s seboj, kar ti bo dalo kvadrirane napake.
Zdaj izračunaj povprečje kvadriranih napak. Za to uporabi funkcijo "Povprečje" v Excelu in deli vsoto kvadriranih napak z številom opazovanj. S tem boš dobil povprečno kvadratno napako.
Po ugotovitvi povprečja kvadriranih napak izračunaj koren iz tega povprečja. To bo pripeljalo do srednje kvadratne napake (RMSE). Ta vrednost je ključna pri ocenjevanju kakovosti tvojih napovedi.
Zdaj želiš izračunati tudi povprečje dejanskih vrednosti. Za to ponovno uporabi funkcijo "Povprečje" in izberi ustrezne dejanske vrednosti. To povprečje je pomembno za kasnejšo interpretacijo variacijskega koeficienta.
V naslednjem koraku izračunaj variacijski koeficient (VK). VK se izračuna tako, da RMSE deliš z povprečjem dejanskih vrednosti. To ti da procentualen prikaz napak v primerjavi z dejanskimi vrednostmi, kar ocenjuje kakovost tvojih napovedi.
Interpretacija variacijskega koeficienta je bistvena. VK v višini 0,08 pomeni nizko relativno nihanje in s tem visoko kakovost napovedi. Lahko to številko in spoznanja vnesete tudi v referenčno tabelo, da bo rezultate lažje razumeti.
Povzeto si analiziral napovedi in dejanske vrednosti v Excelu skozi več korakov. Izračuni napak, kvadriranje, tvorba povprečij in nazadnje določitev variacijskega koeficienta so osnovne metode ocenjevanja kakovosti časovnih analiz.
Povzetek
V tej vodniku si raziskal, kako analizirati časovne vrste v Excelu s primerjavo napovedi z dejanskimi vrednostmi. Naučil si se izračunavati napake, kvadrirati te napake in kvantificirati kakovost svojih napovedi. Z določitvijo variacijskega koeficienta sedaj imaš sposobnost, da lahko bolje oceniš prihodnje napovedi.
Pogosta vprašanja
Kako lahko v Excelu prikažem dejanske in napovedane vrednosti?Z ustvarjanjem ločenih stolpcev za dejanske vrednosti in napovedi ter vnašanjem ustrezne vrednosti v te stolpce.
Kako izračunati RMSE?RMSE se izračuna tako, da izvlečete koren iz povprečja kvadriranih napak.
Kaj pomeni visok variacijski koeficient?Visok variacijski koeficient kaže na visoko relativno nihanje, kar kaže na nižjo kakovost napovedi.
Zakaj je pomembno kvadriranje napak?Kvadriranje napak zagotavlja, da se pozitivne in negativne odstopanja med seboj nevtralizirajo pri izračunu povprečja.
