认识达内从这里开始

在数据分析领域，我们除了需要掌握如何来获取数据的方法以外，一个合适的分析工具和数据分析方法也是很有必要一起掌握的。所以，我们今天就给大家简单介绍一下，对于一些销售行业来说，如何才能根据时间序列数据分析法来进行库存调整的，下面就开始今天的主要内容吧。

应用背景：

通过分析序列进行合理预测，做到提前掌握未来的发展趋势，为业务决策提供依据，这也是决策科学化的前提。

时间序列分析：

时间序列就是按时间顺序排列的一组数据序列。

时间序列分析就是发现这组数据的变动规律并用于预测的统计技术。

分析工具：

SPSS(数据分析的重量级应用，与SAS二选一)

实践案例：通过历史数据预测未来数据，所涉及的都是最简单的实践，抛砖引玉，重在方法，不论多复杂的数据，方法是一样的。

如已知前几年每月的销售量，预测未来的销售量。

一、时间序列分析简介

时间序列分析有三个基本特点：

假设事物发展趋势会延伸到未来

预测所依据的数据具有不规则性

不考虑事物发展之间的因果关系

并不是所有的时间序列都一定包含四种因素，如以年为单位的诗句就可能不包含季节变动因素。

四种因素通常有两种组合方式：

四种因素相互独立，即时间序列是四种因素直接叠加而成的，可用加法模型表示：Y=T+S+C+I

四种因素相互影响。即时间序列是四种因素相互综合的结果，可用乘法模型表示：Y=T*S*C*I

其中，原始时间序列值和长期趋势可用绝对数表示;季节变动、循环变动、不规则变动可用相对数(变动百分比)表示。

二、季节分解法

当我们对一个时间序列进行预测时，应该考虑将上述四种因素从时间序列中分解出来。

为什么要分解这四种因素?

分解之后，能够克服其他因素的影响，仅仅考量一种因素对时间序列的影响。

分解之后，也可以分析他们之间的相互作用，以及他们对时间序列的综合影响。

当去掉这些因素后，就可以更好的进行时间序列之间的比较，从而更加客观的反映事物变化发展规律。

分解之后，序列可以用来建立回归模型，从而提高预测精度。

所有的时间序列都要分解这四种因素吗?

通常情况下，我们考虑进行季节因素的分解，也就是将季节变动因素从原时间序列中去除，并生成由剩余三种因素构成的序列来满足后续分析需求。

为什么只进行季节因素的分解?

时间序列中的长期趋势反映了事物发展规律，是重点研究的对象;

循环变动由于周期长，可以看做是长期趋势的反映;

不规则变动由于不容易测量，通常也不单独分析。

季节变动有时会让预测模型误判其为不规则变动，从而降低模型的预测精度

综上所述：当一个时间序列具有季节变动特征时，在预测值钱会先将季节因素进行分解。

步骤：

定义日期标示变量：即先将序列的时间定义好，才能分析其时间特征。

了解序列发展趋势：即序列图，确定乘性还是加性

进行季节因素分解

建模

分析结果解读

预测

作者：膝盖哥

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益！