Как сделать прогноз в excel
Каким в ближайшее время станет объем продаж? Упадет ли трафик или же внезапно вырастет? Чтобы ответить на эти вопросы, аналитиком быть не обязательно. Ниже вы узнаете, что нужно делать.
Способ прогнозирования, о котором пойдет речь, занимает максимум 30 минут. Этим отчетом удобно пользоваться в различных случаях.
Примеры использования
- Для бизнеса без штатных аналитиков. При этом специалисты не умеют строить правильные прогнозы.
- Для составления примерного плана по увеличению продаж. Можно вовремя увидеть спрос или же принять необходимые меры, если он падает.
- Для прогнозирования трафика.
Давайте посмотрим на простой пример — прогноз по продажам. Можно пользоваться Google Таблицами, однако и простой Excel тоже вполне подойдет.
Шаг №1 — собираем данные
Основа отчета — это информация о прошлых периодах. Благодаря им можно спрогнозировать ближайшее будущее. Мы возьмем простое развитие с условием, что курсы валют и прочие факторы останутся неизменными.
Нужно создать Таблицу в Google и указать необходимые данные за прошедшие, к примеру, 20 месяцев. В нашем случае в первую очередь мы выставляем доход:
Шаг №2 — пишем формулу Forecast
В русской локализации эта формула называется “Предзаказом”. Её можно определить по предполагаемому значению Y, если исходить из имеющегося параметра X, где:
- X — точка, для которой требуется сделать прогноз;
- известное Y — сумма продаж за прошедший период;
- известное X — дата этих периодов.
К примеру, требуется выяснить, какими окажутся продажи в следующие 4 месяца. Для это в Таблицу нужно добавить такое же количество строчек и указать порядковые номера месяцев. Там, где прогнозируется доход, необходимо вставить формулу:
- Round — способно округлить полученное значение;
- Forecast — сам прогноз;
- A22 — ячейка, для которой делается прогноз.
- $B$2:$B$21 — известные данные от переменной Y;
- $A$2:$A$21 — диапазон дат за прошлые месяцы.
Шаг №3 — делаем график
Сначала нужно зайти во вкладку “Вставка”. После этого:
- перейдите в раздел “Диаграмма”;
- пройдите в “Настройки”;
- в качестве типа визуализации выберите “График”.
После этого в настройках зайдите в “Дополнительные”, а оттуда — в “Серии”. Поставьте галочку рядом с линиями тренда. Вы увидите линию, которая будет выступать продажами. На нижнем графике заметно, что продажи скорее всего обвалятся.
Время года играет большую роль, если вы занимаетесь сезонным бизнесом. Поэтому информацию нужно отслеживать за последние несколько лет.
Итоги
Такой отчет можно составить, не обладая даже должными навыками по аналитике. Так вы можете понять, есть ли какие-то риски.
По умолчанию Excel предоставляет встроенную функцию, помогающую создать новый рабочий лист для прогнозирования тенденций в данных. Помимо создания таблицы прогнозов, эта статья покажет вам, как создать диаграмму прогноза непосредственно на основе данных в таблице.
Создайте простую диаграмму прогноза
Предположим, у вас есть таблица продаж, содержащая фактические данные о продажах с января по сентябрь, как показано на скриншоте ниже, и вы хотите спрогнозировать тенденции продаж за октябрь, ноябрь и декабрь в виде диаграммы, вы можете сделать следующее, чтобы получить ее.
1. Во-первых, вам нужно создать столбец, содержащий данные прогнозов на октябрь, ноябрь и декабрь, как показано на скриншоте ниже.
Примечание: Рядом с последней ячейкой реальных данных введите те же данные.
2. Выберите данные всей таблицы, нажмите Вставить > Вставить линейную диаграмму или диаграмму с областями > Линия с маркерами.
3. Щелкните правой кнопкой мыши синюю линию (Фактическая серия) и выберите Форматировать ряд данных из контекстного меню.
4. В дебюте Форматировать ряд данных панели настройте следующим образом.
4.3) Разверните Параметры маркера, выберите Встроенный вариант, оставьте выбранным символ круглой точки в Тип раскрывающийся список, замените исходный размер на 10 в Size пунктом.
5. Теперь вам нужно настроить ряд прогнозов. Выберите оранжевую линию (серию прогнозов) и в Форматировать ряд данных панель, сделайте следующее.
5.3). Параметры маркера выберите Встроенный выберите вариант с круглой точкой, а затем измените размер на 10 ип Size коробка;
6. Поскольку данные за сентябрь актуальны, нам необходимо настроить этот маркер для отображения как фактического ряда.
Щелкните этот маркер дважды, чтобы выбрать его, а в Форматировать точку данных панель, отдельно выбираем такую же Заполнять цвет и Граница цвет как цвет Представить серия, а затем выберите SOLID из Тип тире выпадающий список.
После этого вы можете увидеть, что маркер сентября изменился следующим образом.
7. Измените название диаграммы по своему усмотрению. Затем составляется простая диаграмма прогнозов.
Создание диаграммы прогноза на основе порогового значения
Предположим, вы хотите создать диаграмму прогноза на основе порогового значения, как показано на скриншоте ниже, метод в этом разделе окажет вам услугу.
1. Добавьте два новых столбца к исходному диапазону данных, которые по отдельности содержат данные прогноза и пороговое значение. Смотрите скриншот:
Примечание: Рядом с последней фактической ячейкой данных введите то же значение.
2. Вам необходимо создать промежуточную таблицу данных на основе исходного диапазона данных. Эта таблица будет использоваться для создания диаграммы прогноза.
2.1) В таблице пять столбцов: первый столбец имеет те же значения серии, что и исходная таблица, второй, третий и четвертый столбцы имеют те же заголовки, что и исходная таблица, а данные пятого столбца будут использоваться для отображения данные ниже пороговой линии.
2.2) Выберите первую пустую ячейку второго столбца (фактический столбец), введите в нее формулу ниже и нажмите Enter ключ. Затем перетащите Ручка автозаполнения ячейки результата вниз, пока не достигнет нижней части таблицы.
2.4) Выберите первую пустую ячейку четвертого столбца, введите в нее формулу ниже и нажмите Enter ключ. Затем перетащите Ручка автозаполнения ячейки результата до конца таблицы.
2.5) В пятом столбце введите следующую формулу в первую пустую ячейку и затем нажмите Enter ключ. Затем примените эту формулу к другим ячейкам, перетащив ее дескриптор автозаполнения до конца таблицы.
Примечание: В приведенных выше формулах все ссылочные ячейки взяты из исходного диапазона данных.
3. Выберите всю промежуточную таблицу данных, нажмите Вставить > Вставить линейную диаграмму или диаграмму с областями > Линия с маркерами.
Затем диаграмма вставляется в текущий рабочий лист, как показано на скриншоте ниже.
4. Теперь вам нужно отформатировать фактический ряд и ряд прогнозов, пока не отобразится диаграмма, как показано ниже. Нажмите, чтобы узнать как.
5. Для рядов данных ниже пороговой линии необходимо увеличить маркеры, изменить цвет заливки и скрыть линию. Выберите эту серию (желтая линия на диаграмме) и в Форматировать ряд данных панели настройте следующим образом.
5.3) Разверните Параметры маркера выберите Встроенный выберите круглую точку в Тип раскрывающийся список, а затем измените Size в 10;
5.4). Заполнять в разделе укажите новый цвет для маркера. Здесь я выбираю красный цвет, чтобы выделить данные ниже пороговой линии;
Теперь диаграмма отображается, как показано на скриншоте ниже.
6. Выберите линию порога на диаграмме и в Форматировать ряд данных панели, выполните следующие действия, чтобы скрыть маркеры и изменить цвет линии.
7. Измените название диаграммы по своему усмотрению.
Затем график прогноза на основе порогового значения завершается, как показано на скриншоте ниже.
Легко создавать диаграмму прогноза в Excel
График прогноза полезности Kutools for Excel может помочь вам быстро создать простую диаграмму прогноза или диаграмму прогноза на основе порогового значения в Excel с помощью всего нескольких щелчков мышью, как показано ниже.
Скачайте и попробуйте прямо сейчас! 30-дневный бесплатный маршрут
Загрузите образец файла
Видео: создание диаграммы прогнозов в Excel
Лучшие инструменты для работы в офисе
Kutools for Excel - поможет вам выделиться из толпы
Хотите быстро и безупречно выполнять свою повседневную работу? Kutools for Excel предлагает мощные расширенные функции 300 (объединение книг, сумма по цвету, разделение содержимого ячеек, дата преобразования и так далее . ) и экономия 80% времени для вас.
"Странный этот мир, где двое смотрят на одно и то же, а видят полностью противоположное." © Агата Кристи
Реклама
MS Office и VBA Рубрика содержит интересные решения, малоизвестные функции и возможности, надстройки и макросы, в общем, все то, что может сделать вашу работу в пакете программ MS Office (в первую очередь - Excel, Word, Access) более эффективной.
Линейный тренд в Excel - простой прогноз для ряда динамики
4.4 (10) | 44287 | 0
Знакомство с понятием тренд (тенденция) и примеры построения модели линейного тренда в Excel и прогнозирования на основе этой модели, как часть анализа динамического ряда.
Что такое тренд, тенденция?
Тренд - это закономерность описывающая подъем или падение показателя в динамике. Если изобразить любой динамический ряд (статистические данные, представляющие собой список зафиксированных значений изменяемого показателя во времени) на графике, часто выделяется определенный угол – кривая либо постепенно идет на увеличение или на уменьшение, в таких случаях принято говорить, что ряд динамики имеет тенденцию (к росту или падению соответственно).
Тренд как модель
Если же построить модель, описывающую это явление, то получается довольно простой и очень удобный инструмент для прогнозирования не требующий каких-либо сложных вычислений или временных затрат на проверку значимости или адекватности влияющих факторов.
Итак, что же собой представляет тренд как модель? Это совокупность расчетных коэффициентов уравнения, которые выражают регрессионную зависимость показателя (Y) от изменения времени (t). То есть, это точно такая же регрессия, как и те, что мы рассматривали ранее, только влияющим фактором здесь выступает именно показатель времени.
Важно!
В расчетах под t обычно подразумевается не год, номер месяца или недели, а именно порядковый номер периода в изучаемой статистической совокупности – динамическом ряде. К примеру, если динамический ряд изучается за несколько лет, а данные фиксировались ежемесячно, то использовать обнуляющуюся нумерацию месяцев, с 1 по 12 и опять сначала, в корне неверно. Также неверно в случае, если изучение ряда начинается, к примеру, с марта месяца в качестве значения t использовать 3 (третий месяц в году), если это первое значение в изучаемой совокупности, то его порядковый номер должен быть 1.
Модель линейного тренда
Как и любая другая регрессия, тренд может быть как линейным (степень влияющего фактора t равна 1) так и нелинейным (степень больше или меньше единицы). Так как линейная регрессия является самой простейшей, хотя далеко не всегда самой точной, то рассмотрим более детально именно этот тип тренда.
Общий вид уравнения линейного тренда:
Где a0 – это нулевой коэффициент регрессии, то есть, то каким будет Y в случае, если влияющий фактор будет равен нулю, a1 – коэффициент регрессии, который выражает степень зависимости исследуемого показателя Y от влияющего фактора t, Ɛ – случайная компонента или стандартная ошибка, по сути являет собой разницу между реально существующими значениями Y и расчетными. t – это единственный влияющий фактор – время.
Чем более выраженная тенденция роста показателя или его падения, тем будет больше коэффициент a1. Соответственно, предполагается, что константа a0 совместно со случайной компонентой Ɛ отражают остальные регрессионные влияния, помимо времени, то есть всех прочих возможных влияющих факторов.
Рассчитать коэффициенты модели можно стандартным Методом наименьших квадратов (МНК). Со всеми этими расчетами Microsoft Excel справляется на ура самостоятельно, при чем, чтобы получить модель линейного тренда либо готовый прогноз существует целых пять способов, которые мы по отдельности разберем ниже.
Графический способ получения линейного тренда
В этом и во всех дальнейших примерах будем использовать один и тот же динамический ряд – уровень ВВП, который вычисляется и фиксируется ежегодно, в нашем случае исследование будет проходить на периоде с 2004-го по 2012-й гг.
Добавим к исходным данным еще один столбец, который назовем t и пометим цифрами по возрастающей порядковые номера всех зафиксированных значений ВВП за указанный период с 2004-го по 2012-й гг. – 9 лет или 9 периодов.
Далее на основе этих исходных данных построим точечную диаграмму: вкладка в меню – Вставка, подраздел Диаграммы – Точечная, Точечная с гладкими кривыми маркерами.
Эксель добавит пустое поле – разметку под будущий график, выделяем этот график и активируем появившуюся вкладку в панели меню – Конструктор, ищем кнопку Выбрать данные, в отрывшемся окне жмем кнопочку Добавить. Всплывшее окошко предложит выбрать данные для построения диаграммы. В качестве значения поля Имя ряда выбираем ячейку, которая содержит текст, наиболее полно отвечающий названию графика. В поле Значения X указываем интервал ячеек стобца t – влияющего фактора. В поле Значения Y указываем интервал ячеек столбца с известными значениями ВВП (Y) – исследуемого показателя.
Заполнив указанные поля, несколько раз нажимаем кнопку ОК и получаем готовый график динамики. Теперь выделяем правой кнопкой мыши саму линию графика и из появившегося контекстного меню выбираем пункт Добавить линию тренда
Откроется окошко для настройки параметров построения линии тренда, где среди типов моделей выбираем Линейная, ставим галочки напротив пунктов Показывать уравнение на диаграмме и Поместить на диаграмму величину достоверности аппроксимации R2, этого будет достаточно чтобы на графике отобразилась уже построенная линия тренда, а также математический вариант отображения модели в виде готового уравнения и показатель качества модели R 2 . Если вас интересует отображение на графике прогноза, чтобы визуально оценить отрыв исследуемого показателя укажите в поле Прогноз вперед на количество интересующих периодов.
Собственно это все, что касается этого способа, можно конечно добавить, что отображаемое уравнение линейного тренда это и есть непосредственно сама модель, которую можно использовать, в качестве формулы, чтобы получить расчетные значения по модели и соответственно точные значения прогноза (прогноз отображаемый на графике, оценить можно лишь приблизительно), что мы и сделали в приложенному к статье примере.
Построение линейного тренда с помощью формулы ЛИНЕЙН
Суть этого метода сводится к поиску коэффициентов линейного тренда с помощью функции ЛИНЕЙН, затем, подставляя эти влияющие коэффициенты в уравнение, получим прогнозную модель.
Как видим на скриншоте выше, выделенные нами под формулу ячейки заполнились расчетными значениями коэффициентов регрессии для линейного тренда, в ячейке B38 находится коэффициент a0, а в ячейке A38 - коэффициент зависимости от параметра t (или x), то есть a1. Подставляем полученные значения в уравнение линейной функции и получаем готовую модель в математическом выражении – y = 169 572,2+138 454,3*t
Чтобы получить расчетные значения Y по модели и, соответственно, чтобы получить прогноз, нужно просто подставить формулу в ячейку экселя, а вместо t указать ссылку на ячейку с требуемым номером периода (смотрите на скриншоте ячейку D25).
Для сравнения полученной модели с реальными данными, можно построить два графика, где в качестве Х указать порядковый номер периода, а в качестве Y в одном случае – реальный ВВП, а, в другом – расчетный (на скриншоте диаграмма справа).
Построение линейного тренда с помощью инструмента Регрессия в Пакете анализа
В статье Линейная регрессия в Excel через Анализ данных, по сути, полностью описан этот метод, единственная же разница в том, что в наших исходных данных только один влияющий фактор Х (номер периода – t).
Как видно на рисунке выше, диапазон данных с известными значениями ВВП выделен как входной интервал Y, а соответствующий ему диапазон с номерами периодов t – как входной интервал Х. Итоги расчетов Пакетом анализа выносятся на отдельный лист и выглядит как набор таблиц (см. рисунок ниже) на котором нас интересуют ячейки, которые были закрашены мною в желтый и зеленый цвета. По аналогии с порядком, расписанным в указанной выше статье, из полученных коэффициентов собирается модель линейного тренда y=169 572,2+138 454,3*t, на основе которой и делаются прогнозы.
Прогнозирование с помощью линейного тренда через функцию ТЕНДЕНЦИЯ
Этот метод отличается от предыдущих тем, что он пропускает необходимые ранее этапы расчета параметров модели и подстановки полученных коэффициентов вручную в качестве формулы в ячейку, чтобы получить прогноз, эта функция как раз и выдает уже готовое рассчитанное прогнозное значение на основе известных исходных данных.
Минус данного метода в том, что он не показывает ни уравнения модели, ни его коэффициентов, из-за чего нельзя сказать, что на основе такой-то модели мы получили такой-то прогноз, также как и нет какого-либо отражения параметров качества модели, того таки коэффициента детерминации, по которому можно было бы сказать имеет ли смысл брать во внимание полученный прогноз или нет.
Прогнозирование с помощью линейного тренда через функцию ПРЕДСКАЗ
Суть данной функции целиком и полностью идентична предыдущей, разница лишь в порядке прописывания исходных данных в формуле и в том, что нет настройки для наличия или отсутствия коэффициента a0 (то есть функция подразумевает, что этот коэффициент, в любом случае, есть)
Полученные результаты, как и в методе выше, это лишь готовый результат расчета прогнозного значения по линейной трендовой модели, он не выдает ни погрешностей, ни самой модели в математическом выражении.
Подводя итог к статье
"Странный этот мир, где двое смотрят на одно и то же, а видят полностью противоположное." © Агата Кристи
Реклама
MS Office и VBA Рубрика содержит интересные решения, малоизвестные функции и возможности, надстройки и макросы, в общем, все то, что может сделать вашу работу в пакете программ MS Office (в первую очередь - Excel, Word, Access) более эффективной.
Линейный тренд в Excel - простой прогноз для ряда динамики
4.4 (10) | 44288 | 0
Знакомство с понятием тренд (тенденция) и примеры построения модели линейного тренда в Excel и прогнозирования на основе этой модели, как часть анализа динамического ряда.
Что такое тренд, тенденция?
Тренд - это закономерность описывающая подъем или падение показателя в динамике. Если изобразить любой динамический ряд (статистические данные, представляющие собой список зафиксированных значений изменяемого показателя во времени) на графике, часто выделяется определенный угол – кривая либо постепенно идет на увеличение или на уменьшение, в таких случаях принято говорить, что ряд динамики имеет тенденцию (к росту или падению соответственно).
Тренд как модель
Если же построить модель, описывающую это явление, то получается довольно простой и очень удобный инструмент для прогнозирования не требующий каких-либо сложных вычислений или временных затрат на проверку значимости или адекватности влияющих факторов.
Итак, что же собой представляет тренд как модель? Это совокупность расчетных коэффициентов уравнения, которые выражают регрессионную зависимость показателя (Y) от изменения времени (t). То есть, это точно такая же регрессия, как и те, что мы рассматривали ранее, только влияющим фактором здесь выступает именно показатель времени.
Важно!
В расчетах под t обычно подразумевается не год, номер месяца или недели, а именно порядковый номер периода в изучаемой статистической совокупности – динамическом ряде. К примеру, если динамический ряд изучается за несколько лет, а данные фиксировались ежемесячно, то использовать обнуляющуюся нумерацию месяцев, с 1 по 12 и опять сначала, в корне неверно. Также неверно в случае, если изучение ряда начинается, к примеру, с марта месяца в качестве значения t использовать 3 (третий месяц в году), если это первое значение в изучаемой совокупности, то его порядковый номер должен быть 1.
Модель линейного тренда
Как и любая другая регрессия, тренд может быть как линейным (степень влияющего фактора t равна 1) так и нелинейным (степень больше или меньше единицы). Так как линейная регрессия является самой простейшей, хотя далеко не всегда самой точной, то рассмотрим более детально именно этот тип тренда.
Общий вид уравнения линейного тренда:
Где a0 – это нулевой коэффициент регрессии, то есть, то каким будет Y в случае, если влияющий фактор будет равен нулю, a1 – коэффициент регрессии, который выражает степень зависимости исследуемого показателя Y от влияющего фактора t, Ɛ – случайная компонента или стандартная ошибка, по сути являет собой разницу между реально существующими значениями Y и расчетными. t – это единственный влияющий фактор – время.
Чем более выраженная тенденция роста показателя или его падения, тем будет больше коэффициент a1. Соответственно, предполагается, что константа a0 совместно со случайной компонентой Ɛ отражают остальные регрессионные влияния, помимо времени, то есть всех прочих возможных влияющих факторов.
Рассчитать коэффициенты модели можно стандартным Методом наименьших квадратов (МНК). Со всеми этими расчетами Microsoft Excel справляется на ура самостоятельно, при чем, чтобы получить модель линейного тренда либо готовый прогноз существует целых пять способов, которые мы по отдельности разберем ниже.
Графический способ получения линейного тренда
В этом и во всех дальнейших примерах будем использовать один и тот же динамический ряд – уровень ВВП, который вычисляется и фиксируется ежегодно, в нашем случае исследование будет проходить на периоде с 2004-го по 2012-й гг.
Добавим к исходным данным еще один столбец, который назовем t и пометим цифрами по возрастающей порядковые номера всех зафиксированных значений ВВП за указанный период с 2004-го по 2012-й гг. – 9 лет или 9 периодов.
Далее на основе этих исходных данных построим точечную диаграмму: вкладка в меню – Вставка, подраздел Диаграммы – Точечная, Точечная с гладкими кривыми маркерами.
Эксель добавит пустое поле – разметку под будущий график, выделяем этот график и активируем появившуюся вкладку в панели меню – Конструктор, ищем кнопку Выбрать данные, в отрывшемся окне жмем кнопочку Добавить. Всплывшее окошко предложит выбрать данные для построения диаграммы. В качестве значения поля Имя ряда выбираем ячейку, которая содержит текст, наиболее полно отвечающий названию графика. В поле Значения X указываем интервал ячеек стобца t – влияющего фактора. В поле Значения Y указываем интервал ячеек столбца с известными значениями ВВП (Y) – исследуемого показателя.
Заполнив указанные поля, несколько раз нажимаем кнопку ОК и получаем готовый график динамики. Теперь выделяем правой кнопкой мыши саму линию графика и из появившегося контекстного меню выбираем пункт Добавить линию тренда
Откроется окошко для настройки параметров построения линии тренда, где среди типов моделей выбираем Линейная, ставим галочки напротив пунктов Показывать уравнение на диаграмме и Поместить на диаграмму величину достоверности аппроксимации R2, этого будет достаточно чтобы на графике отобразилась уже построенная линия тренда, а также математический вариант отображения модели в виде готового уравнения и показатель качества модели R 2 . Если вас интересует отображение на графике прогноза, чтобы визуально оценить отрыв исследуемого показателя укажите в поле Прогноз вперед на количество интересующих периодов.
Собственно это все, что касается этого способа, можно конечно добавить, что отображаемое уравнение линейного тренда это и есть непосредственно сама модель, которую можно использовать, в качестве формулы, чтобы получить расчетные значения по модели и соответственно точные значения прогноза (прогноз отображаемый на графике, оценить можно лишь приблизительно), что мы и сделали в приложенному к статье примере.
Построение линейного тренда с помощью формулы ЛИНЕЙН
Суть этого метода сводится к поиску коэффициентов линейного тренда с помощью функции ЛИНЕЙН, затем, подставляя эти влияющие коэффициенты в уравнение, получим прогнозную модель.
Как видим на скриншоте выше, выделенные нами под формулу ячейки заполнились расчетными значениями коэффициентов регрессии для линейного тренда, в ячейке B38 находится коэффициент a0, а в ячейке A38 - коэффициент зависимости от параметра t (или x), то есть a1. Подставляем полученные значения в уравнение линейной функции и получаем готовую модель в математическом выражении – y = 169 572,2+138 454,3*t
Чтобы получить расчетные значения Y по модели и, соответственно, чтобы получить прогноз, нужно просто подставить формулу в ячейку экселя, а вместо t указать ссылку на ячейку с требуемым номером периода (смотрите на скриншоте ячейку D25).
Для сравнения полученной модели с реальными данными, можно построить два графика, где в качестве Х указать порядковый номер периода, а в качестве Y в одном случае – реальный ВВП, а, в другом – расчетный (на скриншоте диаграмма справа).
Построение линейного тренда с помощью инструмента Регрессия в Пакете анализа
В статье Линейная регрессия в Excel через Анализ данных, по сути, полностью описан этот метод, единственная же разница в том, что в наших исходных данных только один влияющий фактор Х (номер периода – t).
Как видно на рисунке выше, диапазон данных с известными значениями ВВП выделен как входной интервал Y, а соответствующий ему диапазон с номерами периодов t – как входной интервал Х. Итоги расчетов Пакетом анализа выносятся на отдельный лист и выглядит как набор таблиц (см. рисунок ниже) на котором нас интересуют ячейки, которые были закрашены мною в желтый и зеленый цвета. По аналогии с порядком, расписанным в указанной выше статье, из полученных коэффициентов собирается модель линейного тренда y=169 572,2+138 454,3*t, на основе которой и делаются прогнозы.
Прогнозирование с помощью линейного тренда через функцию ТЕНДЕНЦИЯ
Этот метод отличается от предыдущих тем, что он пропускает необходимые ранее этапы расчета параметров модели и подстановки полученных коэффициентов вручную в качестве формулы в ячейку, чтобы получить прогноз, эта функция как раз и выдает уже готовое рассчитанное прогнозное значение на основе известных исходных данных.
Минус данного метода в том, что он не показывает ни уравнения модели, ни его коэффициентов, из-за чего нельзя сказать, что на основе такой-то модели мы получили такой-то прогноз, также как и нет какого-либо отражения параметров качества модели, того таки коэффициента детерминации, по которому можно было бы сказать имеет ли смысл брать во внимание полученный прогноз или нет.
Прогнозирование с помощью линейного тренда через функцию ПРЕДСКАЗ
Суть данной функции целиком и полностью идентична предыдущей, разница лишь в порядке прописывания исходных данных в формуле и в том, что нет настройки для наличия или отсутствия коэффициента a0 (то есть функция подразумевает, что этот коэффициент, в любом случае, есть)
Полученные результаты, как и в методе выше, это лишь готовый результат расчета прогнозного значения по линейной трендовой модели, он не выдает ни погрешностей, ни самой модели в математическом выражении.
Подводя итог к статье
Читайте также: