Moving Average Regression Excel

Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Um avanço em movimento é usado para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para intervalo 2 e intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Você gosta deste site gratuito Por favor, compartilhe esta página no GoogleRegression Este exemplo ensina como executar uma análise de regressão no Excel e como interpretar a saída de resumo. Abaixo você encontra os nossos dados. A grande questão é: existe uma relação entre Quantidade Vendida (Saída) e Preço e Publicidade (Entrada). Em outras palavras: podemos prever a quantidade vendida se soubermos Preço e publicidade 1. Na guia Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 2. Selecione Regressão e clique em OK. 3. Selecione o intervalo Y (A1: A8). Esta é a variável preditor (também chamada variável dependente). 4. Selecione a faixa X (B1: C8). Estas são as variáveis ​​explicativas (também chamadas de variáveis ​​independentes). Estas colunas devem ser adjacentes entre si. 6. Selecione um intervalo de saída. 7. Verificar Resíduos. O Excel produz a seguinte saída de resumo (arredondada para 3 casas decimais). R Square R Square é igual a 0,962. Que é um ajuste muito bom. 96 da variação na Quantidade Vendida é explicada pelas variáveis ​​independentes Preço e Publicidade. Quanto mais próximo de 1, melhor a linha de regressão (read on) ajusta os dados. Significado Valores F e P Para verificar se os resultados são fiáveis ​​(estatisticamente significativos), observe a Significância F (0,001). Se esse valor for menor que 0,05, você está OK. Se a Significância F for maior que 0,05, provavelmente é melhor parar de usar esse conjunto de variáveis ​​independentes. Exclua uma variável com um valor P alto (maior que 0,05) e execute novamente a regressão até que a Significância F desça abaixo de 0,05. A maioria ou todos os valores de P devem estar abaixo de 0,05. No nosso exemplo, este é o caso. (0,000, 0,001 e 0,005). Coeficientes A linha de regressão é: y Quantidade Vendida 8536.214 -835.722 Preço 0.592 Publicidade. Em outras palavras, para cada unidade de aumento no preço, a quantidade vendida diminui com 835.722 unidades. Para cada aumento de unidade em Publicidade, a Quantidade Vendida aumenta com 0.592 unidades. Estas são informações valiosas. Você também pode usar esses coeficientes para fazer uma previsão. Por exemplo, se o preço for igual a 4 ea Publicidade igual a 3000, você poderá conseguir uma Quantidade Vendida de 8536.214 -835.722 4 0.592 3000 6970. Residuais Os resíduos mostram até que ponto os pontos de dados reais são os pontos de dados previstos (usando a equação). Por exemplo, o primeiro ponto de dados é igual a 8500. Usando a equação, o ponto de dados previsto é igual a 8536.214 -835.722 2 0.592 2800 8523.009, originando um resíduo de 8500 - 8523.009 -23.009. Você também pode criar um gráfico de dispersão destes residuals. How para calcular médias móveis em Excel Excel Data Analysis For Dummies, 2nd Edition O comando Análise de dados fornece uma ferramenta para calcular movendo e médias exponencialmente suavizadas no Excel. Suponha, por uma questão de ilustração, que você tenha coletado informações diárias sobre temperatura. Você quer calcular a média móvel de três dias 8212 a média dos últimos três dias 8212 como parte de algumas previsões meteorológicas simples. Para calcular médias móveis para este conjunto de dados, execute as seguintes etapas. Para calcular uma média móvel, clique primeiro no botão de comando Dados da análise de dados tab8217s. Quando o Excel exibe a caixa de diálogo Análise de dados, selecione o item Média móvel da lista e clique em OK. O Excel exibe a caixa de diálogo Média móvel. Identifique os dados que você deseja usar para calcular a média móvel. Clique na caixa de texto Intervalo de Entrada da caixa de diálogo Média Móvel. Em seguida, identifique o intervalo de entrada, digitando um endereço de intervalo de planilha ou usando o mouse para selecionar o intervalo de planilha. Sua referência de intervalo deve usar endereços de célula absolutos. Um endereço de célula absoluto precede a letra da coluna eo número da linha com sinais, como em A1: A10. Se a primeira célula do intervalo de entrada incluir um rótulo de texto para identificar ou descrever os dados, marque a caixa de seleção Etiquetas na primeira linha. Na caixa de texto Intervalo, informe ao Excel quantos valores devem ser incluídos no cálculo da média móvel. Você pode calcular uma média móvel usando qualquer número de valores. Por padrão, o Excel usa os três valores mais recentes para calcular a média móvel. Para especificar que algum outro número de valores seja usado para calcular a média móvel, insira esse valor na caixa de texto Intervalo. Diga ao Excel onde colocar os dados da média móvel. Use a caixa de texto Range de saída para identificar o intervalo de planilha na qual você deseja inserir os dados de média móvel. No exemplo da folha de cálculo, os dados da média móvel foram colocados no intervalo B2: B10 da folha de cálculo. (Opcional) Especifique se você deseja um gráfico. Se você desejar um gráfico que traça as informações de média móvel, marque a caixa de seleção Saída do gráfico. (Opcional) Indique se deseja que as informações de erro padrão sejam calculadas. Se você deseja calcular erros padrão para os dados, marque a caixa de seleção Erros padrão. O Excel coloca valores de erro padrão ao lado dos valores da média móvel. (As informações de erro padrão passam para C2: C10.) Depois que você terminar de especificar quais informações de média móvel você deseja calcular e onde deseja colocá-las, clique em OK. O Excel calcula as informações da média móvel. Nota: Se o Excel não possui informações suficientes para calcular uma média móvel para um erro padrão, ele coloca a mensagem de erro na célula. Você pode ver várias células que mostram esta mensagem de erro como um valor. Uma série de tempo é uma seqüência de observações de uma variável aleatória periódica. Exemplos disso são a demanda mensal por um produto, a matrícula anual de calouros em um departamento da universidade e os fluxos diários em um rio. As séries cronológicas são importantes para a pesquisa operacional, porque muitas vezes são os impulsionadores dos modelos de decisão. Um modelo de inventário requer estimativas de demandas futuras, um planejamento de curso e modelo de pessoal para um departamento universitário requer estimativas de entrada de estudantes futuros e um modelo para fornecer avisos para a população em uma bacia hidrográfica requer estimativas de fluxos de rios para o futuro imediato. A análise de séries temporais fornece ferramentas para selecionar um modelo que descreve as séries temporais e usar o modelo para prever eventos futuros. Modelar a série temporal é um problema estatístico porque os dados observados são usados ​​em procedimentos computacionais para estimar os coeficientes de um suposto modelo. Os modelos assumem que as observações variam aleatoriamente sobre um valor médio subjacente que é uma função do tempo. Nessas páginas, restringimos a atenção ao uso de dados históricos de séries temporais para estimar um modelo dependente do tempo. Os métodos são apropriados para a previsão automática e de curto prazo de informações freqüentemente usadas onde as causas subjacentes da variação do tempo não estão mudando marcadamente no tempo. Na prática, as previsões derivadas por esses métodos são posteriormente modificadas por analistas humanos que incorporam informações não disponíveis a partir dos dados históricos. Nosso propósito principal nesta seção é apresentar as equações para os quatro métodos de previsão usados ​​no suplemento Forecasting: média móvel, suavização exponencial, regressão e suavização exponencial dupla. Estes são chamados de métodos de suavização. Métodos não considerados incluem a previsão qualitativa, regressão múltipla, e métodos autorregressivos (ARIMA). Aqueles interessados ​​em uma cobertura mais ampla devem visitar o site Previsões Princípios ou ler um dos vários excelentes livros sobre o tema. Usamos o livro Previsão. Por Makridakis, Wheelwright e McGee, John Wiley amp Sons, 1983. Para usar o pasta de trabalho Exemplos do Excel, você deve ter o suplemento de Previsão instalado. Escolha o comando Relink para estabelecer os links para o suplemento. Esta página descreve os modelos utilizados para previsão simples e a notação utilizada para a análise. Este método de previsão mais simples é a previsão média móvel. O método simplesmente médias das últimas m observações. É útil para séries temporais com uma média em mudança lenta. Este método considera todo o passado na sua previsão, mas pesa a experiência recente mais fortemente do que menos recente. Os cálculos são simples porque apenas a estimativa do período anterior e os dados atuais determinam a nova estimativa. O método é útil para séries temporais com uma média em mudança lenta. O método da média móvel não responde bem a uma série temporal que aumenta ou diminui com o tempo. Aqui nós incluímos um termo de tendência linear no modelo. O método de regressão aproxima o modelo construindo uma equação linear que fornece o ajuste de mínimos quadrados às últimas observações m. Adicionar, alterar ou remover uma linha de tendência em um gráfico Aprender sobre a previsão e mostrar tendências em gráficos As linhas de tendência são usadas para exibir graficamente tendências em Dados e para ajudar a analisar problemas de previsão. Essa análise também é denominada análise de regressão. Usando análise de regressão, você pode estender uma linha de tendência em um gráfico além dos dados reais para prever valores futuros. Por exemplo, o gráfico a seguir usa uma linha de tendência linear simples que prevê dois trimestres à frente para mostrar claramente uma tendência para aumentar a receita. Dicas Você também pode criar uma média móvel, o que suaviza as flutuações nos dados e mostra o padrão ou tendência mais claramente. Se você alterar um gráfico ou uma série de dados para que ele não possa mais suportar a linha de tendência associada, por exemplo, alterando o tipo de gráfico para um gráfico 3D ou alterando a exibição de um relatório de gráfico dinâmico ou relatório de tabela dinâmica associado a linha de tendência não aparece mais No gráfico. Para dados de linha sem um gráfico, você pode usar AutoFill ou uma das funções estatísticas, como CRESCIMENTO () ou TREND (), para criar dados para linhas lineares ou exponenciais de melhor ajuste. Escolhendo o tipo de linha de tendência correto para seus dados Quando você deseja adicionar uma linha de tendência a um gráfico no Microsoft Office Excel, você pode escolher qualquer um desses seis tipos de tendência ou regressão diferentes: linhas de tendência lineares, linhas de tendência logarítmicas, linhas de tendência polinomiais, linhas de tendência de energia, Linhas de tendência ou linhas de tendência médias em movimento. O tipo de dados que você tem determina o tipo de linha de tendência que você deve usar. Uma linha de tendência é mais precisa quando seu valor R-quadrado está em ou próximo de 1. Quando você ajusta uma linha de tendência para seus dados, o Excel calcula automaticamente seu valor R-quadrado. Se desejar, você pode exibir esse valor em seu gráfico. Linhas de tendência lineares Uma linha de tendência linear é uma linha reta com melhor ajuste que é usada com conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados se assemelha a uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. No exemplo a seguir, uma linha de tendência linear ilustra que as vendas de geladeiras aumentaram consistentemente ao longo de um período de 13 anos. Observe que o valor R-quadrado é 0.979, que é um bom ajuste da linha para os dados. Linhas de tendência logarítmicas Uma linha de tendência logarítmica é uma linha curva melhor ajustada que é usada quando a taxa de mudança nos dados aumenta ou diminui rapidamente e, em seguida, nivela para fora. Uma linha de tendência logarítmica pode usar valores negativos e positivos. O exemplo a seguir usa uma linha de tendência logarítmica para ilustrar o crescimento populacional previsto de animais em uma área de espaço fixo, onde a população nivelada como espaço para os animais diminuiu. Observe que o valor R-quadrado é 0.933, que é um ajuste relativamente bom da linha para os dados. Linhas de tendência polinomiais Uma linha de tendência polinomial é uma linha curva que é usada quando os dados flutuam. É útil, por exemplo, para analisar ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Uma linha de tendência polinomial de ordem 2 geralmente tem apenas uma colina ou vale. Ordem 3 geralmente tem uma ou duas colinas ou vales. Ordem 4 geralmente tem até três colinas ou vales. O exemplo a seguir mostra uma linha de tendência polinomial Order 2 (uma colina) para ilustrar a relação entre a velocidade de condução eo consumo de combustível. Observe que o valor R-quadrado é 0.979, que é um bom ajuste da linha para os dados. Linhas de tendência de energia Uma linha de tendência de energia é uma linha curva que é usada com conjuntos de dados que comparam medidas que aumentam em uma taxa específica, por exemplo, a aceleração de um carro de corrida em intervalos de 1 segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. No exemplo a seguir, os dados de aceleração são mostrados traçando a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-quadrado é 0.986, que é um ajuste quase perfeito da linha para os dados. Linhas de tendência exponenciais Uma linha de tendência exponencial é uma linha curva que é usada quando os valores de dados sobem ou caem em taxas constantemente crescentes. Não é possível criar uma linha de tendência exponencial se os dados contiverem valores zero ou negativos. No exemplo a seguir, uma linha de tendência exponencial é usada para ilustrar a quantidade decrescente de carbono 14 em um objeto à medida que envelhece. Note que o valor R-quadrado é 0,990, o que significa que a linha se encaixa os dados quase perfeitamente. Movendo linhas de tendência médias Uma linha de tendência de média móvel suaviza as flutuações nos dados para mostrar um padrão ou tendência mais claramente. Uma média móvel usa um número específico de pontos de dados (definido pela opção Período), os calcula em média e usa o valor médio como um ponto na linha. Por exemplo, se Período é definido como 2, a média dos dois primeiros pontos de dados é usada como o primeiro ponto na linha de tendência de média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto na linha de tendência, etc. No exemplo a seguir, uma linha de tendência de média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas. Adicionar uma linha de tendência Em um gráfico descompactado, 2-D, área, barra, coluna, linha, estoque, xy (dispersão) ou de bolha, clique na série de dados à qual você deseja adicionar uma linha de tendência ou média móvel ou faça o seguinte Para selecionar a série de dados de uma lista de elementos do gráfico: Clique em qualquer lugar no gráfico. Isso exibe as Ferramentas de gráfico. Adicionando o Design. Layout. E formatar separadores. No separador Formatar, no grupo Selecção actual, clique na seta junto à caixa Elementos do gráfico e, em seguida, clique no elemento do gráfico que pretende. Nota: Se você selecionar um gráfico que tenha mais de uma série de dados sem selecionar uma série de dados, o Excel exibirá a caixa de diálogo Adicionar linha de tendência. Na caixa de listagem, clique na série de dados que pretende e, em seguida, clique em OK. Na guia Layout, no grupo Análise, clique em Trendline. Siga um destes procedimentos: Clique em uma opção de linha de tendência predefinida que deseja usar. Nota: Isto aplica uma linha de tendência sem permitir que você selecione opções específicas. Clique em Mais opções de tendência. E, em seguida, na categoria Opções de tendência, em Trend / Regression Type. Clique no tipo de linha de tendência que você deseja usar.