趋势分析 的方法和公式了解关于 Minitab 的更多信息请选择您所选的方法或公式。 关于本主题线性 指数增长二次S 曲线权重预测平均绝对百分比误差 (MAPE)平均绝对误差 (MAD)平均偏差平方和 (MSD)线性
公式
线性趋势模型为：
Yt = β0 + β1t + et
表示法
项说明β0常量β1从一个周期到下一个周期的平均变化t时间单位的值et误差项 指数增长
公式
指数增长趋势模型可以说明指数增长或衰减。例如，储蓄帐户可能呈现指数增长。
Yt = β0 * β1t * et
表示法
项说明β0 常量β1 系数t时间单位的值et误差项二次
公式
可以说明数据中的简单曲线的二次趋势模型为：
Yt = β0 + β1t + β2t2 + et
表示法
项说明β0常量β1 and β2系数t时间单位的值et误差项S 曲线
公式
数据中有 S 形状，这表明变化方向在一段时间内会改变。
Yt = 10a / (β0 + β1β2t)
表示法
项说明β0常量β1 and β2系数t时间单位的值权重
如果提供的是先前趋势分析拟合的系数，则 Minitab 执行加权趋势分析。如果某个特定系数的权重为 α，则 Minitab 使用以下公式估计新系数：
公式
αp1 + (1 – α)p2
表示法
项说明p1从当前数据估计的系数p2先前的系数预测
Minitab 使用趋势方程来计算特定时间值的预测值。预测原点之前的数据用于拟合趋势。
平均绝对百分比误差 (MAPE)
平均绝对百分比误差 (MAPE) 度量时间序列值拟合的准确度。MAPE 以百分比表示准确度。
公式
表示法
项说明 yt 时间 t 处的实际值 拟合值 n 观测值个数 平均绝对误差 (MAD)
平均绝对偏差 (MAD) 度量时间序列值拟合的准确度。MAD 以与数据相同的单位表示准确度，从而有助于使误差量概念化。
公式
表示法
项说明 yt 时间 t 处的实际值 拟合值 n 观测值个数 平均偏差平方和 (MSD)
无论采用哪种模型，平均偏差平方和 (MSD) 始终是使用相同的分母 n 计算的。对于异常大的预测误差，MSD 度量比 MAD 敏感。
公式
表示法
项说明 yt 时间 t 处的实际值 拟合值 n 观测值个数