Moving Average Regression Excel

Moving Average Dieses Beispiel lehrt Sie, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen können. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Gipfel und Täler) zu glätten, um Trends leicht zu erkennen. 1. Zuerst schauen wir uns unsere Zeitreihen an. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Kann die Schaltfläche Datenanalyse nicht finden Hier klicken, um das Analysis ToolPak-Add-In zu laden. 3. Wählen Sie Moving Average und klicken Sie auf OK. 4. Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3. 8. Zeichnen Sie einen Graphen dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der bisherigen 5 Datenpunkte und der aktuelle Datenpunkt. Dadurch werden Gipfel und Täler geglättet. Die Grafik zeigt einen zunehmenden Trend. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Gipfel und Täler geglättet. Je kleiner das Intervall ist, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Regression Dieses Beispiel lehrt Sie, wie man eine Regressionsanalyse in Excel durchführt und wie man die Summary Output interpretiert. Hier finden Sie unsere Daten. Die große Frage ist: Gibt es eine Beziehung zwischen Menge verkauft (Ausgabe) und Preis und Werbung (Input). Mit anderen Worten: können wir voraussagen, dass die Menge verkauft wird, wenn wir Preis und Werbung kennen 1. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Kann die Schaltfläche Datenanalyse nicht finden Hier klicken, um das Analysis ToolPak-Add-In zu laden. 2. Wählen Sie Regression und klicken Sie auf OK. 3. Wählen Sie den Y-Bereich (A1: A8). Dies ist die Prädiktorvariable (auch als abhängige Variable bezeichnet). 4. Wählen Sie den X-Bereich (B1: C8). Dies sind die erklärenden Variablen (auch als unabhängige Variablen bezeichnet). Diese Spalten müssen einander benachbart sein. 6. Wählen Sie einen Ausgabebereich. 7. Überprüfen Sie die Residuen. Excel erzeugt die folgende Summary Output (gerundet auf 3 Dezimalstellen). R-Quadrat entspricht 0,962. Das ist sehr gut fit 96 der Variation in Menge verkauft wird erklärt durch die unabhängigen Variablen Preis und Werbung. Je näher 1 ist, desto besser ist die Regressionslinie (read on) passt auf die Daten. Bedeutung F und P-Werte Um zu überprüfen, ob Ihre Ergebnisse zuverlässig sind (statistisch signifikant), siehe Signifikanz F (0.001). Wenn dieser Wert kleiner als 0,05 ist, sind Sie OK. Wenn Signifikanz F größer als 0,05 ist, ist es wahrscheinlich besser, diese Menge von unabhängigen Variablen zu stoppen. Löschen Sie eine Variable mit einem hohen P-Wert (größer als 0,05) und führen Sie die Regression erneut aus, bis Signifikanz F unter 0,05 fällt. Die meisten oder alle P-Werte sollten unterhalb von 0,05 liegen. In unserem Beispiel ist dies der Fall. (0.000, 0,001 und 0,005). Koeffizienten Die Regressionsgeraden ist: y Menge verkauft 8536.214 -835.722 Preis 0.592 Werbung. Mit anderen Worten, für jede Einheit Preiserhöhung, Menge verkauft sinkt mit 835.722 Einheiten. Für jede Einheit Erhöhung der Werbung, Menge verkauft mit 0,592 Einheiten erhöht. Das sind wertvolle Informationen. Sie können diese Koeffizienten auch verwenden, um eine Prognose zu machen. Zum Beispiel, wenn der Preis gleich 4 ist und Werbung gleich 3000 ist, können Sie in der Lage sein, eine Menge zu erreichen, die verkauft wurde von 8536.214 -835.722 4 0.592 3000 6970. Die Residuen zeigen Ihnen, wie weit weg die tatsächlichen Datenpunkte aus den vorhergesagten Datenpunkten sind (mit dem Gleichung). Beispielsweise entspricht der erste Datenpunkt 8500. Unter Verwendung der Gleichung entspricht der vorhergesagte Datenpunkt 8536.214 -835.722 2 0.592 2800 8523.009, was einen Restwert von 8500 - 8523.009 -23.009 ergibt. Sie können auch eine Scatter-Plot von diesen residuals. Predictive Analytics: Microsoft Excel Beschreibung Excel prädiktive Analytik für ernsthafte Daten knirscht Der Film Moneyball machte prädiktive Analytics berühmt: Jetzt können Sie die gleichen Techniken anwenden, um Ihr Unternehmen zu gewinnen. Sie benötigen keine Multimillion-Dollar-Software: Alle Werkzeuge, die Sie benötigen, sind in Microsoft Excel verfügbar, und alle Kenntnisse und Fähigkeiten sind hier genau richtig, in diesem Buch Microsoft Excel MVP Conrad Carlberg zeigt Ihnen, wie Sie Excel prädiktive Analytics verwenden, um real-world zu lösen Probleme in Bereichen von Vertrieb und Marketing bis hin zu Operationen. Carlberg bietet beispiellose Einblicke in den Aufbau leistungsstarker, glaubwürdiger und zuverlässiger Prognosen und zeigt, wie man tiefe Einblicke aus Excel gewinnen kann, die mit kostspieligen Werkzeugen wie SAS oder SPSS schwer aufzudecken wäre. Yoursquoll erhalten eine umfangreiche Sammlung von herunterladbaren Excel-Arbeitsmappen können Sie sich leicht an Ihre eigenen individuellen Anforderungen anpassen, plus VBA codemdashmuch davon offen-sourcemdashto rationalisieren mehrere dieser bookrsquos komplexesten Techniken. Schritt für Schritt, yoursquoll bauen auf Excel-Fähigkeiten, die Sie bereits haben, lernen fortgeschrittene Techniken, die Ihnen helfen können, Umsatz zu steigern, Kosten zu senken und die Produktivität zu verbessern. Durch die Beherrschung der prädiktiven Analytik erhält yoursquoll einen starken Wettbewerbsvorteil für Ihr Unternehmen und sich selbst. Stier Lernen Sie sowohl die ldquohowrdquo und ldquowhyrdquo der Verwendung von Daten, um bessere taktische Entscheidungen zu machen Stier Wählen Sie die richtige Analytik-Technik für jedes Problem Stier Verwenden Sie Excel zu erfassen Live-Echtzeit-Daten aus verschiedenen Quellen, einschließlich Drittanbieter-Websites Stier Verwenden Sie logistische Regression, um Verhaltensweisen vorherzusagen Wie ldquowill buyrdquo versus ldquowonrsquot buyrdquo Stier unterscheiden zufällige Daten springt von realen, grundlegenden Änderungen Stier Prognose Zeitreihe mit Glättung und Regression Stier Konstruieren Sie genauere Vorhersagen mit Solver, um maximale Wahrscheinlichkeit Schätzungen zu finden Stier Verwalten Sie große Anzahl von Variablen und enorme Datensätze mit Hauptkomponenten Analyse und Varimax Faktor Rotation Stier Anwenden ARIMA (Box-Jenkins) Techniken, um bessere Prognosen zu bauen und ihre Bedeutung zu verstehen