
SPSS移動平均一點也不神秘_數(shù)據分析師考試
預測才是數(shù)據分析的真諦,通過歷史數(shù)據,預測未來的各種可能性,針對預測的結果防范于未然。預測方法有很多種,包括定性以及定量方法。其中,時間序列預測,它不用過多考慮內部具體的、錯綜復雜的影響因素,是“歷史重演”的慣性假設條件下,基于外部數(shù)據的對未來的估計。
什么是移動平均?
最簡單,也是最常用的時間序列分析是移動平均法,任何周期的預測值都是過去幾個周期觀測值的平均值。要執(zhí)行移動平均法,首先需要選擇一個跨度,即每次移動平均的周期。例如,我們假設數(shù)據是每月的數(shù)據,跨度選擇5個月,因此下個月的預測值是前5個月值得平均值。注意,跨度越大,預測序列就越平滑。SPSS統(tǒng)計分析工具提供了便捷的移動平均模型,今天一起來揭開它的神秘。
SPSS移動平均分析實例
數(shù)據“SPSS移動平均分析實例”,其中變量sales為某個公司1986-1997年間各個季度某商品的銷售量數(shù)據,用移動平均法來預測1998年1季度銷售額及98年2季度的銷售額。
菜單操作步驟
(1)“轉換”——“創(chuàng)建時間序列”
(2)將“銷售量”移動至右側框內,新的變量命名為:移動平均;
(3)函數(shù)選擇:先前移動平均,跨度選擇5;
(4)單擊“更改”
備注:(此案例旨在說明SPSS移動平均的過程,跨度的大小不再考慮。)
此時,在數(shù)據集界面,我們可以看到,1998年1季度預測值為:4490.52,如果我們繼續(xù)這個步驟來預測1998年2季度,由于1998年1季度并沒有真實的觀測值,一般在這種情況下,多采用相應的預測值代替,按照同樣的方法,我們可以得到,1998年2季度的預測值為:4483.43。
如何來衡量移動平均的誤差
最簡單是采用平均絕對誤差MAE,為n個預測值與觀測值誤差的平均值。通過計算新的變量,可輕松得到。本例跨度為5的情況下,其MAE為:569.5,可見該值較大,平均絕對誤差比較大,移動平均的效果并不明顯。
必須得強調的幾點
(1)時間序列存在比較明顯的季節(jié)性趨勢時,不適于使用移動平均;
(2)時間序列存在比較明顯的發(fā)展趨勢時,不適于使用移動平均;
上面這個案例,從時間序列圖上,可以看出,存在明顯的趨勢因素及季節(jié)性因素,綜合而言,并不適用于使用移動平均,最后由較高的MAE也可以反映出這一點,因此在使用移動平均前需要重點觀察序列的趨勢。
數(shù)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據分析的 “基礎語言”—— 從描述數(shù)據分布的 “均 ...
2025-09-19CDA 數(shù)據分析師:表結構數(shù)據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(如數(shù)據庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據分析師:解鎖表結構數(shù)據特征價值的專業(yè)核心 表結構數(shù)據(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據,如數(shù)據庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據差異是否 “ ...
2025-09-16CDA 數(shù)據分析師:掌控表格結構數(shù)據全功能周期的專業(yè)操盤手 表格結構數(shù)據(以 “行 - 列” 存儲的結構化數(shù)據,如 Excel 表、數(shù)據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據分析師:激活表格結構數(shù)據價值的核心操盤手 表格結構數(shù)據(如 Excel 表格、數(shù)據庫表)是企業(yè)最基礎、最核心的數(shù)據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據的科學計數(shù)法問題 為幫助 Python 數(shù)據從業(yè)者解決pd.read_csv讀取長浮點數(shù)據時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據分析師:業(yè)務數(shù)據分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11