1702657310
图9.12 “回归”对话框
1702657311
1702657312
②在如图9.12所示的“回归”对话框中的“Y值输入区域”文本框中输入”$B$2:$B$13”，在“X值输入区域”文本框中输入”$A$2:$A$13”；“输出选项”有三种选择，可以根据实际需要进行相应的选择，此例中可选择“新工作表组”单选按钮，如图9.13所示。单击“确定”按钮，即可得到如图9.14所示的回归结果。
1702657313
1702657314
1702657315
1702657316
1702657317
图9.13 “回归”对话框设置
1702657318
1702657319
1702657320
1702657321
1702657322
图9.14 示例2回归结果
1702657323
1702657324
③图9.15为示例2时间序列趋势移动的线性趋势程度，回归结果良好，因此预测的精确度也比较高。
1702657325
1702657326
1702657327
1702657328
1702657329
图9.15 示例2时间序列趋势移动的线性趋势程度
1702657330
1702657331
1702657332
1702657333
1702657334
Excel统计分析与应用大全 [:1702652467]
1702657335
Excel统计分析与应用大全 9.3 时间序列的指数平滑法
1702657336
1702657337
时间序列的指数平滑法是从移动平均法发展而来的。对于平稳的时间序列，只要通过平滑就可以消除其随机波动，因此，这类预测方法也称为平滑预测方法。可以说，时间序列的指数平滑法是一种特殊的加权移动平均法。其特点是预测时所需的资料少，计算方便。
1702657338
1702657339
利用指数平滑法进行预测，就是对不规则的时间序列数据加以平滑，从而获得其变化规律和趋势，以此对未来的经济数据进行推断和预测。
1702657340
1702657341
在指数平滑预测的过程中，最核心的是确定合适的加权系数。
1702657342
1702657343
确定指数平滑法的加权系数的原则是时间序列的实际值和预测值误差最小，因此可以将使得误差平方和最小的加权系数值作为最佳加权系数。
1702657344
1702657345
根据平滑次数的不同，有一次指数平滑法、二次指数平滑法及高次指数平滑法。通常来说，一次指数平滑法和二次指数平滑法运用较多。
1702657346
1702657347
Excel统计分析与应用大全 [:1702652468]
1702657348
9.3.1 一次指数平滑法
1702657349
1702657350
一次指数平滑法就是指计算时间序列的一次指数平滑值，以当前观察期的一次指数平滑值为基础，确定下期预测值。
1702657351
1702657352
一次指数平滑值的计算公式为：
1702657353
1702657354
St+1（1）=St（1）+α（Yt-St（1））
1702657355
1702657356
其中，α为平滑常数（0≤α≤1），St（1）为第1期的一次指数平滑值，Yt为第1期的实际观测值，则一次指数平滑的预测模型为：
1702657357
1702657358
Yt+1（1）=St+1（1）+αYt（1-α）St（1）
1702657359