الانتقال المتوسط الموسمية للتكيف

تنفيذ جدول البيانات من التعديل الموسمي والتجانس الأسي. فمن السهل إجراء الموسمية التكيف وتناسب نماذج التمهيد الأسي باستخدام إكسيل يتم أخذ الصور الشاشة والرسوم البيانية أدناه من جدول البيانات التي تم إعدادها لتوضيح التعديل الموسمية المضاعفة والخطي الأسي تمهيد على بعد بيانات المبيعات ربع السنوية من أوتبوارد Marine. To الحصول على نسخة من ملف جدول البيانات نفسه، انقر هنا إصدار التجانس الأسي الخطي التي سيتم استخدامها هنا لأغراض مظاهرة هو نسخة براون s، لمجرد أنه يمكن تنفيذها مع عمود واحد من الصيغ وليس هناك سوى واحد ثابت تمهيد لتحسين عادة ما يكون من الأفضل استخدام النسخة هولت التي لديها ثوابت تمهيد منفصلة للمستوى والاتجاه. وتنتقل عملية التنبؤ على النحو التالي أولا يتم تعديل البيانات موسميا ثانيا ثم يتم إنشاء التوقعات ل البيانات المعدلة موسميا عن طريق التمهيد الأسي الخطي والثالث زعنفة حليف تنبؤات معدلة موسميا هي ريساسوناليزد للحصول على توقعات لسلسلة الأصلية يتم إجراء عملية التعديل الموسمية في الأعمدة D من خلال G. الخطوة الأولى في التعديل الموسمي هو حساب المتوسط ​​المتحرك تركز يؤدى هنا في العمود D ويمكن القيام بذلك عن طريق مع الأخذ بمتوسط ​​متوسطين على مدى سنة واحدة تقابلهما فترة واحدة بالنسبة لبعضهما البعض وهناك حاجة إلى مزيج من متوسطين للمقاصة بدلا من متوسط ​​واحد لأغراض المركز عندما يكون عدد المواسم حتى الخطوة التالية هي حساب فإن النسبة إلى المتوسط ​​المتحرك - هي البيانات الأصلية مقسومة على المتوسط ​​المتحرك في كل فترة - والتي يتم إجراؤها هنا في العمود هاء ويسمى هذا أيضا بمكون دورة الاتجاه للنمط، بقدر ما يمكن أن تؤثر الاتجاهات ودورات دورة الأعمال يعتبر كل ما تبقى بعد حساب المتوسط ​​على مدى سنة كاملة من قيمة البيانات بالطبع، من شهر إلى شهر التغييرات التي ليست بسبب الموسمية يمكن تحديدها من قبل العديد من العوامل الأخرى s، ولكن متوسط ​​12 شهرا ينعم عليها إلى حد كبير ويحسب مؤشر الموسمية المقدر لكل موسم عن طريق المتوسط ​​الأول لجميع النسب لهذا الموسم معين، والذي يتم في الخلايا G3-G6 باستخدام صيغة أفيراجيف معدلات المتوسط ثم يتم تعديلها بحيث تصل إلى 100 مرة بالضبط عدد الفترات في الموسم، أو 400 في هذه الحالة، والذي يتم في الخلايا H3-H6 أدناه في العمود F، يتم استخدام صيغ فلوكوب لإدراج قيمة الفهرس الموسمية المناسبة في كل صف من جدول البيانات، وفقا لربع السنة يمثل يمثل المتوسط ​​المتحرك المركب والبيانات المعدلة موسميا في نهاية المطاف تبدو مثل هذا. لاحظ أن المتوسط ​​المتحرك عادة ما يبدو نسخة أكثر سلاسة من سلسلة المعدلة موسميا، وأنه هو أقصر على كلا الطرفين. ورقة عمل أخرى في نفس ملف إكسيل يظهر تطبيق نموذج التجانس الأسي الخطي للبيانات المعدلة موسميا، بدءا من العمود غا قيمة ثابت ألفا تمهيد هو أر في العمود H9 وللراحة يتم تعيين اسم النطاق ألفا يتم تعيين الاسم باستخدام الأمر إنزيرت نيم كريت يتم تهيئة نموذج ليس عن طريق تحديد أول تنبؤين يساويان القيمة الفعلية الأولى للموسمية السلسلة المعدلة الصيغة المستخدمة هنا للتنبؤ ليس هي المعادلة أحادية المعادلة النموذج من نموذج براون s. ويتم إدخال هذه الصيغة في الخلية المقابلة للفترة الثالثة هنا، H15 الخلية ونسخ أسفل من هناك لاحظ أن توقعات ليس لل تشير الفترة الحالية إلى المالحظتين السابقتين وأخطاء التنبؤ السابقة، وكذلك إلى قيمة ألفا وهكذا، فإن صيغة التنبؤ الواردة في الصف 15 تشير فقط إلى البيانات التي كانت متوفرة في الصف 14 وما قبله وبطبيعة الحال، إذا كنا نرغب في استخدام بسيطة بدلا من التجانس الأسي الخطي، يمكننا استبدال صيغة سيس هنا بدلا من ذلك يمكننا أيضا استخدام هولت ق بدلا من براون ليس نموذج، والتي تتطلب عمودين آخرين من فورمو لاس لحساب المستوى والاتجاه المستخدم في التنبؤ. يتم حساب الأخطاء في العمود التالي هنا، العمود J من خلال طرح التوقعات من القيم الفعلية يتم حساب الخطأ الجذر التربيعي الوسطي باعتباره الجذر التربيعي للتباين في والأخطاء بالإضافة إلى مربع الوسط يتبع ذلك من الهوية الرياضية أخطاء مس فاريانس أفيراج إرورس 2 عند حساب متوسط ​​وتفاوت الأخطاء في هذه الصيغة، يتم استبعاد الفترتين الأوليتين لأن النموذج لا يبدأ فعلا التنبؤ حتى الفترة الثالثة الصف 15 على جدول البيانات يمكن العثور على القيمة المثلى ألفا إما عن طريق تغيير ألفا يدويا حتى يتم العثور على الحد الأدنى رمز، أو يمكنك استخدام سولفر لأداء التقليل الدقيق قيمة ألفا التي وجدت سولفر وجدت هنا ألفا 0 471- وعادة ما تكون فكرة جيدة هي رسم أخطاء النموذج في الوحدات المحولة، وكذلك لحساب ورسم مؤثراتهم الذاتية عند فترات تأخر تصل إلى موسم واحد. وفيما يلي سلسلة زمنية مؤامرة من الأخطاء المعدلة موسميا. يتم حساب الخطأ أوتوكوريلاتيونس باستخدام الدالة كوريل لحساب الارتباطات من الأخطاء مع أنفسهم تخلفت بفترة واحدة أو أكثر - وترد التفاصيل في نموذج جدول البيانات هنا هو مؤامرة من أوتوكوريلاتيونس من أخطاء في التأخرات الخمسة الأولى. أوتوكوريلاتيونس في الفترات من 1 إلى 3 قريبة جدا من الصفر، ولكن ارتفاع في تأخر 4 الذي هو قيمة 0 35 هو مزعجة قليلا - أنه يشير إلى أن عملية التعديل الموسمية لم تكن ناجحة تماما ومع ذلك، هو في الواقع هامشية فقط 95 عصابة الدلالة لاختبار ما إذا كانت أوتوكوريلاتيونس تختلف اختلافا كبيرا عن الصفر هي تقريبا زائد أو ناقص 2 سرت نك، حيث n هو حجم العينة و k هو تأخر هنا ن 38 و k يختلف من 1 إلى 5، وبالتالي فإن مربع الجذر من-ن-ناقص-ك حوالي 6 للجميع، وبالتالي حدود لاختبار أهمية إحصائية الانحرافات من الصفر تقريبا زائد أو ناقص 2 6، أو 0 33 إذا كنت تختلف قيمة ألفا باليد في هذا النموذج إكسيل، يمكنك مراقبة تأثير على سلسلة زمنية ومؤامرات الارتباط الذاتي من الأخطاء، وكذلك على الخطأ الجذر المتوسط ​​مربع، والتي سيتم توضيحها أدناه. في الجزء السفلي من جدول البيانات ، يتم وضع صيغة التنبؤ في المستقبل عن طريق مجرد استبدال التنبؤات للقيم الفعلية عند النقطة التي تنفد فيها البيانات الفعلية - أي حيث يبدأ المستقبل بعبارة أخرى، في كل خلية قد تحدث فيها قيمة بيانات مستقبلية، فإن مرجع الخلية يتم إدراجها التي تشير إلى التوقعات التي تم إجراؤها لتلك الفترة يتم نسخ جميع الصيغ الأخرى ببساطة أسفل من أعلاه. لاحظ أن أخطاء التنبؤات المستقبلية كلها محسوبة لتكون صفر هذا لا يعني أن الأخطاء الفعلية ستكون صفرا، بل بالأحرى فإنه يعكس مجرد حقيقة أنه لأغراض التنبؤ نحن نفترض أن البيانات المستقبلية سوف يساوي التوقعات في المتوسط ​​التوقعات ليس الناتجة عن البيانات المعدلة موسميا تبدو مثل هذا. مع هذا فالو معين e من ألفا، وهو الأمثل للتنبؤات السابقة على فترة واحدة، فإن الاتجاه المسقط صعودي قليلا، مما يعكس الاتجاه المحلي الذي لوحظ خلال السنتين الماضيتين أو نحو ذلك وبالنسبة لقيم ألفا الأخرى، يمكن الحصول على إسقاط اتجاه مختلف جدا وعادة ما تكون فكرة جيدة لمعرفة ما يحدث لإسقاط الاتجاه على المدى الطويل عندما يكون ألفا متنوعا، لأن القيمة الأفضل للتنبؤ على المدى القصير لن تكون بالضرورة أفضل قيمة للتنبؤ بالمستقبل البعيد. على سبيل المثال، هنا هي النتيجة التي يتم الحصول عليها إذا تم تعيين قيمة ألفا يدويا إلى 0 25. الاتجاه المتوقع على المدى الطويل هو الآن سلبي بدلا من إيجابي مع قيمة أصغر من ألفا، النموذج يضع المزيد من الوزن على البيانات القديمة في تقديرها والمستوى الحالي والاتجاه، وتوقعاتها على المدى الطويل تعكس الاتجاه النزولي لوحظ على مدى السنوات الخمس الماضية بدلا من الاتجاه التصاعدي الأحدث هذا الرسم البياني يوضح أيضا بوضوح كيف النموذج مع قيمة أصغر من ألفا أبطأ للرد على نقاط التحول في البيانات وبالتالي يميل إلى حدوث خطأ من نفس العلامة لفترات عديدة على التوالي. أما أخطاء التنبؤ من خطوة واحدة فهي أكبر في المتوسط ​​من الأخطاء التي تم الحصول عليها قبل رمز 34 34 بدلا من 27 4 و يرتبط ارتباطا إيجابيا إيجابيا بقوة إن الترابط الذاتي لاغ-1 البالغ 0 56 يتجاوز إلى حد كبير قيمة 0 33 المحسوبة أعلاه لانحراف ذي دلالة إحصائية عن الصفر كبديل عن تحريك قيمة ألفا من أجل إدخال مزيد من المحافظة على التنبؤات الطويلة الأجل، يضاف عامل تهدئة الاتجاه في بعض الأحيان إلى النموذج من أجل جعل الاتجاه المتوقع تتسطح بعد بضع فترات. الخطوة الأخيرة في بناء نموذج التنبؤ هو إعادة النظر في توقعات ليس بضرب لهم من خلال المؤشرات الموسمية المناسبة وهكذا، فإن التنبؤات رياسوناليزد في العمود الأول هو ببساطة نتاج المؤشرات الموسمية في العمود واو وتوقعات ليس المعدلة موسميا في العمود H. فمن السهل نسبيا حساب الثقة فالفترات الزمنية للتنبؤات ذات الخطوة الواحدة التي يقوم بها هذا النموذج تحسب أولا الخطأ رمس المتوسط ​​المتوسط ​​الجذر الذي هو مجرد الجذر التربيعي للمشروعات المتوسطة والصغيرة ثم يحسب فاصل الثقة للتنبؤ المعدل موسميا عن طريق جمع وطرح مرتين رمز (رمز) بشكل عام تساوي فاصل الثقة 95 للتنبؤ بفترة زمنية واحدة تقريبا نقطة التنبؤ زائد أو ناقص ضعف الانحراف المعياري المقدر لأخطاء التنبؤ، على افتراض أن توزيع الخطأ يكون طبيعيا تقريبا وحجم العينة هي كبيرة بما فيه الكفاية، ويقول 20 أو أكثر هنا، رمز بدلا من العينة الانحراف المعياري للأخطاء هو أفضل تقدير للانحراف المعياري للأخطاء التوقعات المستقبلية لأنه يأخذ التحيز وكذلك عشوائية الاختلافات في الاعتبار حدود الثقة للموسمية وبعد ذلك يتم إعادة حساب التوقعات المعدلة مع التوقعات، بضربها بالمؤشرات الموسمية المناسبة في هذه الحالة يساوي رمز رمز 27 4 والمعدل موسميا التوقعات للفترة الأولى الأولى ديسمبر -93 هي 273 2 وبالتالي فإن فترة الثقة 95 المعدلة موسميا هي من 273 2-2 27 4 218 4 إلى 273 2 2 27 4 328 0 ضرب هذه الحدود حسب مؤشر ديسمبر الموسمية من 68 61 نحصل على وحدود الثقة الدنيا والعليا من 149 8 و 225 0 حول توقعات النقطة ديسمبر 93. 187 4. حدود الثقة للتوقعات أكثر من فترة واحدة المقبلة سوف تتسع عموما مع زيادة أفق التوقعات، وذلك بسبب عدم اليقين حول مستوى والاتجاه كذلك كعوامل موسمية، ولكن من الصعب حسابها بشكل عام من خلال الطرق التحليلية الطريقة المناسبة لحساب حدود الثقة لتوقعات ليس هي باستخدام نظرية أريما، ولكن عدم اليقين في المؤشرات الموسمية هو مسألة أخرى إذا كنت تريد الثقة واقعية الفاصل الزمني للتنبؤ أكثر من فترة واحدة المقبلة، مع أخذ جميع مصادر الخطأ في الاعتبار، أفضل رهان الخاص بك هو استخدام أساليب تجريبية على سبيل المثال، للحصول على فترة الثقة لتوقعات 2 خطوة إلى الأمام، يمكنك إنشاء عمود آخر على جدول البيانات لحساب توقعات 2-خطوة قبل كل فترة من قبل بوتسترابينغ توقعات خطوة واحدة قبل ذلك ثم حساب رمز من أخطاء التنبؤ قبل خطوة 2 واستخدام هذا كأساس لخطوة 2-خطوة - المتوسط ​​المتحرك هو وسيلة لتمهيد السلاسل الزمنية من خلال حساب المتوسطات مع أو بدون أوزان عدد ثابت من المصطلحات المتتالية. تتحرك المتوسطات بمرور الوقت حيث أن كل نقطة بيانات من السلسلة متضمنة بالتتابع في المتوسط ، في حين تتم إزالة أقدم نقطة بيانات في متوسط ​​المتوسط ​​بشكل عام، وكلما زادت فترة المتوسط، كانت السلاسة هي السلسلة الناتجة تم استخدام المتوسطات المتحركة لتسهيل التقلبات في السلاسل الزمنية أو لتحديد مكونات السلاسل الزمنية، مثل الاتجاه، والدورة، والموسمية، وما إلى ذلك يستبدل المتوسط ​​المتحرك كل قيمة من السلاسل الزمنية بمتوسط ​​مرجح للقيم السابقة p والقيمة المعطاة و f التالية لقيم السلسلة إذا كان الرقم p للمتوسط ​​المتحرك يقال b ويقال أن المتوسط ​​المتحرك e يكون متماثلا إذا كان مركزا، وإذا كان لكل k 1 و 2، يف وزن القيمة السابقة k يساوي وزن k - ث التالية واحد لم يتم تحديد المتوسط ​​المتحرك لقيم السلسلة الأولى وقيم السلسلة الزمنية الأخيرة من أجل حساب المتوسط ​​المتحرك لهذه القيم، يجب أن تكون السلسلة باككاستد والتنبؤ بها. مصدر قوة العمل المعنية بعرض البيانات والبيانات الوصفية للإحصاءات الاقتصادية قصيرة الأجل التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي فرقة العمل ستيسوب، باريس، 2004. مفهوم الاستقرارية. من الناحية النظرية، الملاحظة الحالية قد تعتمد على جميع الملاحظات السابقة هذا النموذج الانحدار الذاتي من المستحيل لتقدير لأنه يحتوي على العديد من المعلمات ومع ذلك، إذا شت كدالة خطية من جميع الفترات الماضية، يمكن أن تظهر أن نموذج الانحدار الذاتي هو ما يعادل شت كدالة خطية من عدد قليل فقط من الصدمات الماضية في نموذج متوسط ​​متحرك يتم وصف القيمة الحالية لل شت كدالة خطية من خطأ الصدمة المتزامنة والصدمات الماضية أخطاء. الضبط الطبيعي تعتبر نت نتائج مستقرة إذا كانت مقاومة نسبيا لإزالة أو إضافة نقاط البيانات في أي من نهاية السلسلة الاستقرار هي واحدة من الخصائص الرئيسية لنتائج سا إذا إلحاق أو تأخير بعض الملاحظات تغيير كبير في سلسلة المعدلة موسميا أو دورة الاتجاه المقدر ، فإن تفسير السلسلة المعدلة موسميا لن يكون موثوقا به. ما هي نسب سي. نسب سي هي قيم مكون سي الموسمية غير المنتظمة، محسوبة كنسبة من السلسلة الأصلية إلى الاتجاه المقدر وبعبارة أخرى، نسب سي هي تقديرات من المخططات سي سلسلة ديترندد مفيدة للتحقيق في ما إذا كانت الحركات قصيرة الأجل الناجمة عن التقلبات الموسمية أو غير النظامية هذا المخطط هو أداة تشخيصية تستخدم لتحليل السلوك الموسمية، والانتقال أنماط عطلة، القيم المتطرفة وتحديد الفواصل الموسمية في سلسلة. سايسونال برنامج تعديل يعرض عادة المعلومات التالية حول نموذج ريجاريما. اختيار معيار معايير المعلومات معايير القياس هي معايير الخير النسبي لملاءمة نموذج إحصائي في برامج التكيف الموسمية تستخدم في اختيار النظام الأمثل لنموذج ريجارميا بالنسبة لمعايير المعلومات المعطاة، فإن النموذج المفضل هو النموذج ذي القيمة الدنيا لمعيار المعلومات. في التكرار B، الجدول B7، التكرار C الجدول C7 والتكرار D الجدول D7 والجدول D12 يستخرج مكون دورة الاتجاه من تقدير للسلسلة المعدلة موسميا باستخدام متوسطات هندرسون المتحركة يتم اختيار طول مرشح هندرسون تلقائيا بواسطة X-12 - ARIMA في إجراء من خطوتين. متوسطات التحريك. الزحزحة التحول هو الفرق في الكشف عن نقاط تحول بين البيانات الأصلية وسلس هذا التأثير هو عيب لأنه يتسبب في تأخير في الكشف عن نقاط تحول من السلاسل الزمنية، وخاصة في معظم الفترة الحالية المتوسطات المتحركة المتماثلة متمركزة مقاومة لهذا التأثير ومع ذلك، في نهاية وبداية سلسلة زمنية متماثلة سلسلة زمنية لا يمكن يمكن استخدامها من أجل حساب قيم ممهدة في كلا طرفي السلاسل الزمنية يستخدم فلتر غير المتماثلة، إلا أنها تسبب تأثير المرحلة. يمكنك النقر والسحب في منطقة المؤامرة للتكبير. يمكنك الماوس فوق نقاط البيانات إلى انظر القيمة الفعلية التي هي رسوم بيانية. إذا كان هناك مربع أسطورة، انقر على اسم السلسلة لإخفاء تظهر لهم. المتوسطات المتحركة هي المتوسطات الحسابية المطبقة على فترات زمنية متتالية من طول ثابت من سلسلة عندما تطبق على السلسلة الزمنية الأصلية التي تنتجها سلسلة من القيم المتوسطة. الصيغة العامة للمتوسط ​​المتحرك للمعاملات هي. ويطلق على معاملات المتوسط ​​المتحرك تسمى الأوزان الكمية يف 1 هي متوسط ​​المتوسط ​​المتحرك ويطلق على المتوسط ​​المتحرك مركزا إذا كان عدد المشاهدات في الماضي مساويا إذا كان الرقم p يساوي f. تحسب المتوسطات الحرفية السلسلة الزمنية الأصلية بمتوسطات مرجحة للقيم الحالية، والملاحظات p السابقة للمراقبة الحالية و f أوبسيرفاتي على متابعة الملاحظة الحالية أنها تستخدم لسلاسة السلاسل الزمنية الأصلية. ويعرض الجدول عدد الركاب الذين سافروا عن طريق الجو ذكرت فنلندا في عام 2001. وترد نفس البيانات على الرسم البياني. نماذج من المتوسطات المتحركة. على أساس الترجيح يمكن أن تكون المتوسطات المتحركة s. Symmetric نمط وزنها المستخدم لحساب المتوسطات المتحركة متماثل حول نقطة البيانات المستهدفة من خلال المتوسطات المتحركة متماثل فإنه من غير الممكن الحصول على قيم ممسحة الأولى p وآخر ملاحظات p للمتوسطات المتحركة متماثل p f. Asymmetric نموذج وزنها المستخدمة لحساب المتوسطات المتحركة ليست متماثلة حول نقطة البيانات المستهدفة. يمكن تصنيف المتوسطات المتحركة أيضا وفقا لمساهمتها في القيمة النهائية as. Simple المتوسطات المتحركة، أي المتوسطات المتحركة التي جميع الأوزان هي نفسه في حالة المتوسطات المتحركة البسيطة كل الملاحظات تساهم بالتساوي في القيمة النهائية وغني عن القول، جميع المتوسطات البسيطة بسيطة هي سي ممتريك رسميا، بالنسبة للمتوسط ​​المتحرك المتماثل للنظام P 2p 1 جميع الأوزان تساوي 1 P. الصورة أدناه تقارن درجة التمهيد التي تحققت من خلال تطبيق متوسطات الحركة البسيطة على المدى الثالث و 7 المدى الملاحظات المتطرفة على سبيل المثال أبريل 2010 أو يونيو 2011 يكون لها تأثير أقل على المتوسط ​​المتحرك الأطول من المتوسط ​​الأقصر. المتوسطات المتحركة غير البسيطة، أي المتوسطات المتحركة التي لا تكون جميع أوزانها هي نفسها. الحالات الخاصة للمتوسطات المتحركة غير البسيطة هي المتوسطات المتحركة التي يتم الحصول عليها بواسطة مما يشكل متوسطا متحرك بسيطا للنظام P تكون معاملاته مساوية لكل من P 1 ومتوسط ​​متحرك بسيط للنظام Q الذي تساوي معاملاته المتوسطات المتحركة Q. Asymmetric. Properties للمتوسطات المتحركة. المتوسطات المتحركة أكثر سلاسة للوقت سلسلة. عندما تطبق على سلسلة زمنية، فإنها تقلل من اتساع التقلبات الملحوظة وتعمل بمثابة مرشح الذي يزيل الحركات غير النظامية منه. المتوسطات المتحركة مع نمط الترجيح المناسب يمكن استخدام د للقضاء على دورات من طول معين في السلاسل الزمنية في طريقة التعديل الموسمية X-12-أريما وتستخدم أنواع مختلفة من المتوسطات المتحركة لتقدير دورة الاتجاه والمكون الموسمي. إذا كان مجموع المعاملات يساوي 1، ثم فإن المتوسط ​​المتحرك يحافظ على الاتجاه. المتوسطات المتحركة لها اثنين من الافتراضات الهامة. أنها ليست قوية ويمكن أن تتأثر بعمق من القيم المتطرفة. التمهيد في نهايات السلسلة لا يمكن أن يتم ولكن مع المتوسطات المتحركة غير المتماثلة التي تدخل مرحلة التحولات والتأخير في والكشف عن نقاط التحول. في أسلوب X11، المتوسطات متماثل تتحرك تلعب دورا هاما لأنها لا تقدم أي تحول المرحلة في سلسلة سلسة ولكن، لتجنب فقدان المعلومات في نهاية السلسلة، فهي إما تستكمل بمتوسطات متحركة غير متماثلة مخصصة أو يطبق على السلسلة المكتملة بالتنبؤات.