Excel FORECAST.ETS.SEASONALITY 函數教學

FORECAST.ETS.SEASONALITY 函數的用途

FORECAST.ETS.SEASONALITY 函數是 Excel 中一個用來計算數據中 季節性週期長度（Seasonality Length）的函數。它會根據已知的時間序列數據來分析季節性模式，並返回一個數值，表示數據中周期性變化的週期長度。

這個函數對於處理有季節性變化的數據（例如銷售數據、氣候數據等）非常有用，可以幫助你確定合適的季節性參數，以便在預測模型中使用。

FORECAST.ETS.SEASONALITY(values, timeline, [data_completion], [aggregation])

參數	說明
values	已知的數值（如銷售額、需求量等）對應於每個時間點。
timeline	與 `values` 參數對應的時間序列數據，通常是日期或時間。
data_completion	（選擇性）是否自動填補缺失數據。選擇 1 或 TRUE 來自動填補缺失數據，選擇 0 或 FALSE 來不填補。
aggregation	（選擇性）如何聚合重複的時間戳數據。默認是求和，也可以選擇其他方式（如求平均）。

假設你有一組月度銷售數據，並希望了解數據中是否有季節性變化及其週期長度。

已知的數據如下：

你希望了解這組數據的季節性週期長度。公式如下：

=FORECAST.ETS.SEASONALITY(B2:B13, A2:A13)

? 結果：該公式會返回一個數值，表示數據的季節性週期長度。對於這組月度數據，假設每年為一個周期，則預期結果應為 12（即 12 個月的周期性變化）。

解釋：FORECAST.ETS.SEASONALITY 函數會根據銷售數據及時間序列來計算數據的季節性週期長度。這有助於確定你的數據是否呈現年季節性或其他周期性變化。

假設你有一組銷售數據，其中有缺失的數據點，並希望 Excel 自動填補這些缺失值並計算季節性週期長度。

已知的數據如下：

公式如下：

=FORECAST.ETS.SEASONALITY(B2:B13, A2:A13, 1)

? 結果：這個公式會返回季節性週期長度，並且自動填補缺失的數據。

解釋：1 表示啟用數據補充功能，Excel 會根據數據的趨勢來填補缺失的銷售數據，然後計算季節性週期長度。

如果你的數據中有多個相同時間戳的數據（例如不同地區的銷售數據），你可以使用 aggregation 參數來選擇如何處理這些重複的數據。

假設你有不同地區的銷售數據，每個月份有多個數值，並希望了解數據的季節性週期長度。

你希望按 平均值 來計算季節性週期長度。公式如下：

=FORECAST.ETS.SEASONALITY((B2:B7+C2:C7)/2, A2:A7, 0, 1)

? 結果：這個公式會計算每個月地區 A 和地區 B 銷售數據的平均值，然後根據這些平均值計算季節性週期長度。

解釋：(B2:B7+C2:C7)/2 用於計算每個月的銷售數據的平均值，0 表示不填補缺失數據，1 表示對重複時間戳數據進行求平均的聚合方式。

季節性週期：
- FORECAST.ETS.SEASONALITY 函數會自動檢測數據中的季節性模式，並返回合適的季節性週期長度，通常是 1、4、12 等。
數據格式：
- values 和 timeline 參數必須是數值和時間序列（如日期、月份）對應的範圍。
數據補充：
- data_completion 設為 1 或 TRUE 時，Excel 會自動填補缺失的數據。這對於處理不完整的數據集非常有用。
重複數據處理：
- 當數據中有多個相同的時間點時，可以選擇如何聚合這些數據。aggregation 參數可幫助選擇不同的處理方式（如求和、求平均等）。

✅ 銷售預測：根據銷售數據計算季節性週期，了解銷售模式，並做出更準確的預測。
✅ 氣候研究：根據歷史氣候數據計算季節性模式，預測未來的天氣情況。
✅ 需求預測：分析需求數據中的季節性變化，並根據季節性週期進行預測。

Post Views: 0