Indholdsfortegnelse:
Video: Excel beregning af BMI og gennemsnit 2017 2024
Når du har installeret Excel Data Analysis-tilføjelsesprogrammet, og du har gjort det tilgængeligt for Excel, kan du vælge et af dets analyseværktøjer og udføre den analyse på de inputdata, som du leverer. I prognoserverdenen betyder det bundlinjen, som du har samlet og struktureret korrekt på et regneark.
Det første værktøj du måske overvejer - kun fordi det er det nemmeste at bruge og forstå - er værktøjet Moving Average. Som altid med tilføjelsesprogrammet, begynder du at gå til båndets data-faneblad og vælge dataanalyse. Marker Flytende gennemsnit i listefeltet Analyseværktøjer, og klik på OK.
Dialogboksen Moving Average, der vises her, vises.
Intervallet er antallet af aktualer fra din basislinie til brug i hvert glidende gennemsnit.Flytte dag: Kom herfra og her
Så nemt som glidende gennemsnit er at oprette og forstå, tager du et ekstra ansvar, når du beslutter dig for at forudsige med dem. Spørgsmålet er, hvor mange tidsperioder fra din basislinje du skal medtage i hvert glidende gennemsnit.
Brug det samme antal faktiske observationer til beregning af hvert glidende gennemsnit. Hvis det første glidende gennemsnit, som du har Excel-beregning, bruger tre perioder fra basislinjen, så bruger alle glidende gennemsnit i din prognose tre perioder.
Du vil vælge det rigtige antal perioder:
- Hvis du bruger for få, svarer prognoserne til tilfældige chok i baseline, når du efterfølgende skal udjævne de tilfældige fejl og fokusere på rigtige drivere til dine salgsresultater.
- Hvis du bruger for mange, går prognoserne bag virkelige, vedvarende ændringer i niveauet af basislinjen - måske for langt, for at du reagerer effektivt.
Når du beslutter dig for at bruge værktøjet Moving Average - eller mere generelt at bruge glidende gennemsnit, uanset om du bruger værktøjet eller selv indtaster formlerne - tager du stilling til effekten af de seneste basisværdier i forhold til virkningen af mere fjerne baseline værdier.
Antag, at du har en basislinje, der strækker sig fra januar 2016 til december 2016, og du bruger et tre måneders glidende gennemsnit af salgsresultater for dine prognoser. Prognosen for januar 2017 vil være gennemsnittet af resultaterne fra oktober, november og december 2016. Denne prognose er helt afhængig af sidste kvartal af 2016 og er matematisk uafhængig af de første tre kvartaler i 2016.
Hvad hvis i stedet du havde valgt et seks måneders glidende gennemsnit? Så var prognosen for januar 2017 baseret på gennemsnittet af juli til december 2016.Det ville være helt afhængig af anden halvdel af 2016, og første halvdel af 2016 ville ikke have nogen direkte indflydelse på prognosen fra januar 2017.
Det kan godt være, at en af disse situationer - eller en anden, som et tomåneders glidende gennemsnit - er præcis, hvad du vil. For eksempel kan du have brug for din prognose for at understrege de seneste resultater. Denne vægt kan være særligt vigtig, hvis du har mistanke om, at en nylig begivenhed, som en væsentlig ændring i din produktlinje, vil påvirke salget.
På den anden side vil du måske ikke understrege de seneste salgsresultater for meget. At fremhæve de seneste salgsresultater kan tydeliggøre, hvad der foregår med dit baseline på lang sigt. Hvis du ikke er sikker på, hvor meget der skal understreges for de seneste resultater, har du et par gode muligheder:
- Eksperiment med forskellige antal tidsperioder for at udgøre dine glidende gennemsnit. Denne tilgang er ofte bedst.
- Brug eksponentiel udjævning, som bruger hele basislinjen for at få en prognose, men giver større vægt til de nyere basisværdier. Eksponentiel udjævning giver lidt mindre vægt til den næstbedste basisværdi, lidt mindre vægt end den før, og så videre helt tilbage til den første basisværdi, som har mindst mulig indflydelse på næste prognose.
Flydende gennemsnit og stationære basislinier
Flydende gennemsnit er velegnede til stationære basislinjer (basislinjer, hvis niveauer generelt ikke stiger eller falder over en længere periode). Du kan bruge glidende middelværdier med baseline, der trænger op eller ned, men du bør normalt afskrække dem først eller ellers bruge en af de mere komplicerede bevægelsesgenomsnittlige modeller.
Hvordan fortæller du en stationær basislinje fra en, der trender op eller ned? En måde er at se på det. Den følgende figur har et eksempel. Basislinjen ser sikkert ud stationær. Det har spidser og toppe og dale, men generelt ser udgangspunktet ikke op eller ned.
Over en længere periode (sige seks år i stedet for to), kan denne basislinje vise sig at være en del af en cyklus. Men for kortere sigt er dette en stationær basislinje.Problemet med bare at se på basislinjen er, at det til tider ikke er helt klart, om det er stationært eller trendigt. Hvad synes du om basislinjen vist i nedenstående figur? Når man ser på diagrammet, er det svært at sige, om basislinjen er stationær. Det kan være, men så er det måske igen at rykke ned. Du kan foretage en hurtig test ved at kontrollere sammenhængen mellem dato og indtægt.
Denne basislinje ser ud som om den kan gå forsigtigt nedad. Tilføjelse af en trendlinje til det kan hjælpe dig med at fortolke, hvad der sker.