粉丝1145获赞3082


你看所有的老师的教材都会说至少是零点八以上,其实他说明什么呢?你做的这个回归分析,他这个公式是死的,对吗?因为咱现在只能做指数回归,其实你看那个下拉菜单有好几种回归,但是呢?为什么?因为我们做工资是,比如你看你买的新手报告,他都做指数回归, 你做了一个其他虚了、拐弯了,你跟他不能完全去比数,你知道吗?所以呢,一般的报告也都用指挥归,比如我知道莫斯尔,我是问过他们顾问的,他们可能会做两次回归, 就是比如说五十级以上做一次,五十级以下做一次。他到我们这里就说,如果,比如我的二方大于百分之八十,说明虽然我们原来没有工资结构,但是我们历史上工资还是挺有规律的。你可以这么来解释他,但是如果说你工资,比如这二方零点三几、零点四几,其实你就发现可能里边有好多特例性。

我们通过指数平滑法对一月到十月的已知数据来预测十一月份的未知数据。之前我们讲过如何用移动平均法来预测数据,下面开始演示分析过程需要准备好目标数据, 月份指标也可以是年份、星期、小时等数据类型,同样可以是其他数据,如成绩、销售额等。首先点击数据选项中的数据分析,选择指数平滑后,点击确定。进入到参数设置页面,输入区选择 b 一到 b 十一,阻尼系数为零点一, 输出区域选择 c 二到 c 十一。点击确定后生成数据和图表。一列是阻尼系数为零点一的预测值,另一列是标准误差。我们通过点击右下角下拉,生成十一月的预测值和标准误差。我们先将图表往下放一放,然后用 同样的方法生成第二组数据,阻尼系数换为零点二,最后再换阻尼系数为零点三,生成第三组数据。在指数平滑法中,标准误差越小,预测值越准确。 这三组数据中,当阻尼系数为零点三十,标准误差最小,所以我们选用四百零五点九二二为十一月份的预测值最为合适。最后只留下阻尼系数为零点三的数据可视化图,如序列数据平稳,波动不大, 阻尼系数建议为零点一至零点三。如序列数据有明显的变化倾向,阻尼系数建议为零点四至零点九。