预测才是数据分析的真谛 ， 通过历史数据 ， 预测未来的各种可能性 ， 针对预测的结果防范于未然 。预测方法有很多种 ， 包括定性以及定量方法 。其中 ， 时间序列预测 ， 它不用过多考虑内部具体的、错综复杂的影响因素 ， 是“历史重演”的惯性假设条件下 ， 基于外部数据的对未来的估计 。
什么是移动平均？
最简单 ， 也是最常用的时间序列分析是移动平均法 ， 任何周期的预测值都是过去几个周期观测值的平均值 。要执行移动平均法 ， 首先需要选择一个跨度 ， 即每次移动平均的周期 。例如 ， 我们假设数据是每月的数据 ， 跨度选择5个月 ， 因此下个月的预测值是前5个月值得平均值 。注意 ， 跨度越大 ， 预测序列就越平滑 。SPSS统计分析工具提供了便捷的移动平均模型 ， 今天一起来揭开它的神秘 。
SPSS移动平均分析实例
数据“SPSS移动平均分析实例” ， 其中变量sales为某个公司1986-1997年间各个季度某商品的销售量数据 ， 用移动平均法来预测1998年1季度销售额及98年2季度的销售额 。
菜单操作步骤
（1）“转换”——“创建时间序列”
（2）将“销售量”移动至右侧框内 ， 新的变量命名为：移动平均；
（3）函数选择：先前移动平均 ， 跨度选择5；
（4）单击“更改”
备注：（此案例旨在说明SPSS移动平均的过程 ， 跨度的大小不再考虑 。）
此时 ， 在数据集界面 ， 我们可以看到 ， 1998年1季度预测值为：4490.52 ， 如果我们继续这个步骤来预测1998年2季度 ， 由于1998年1季度并没有真实的观测值 ， 一般在这种情况下 ， 多采用相应的预测值代替 ， 按照同样的方法 ， 我们可以得到 ， 1998年2季度的预测值为：4483.43 。
如何来衡量移动平均的误差
最简单是采用平均绝对误差MAE ， 为n个预测值与观测值误差的平均值 。通过计算新的变量 ， 可轻松得到 。本例跨度为5的情况下 ， 其MAE为：569.5 ， 可见该值较大 ， 平均绝对误差比较大 ， 移动平均的效果并不明显 。
必须得强调的几点
（1）时间序列存在比较明显的季节性趋势时 ， 不适于使用移动平均；
（2）时间序列存在比较明显的发展趋势时 ， 不适于使用移动平均；
【SPSS移动平均一点也不神秘】上面这个案例 ， 从时间序列图上 ， 可以看出 ， 存在明显的趋势因素及季节性因素 ， 综合而言 ， 并不适用于使用移动平均 ， 最后由较高的MAE也可以反映出这一点 ， 因此在使用移动平均前需要重点观察序列的趋势 。
推荐阅读
- Excel使用AVERAGE函数隔行求平均值
- Excel使用AVERAGEIF函数计算满足条件的平均值
- Excel使用LARGE函数获得前三名的平均成绩
- Excel使用AVERAGE函数对字母求平均值
- Excel自动求平均值方法图解教程
- 中国移动的积分是怎么来的
- Excel计算满足条件的列的平均值的DAVERAGE函数使用教程
- 移动hd什么意思啊
- Excel去掉最大值和最小值怎么求平均值？
- 移动话费余额查询