Excel FORECAST.ETS.STAT 函數教學

FORECAST.ETS.STAT 函數的用途

FORECAST.ETS.STAT 函數是 Excel 中的一個統計函數，用於返回基於 指數平滑法（Exponential Smoothing）預測模型的統計數據。這個函數可以幫助用戶了解預測模型的多個關鍵統計指標，如預測誤差、季節性效應等。

使用 FORECAST.ETS.STAT 函數，你可以從 ETS 預測模型中提取具體的統計數據，用來衡量模型的準確性或理解模型的工作方式。

語法

FORECAST.ETS.STAT(values, timeline, stat_type, [seasonality], [data_completion], [aggregation])

• 1: 輸出預測誤差（誤差的均方根，RMSE）。
• 2: 輸出季節性係數（季節性變化的強度）。
• 3: 輸出預測的最小值（最小預測值）。
• 4: 輸出預測的最大值（最大預測值）。
• 5: 輸出預測的平均值（平均預測值）。
• 6: 輸出預測的標準差（預測值的變異性）。| | seasonality | （選擇性）季節性週期的長度，表示數據中周期性變化的頻率。通常是 1、4、12 等，對應季節、季度、月度等。 | | 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）。 |

範例 1：計算預測誤差（RMSE）

假設你有一組月度銷售數據，並希望了解該數據的預測誤差（RMSE）。公式如下：

公式如下：

=FORECAST.ETS.STAT(B2:B7, A2:A7, 1)

? 結果：這個公式會返回預測誤差的均方根（RMSE）。RMSE 是衡量預測值與實際觀測值之間差異的標準方法之一。

解釋：1 表示我們要計算預測誤差（RMSE），這是一個常用的衡量模型準確性的指標。

範例 2：計算季節性係數

假設你希望了解數據中的季節性變化強度（即季節性係數）。公式如下：

=FORECAST.ETS.STAT(B2:B7, A2:A7, 2)

? 結果：這個公式會返回季節性係數，表示數據中季節性變化的強度。季節性係數越大，表示數據中的季節性變化越強。

解釋：2 表示我們希望得到季節性係數，這有助於了解數據的季節性模式。

範例 3：計算預測的最大值

假設你希望計算預測的最大值，這可以幫助你了解預測模型預期的最大結果。公式如下：

=FORECAST.ETS.STAT(B2:B7, A2:A7, 4)

? 結果：這個公式會返回預測的最大值，這是 ETS 預測模型所計算的預期最大值。

解釋：4 表示我們希望得到預測的最大值。這對於了解未來可能出現的極端情況有幫助。

範例 4：計算預測的標準差

如果你希望計算預測值的變異性，可以使用以下公式來計算預測的標準差。

=FORECAST.ETS.STAT(B2:B7, A2:A7, 6)

? 結果：這個公式會返回預測的標準差，表示預測結果的變異性。標準差越大，表示預測的不確定性越高。

解釋：6 表示我們希望得到預測的標準差，這是一個衡量預測結果穩定性的指標。

注意事項

1. 統計類型：
   • stat_type 參數必須是以下之一：
     • 1: 輸出預測誤差（均方根誤差）。
     • 2: 輸出季節性係數。
     • 3: 輸出最小預測值。
     • 4: 輸出最大預測值。
     • 5: 輸出平均預測值。
     • 6: 輸出標準差。
2. 季節性參數：
   • seasonality 用來設定數據的季節性週期。若你知道數據有季節性，請根據數據的特徵設定合適的週期值。
3. 缺失數據處理：
   • data_completion 參數可以讓 Excel 自動填補缺失數據，這對於有缺失的數據集尤其重要。
4. 聚合方式：
   • aggregation 參數允許你選擇如何處理重複的時間戳數據，這對於每個時間點有多個數據值的情況非常有用。

應用場景

✅ 預測模型準確性評估：根據 FORECAST.ETS.STAT 函數返回的各項統計數據，來評估預測模型的準確性。
✅ 銷售預測：根據銷售數據的季節性變化和預測誤差，調整銷售計劃。
✅ 風險管理：計算預測的標準差來評估未來不確定性，幫助進行風險評估。