如何在Excel中做时间序列分析

Askinofblue

在生产中我们常会根据历史数据去预测未来的发展趋势，本可以考虑将该模型可视化，提供给用户。

点击SqlCel选项卡下的“时序分析”按钮，如下：

将弹出以下对话框：

接下来具体介绍功能的使用：

1、选择数据集
1）首行是字段
2）总共两个字段，第一个字段是日期时间，第二个字段是对应的数值

如下：

在本例中，我们使用经典的airpassengers数据集。

2、 周期

周期体现的是一组数据的周期性。如下：

此图中可以比较明显的观察出周期为12。

3、平稳性检验

点击“平稳性检验”按钮可以输出时序图和DF检验表(单位根检验)。如下：

通过时序图可以观察数据趋势和以周期为窗口的滚动平均值及滚动标准差。

DF检验可以给出更严谨的判断标准。判断规则如下：

1） 如果P值小于0.05，那么我们即可断定数据是平稳的；

2） 如果P值大于0.05，当统计量大于0且小于关键值(1%)或统计量小于0且大于关键值(1%)，可以酌情接受平稳性假设；

3） 如果统计量大于关键值(1%)则拒绝平稳性假设；

4） P值并不是越小越好。

4、平稳性处理

ARIMA模型只能用来预测平稳性序列，因此平稳性处理至关重要。

1）输出

如果勾选“输出”复选框则每次处理后的结果都可以即时输出到当前工作簿。

2）分解
分解操作可以自动将原数据分解成趋势性、季节性和残差三个部分。如下图所示：

3）差分

差分是对等周期间隔的数据线性求减，它是最常用的平稳性处理方法。

4）对数变换

对数变换要求所有的数据均大于0。

5）移动平均

移动平均可以很好的消除周期性。但是它会引起预测结果较大的波动。

5、模型拟合

模型拟合的关键是设置AR模型的阶数p和MA模型的阶数q。

1）相关图观察

自相关图(Autocorrelation)用于确定MA(q)，偏自相关图(Partial Autocorrelation)用于确定AR(p)。

2）AIC准则

AIC准则以严谨的统计量选择p和q的值。AIC准则的判断标准是AIC值越小对应的p和q阶数越合理。如下：

3）BIC准则

BIC准则的选择方法与AIC准则相似。

模型拟合

设定p和q后点击“开始拟合”将会输出拟合优度检验报告，如下：

AIC和BIC的值越小说明模型拟合得越充分。残差DW检验的值越接近2说明模型拟合越充分。

同时还会输出残差QQ图，如下：

如果QQ图中的点基本围绕着直线分布，说明模型拟合较充分。

6、时序预测
设定向前预测的期数，然后点击“开始预测”。此时输出时序图，如下：

三、预测原理

根据平稳性处理方法的不同分两种预测方法。

1）分解

ARIMA模型仅预测分解后的平稳序列（残差)，趋势性和季节性则是根据分解后的数据分别预测。

2）其它平稳性处理
ARIMA模型仅预测处理后的平稳序列（残差)，所作的每一步平稳性处理操作都会进行还原。

                                                                                                                                                                                                                                                                                                                                                                                 
  
      

果爷

666收藏了，慢慢看

deaway

请问如何下载？