我使用的输入是 因变量 您在输入选项卡中输入

[akbhasan185]

但在绝大多数情况下，新技术更加现实和灵活。 在出现严重下降趋势的情况下，预测零流量或负流量的可能性也小得多，这是很好的。 它是如何工作的？ 模板中有一个隐藏的选项卡，您可以查看一下，但简短的版本是“ LINEST() ”电子表格公式。


的 B 列内容（例如流量） 独立变量 乌克兰 whatsapp 资源 时间线性流逝 前一时段的流量 11 个月的虚拟变量（第 12 个月由其他 11 个变量全为 0 表示） 最多三个“高级”变量 然后，该公式给出一系列“系数”作为输出，这些系数可以与值相乘并相加以形成如下预测： “时间段 10” 流量 = 截距 + (时间系数 * 10) + (前一时间段系数 * 时间段 9 流量) 您可以在隐藏的表中看到，我对 Linest 公式的许多输出进行了标记和颜色编码，如果您想自己尝试一下，这可能会对您入门有所帮助。


潜在的扩展 如果你确实想自己尝试一下，以下是我个人考虑进一步扩展的一些领域，你可能会感兴趣： 每日数据而非每月数据，具有每周季节性（例如每周日都会下降） 内置增长目标（例如，到 2021 年底实现 20% 的增长） 我在上面多次提到过Richard Fergie的 Forecast Forge 工具，他也提供了一些很好的建议，可以在相当有限的额外复杂性下提高预测准确性： 通过对输入取 log() 并提供输出的指数来平滑数据并避免极端情况下的负面预测（平滑数据可能是也可能不是一件好事，这取决于您的观点！）。