Trends vorhersagen mit Zeitreihenanalyse

Eine natürliche Erweiterung der Regressionsanalyse ist die Zeitreihenanalyse, die verwendet in regelmäßigen Intervallen erhobene Kundendaten, um zukünftige Kundendaten in gleichen Intervallen vorherzusagen. Die Zeitreihenanalyse kann verwendet werden, um Dinge wie

  • Abonnementraten

  • Zugfahrertraining

  • Produktverkäufe

  • Webseitenaufrufe

vorauszusagen. Beispielsweise ist es für Kunden erforderlich, sich für Aktualisierungen bei einer Website anzumelden. die Leadgenerierung fördern. Wenn Kunden ihre E-Mail-Adressen angeben, geben sie auch einer Organisation die Erlaubnis, sie direkt zu bewerben, zu vermarkten und (zu versuchen) sie in zahlende Kunden umzuwandeln.

Die Abbildung zeigt die Gesamtanzahl der Abonnenten von Januar 2012 bis Februar 2014 von einer Website eines B2B-Dienstleisters. Mit diesen Daten können Sie das vergangene Abonnentenmuster verwenden, um vorherzusagen, wie die zukünftige Anzahl der Abonnenten sein wird.

Führen Sie die folgenden Schritte aus, um die kumulative Anzahl der Abonnenten in der Zukunft zu schätzen: Verwenden Sie die Zeitreihenanalyse in Excel:

  1. Erstellen Sie ein Liniendiagramm aus den Daten nach Monat und Jahr in Excel. Fügen Sie ein Liniendiagramm in eine Excel-Tabelle mit den Daten ein.

  2. Fügen Sie die kumulative Spalte als Serienwerte im Diagramm im Dialogfeld "Serie bearbeiten" hinzu.

  3. Um Datumsbezeichnungen für x -Achsen zu erstellen, wählen Sie im Dialogfeld "Achsenbeschriftungen" sowohl die Monats- als auch die Jahreszahl aus.

    Die folgende Abbildung zeigt die kumulative Anzahl der Abonnenten nach Monat und Jahr.

    Sie können sehen, dass das Muster der kumulativen Abonnenten im Allgemeinen linear ist (wobei eine Linie nach oben verläuft). Durch Hinzufügen einer Regressionsgleichung können Sie die zukünftige Anzahl von Teilnehmern vorhersagen (unter der Annahme, dass das Abonnentenwachstum weiterhin dieses lineare Muster aufweist).

  4. Fügen Sie eine Regressionsgleichung hinzu:

    • Klicken Sie auf die Datenzeile und klicken Sie mit der rechten Maustaste auf "Trendline hinzufügen". "

    • Wählen Sie im Dialogfeld" Trendlinie formatieren "die Option" Formel im Diagramm anzeigen "und" R-Quadrat-Wert im Diagramm anzeigen ".

In einer linearen Regressionsgleichung kann die beste Anpassungslinie die Beziehung gut beschreiben. Dieser r 2 -Wert ist. 988, was bedeutet, dass diese Zeile 98. 8% der Variation der Abonnententarife erklärt, was ausgezeichnet ist.

Die einzige unabhängige Variable, die hier verwendet wird, ist die Sequenz der Zeit über 26 Monate (von 1 bis 26). Die Regressionsgleichung für Abonnenten für die 26 Monate lautet:

Abonnenten = 81. 109 ( x ) +1896. 8

Sie können jetzt die Anzahl der Abonnenten für einen bestimmten Monat vorhersagen - sagen wir, Mai 2014, was der 29. Datenpunkt wäre (3 in die Zukunft).

Die geschätzte Gesamtzahl der Abonnenten für Mai ist:

Mai-Abonnenten = 81. 109 (29) +1896. 8 = 4249

Jedes Urteil über die Zukunft ist fehleranfällig. Es ist wichtig, die Grenzen der Verwendung vergangener Daten für die Vorhersage der Zukunft zu kennen.