FORECAST.ETS.STAT 함수

시계열 예측의 결과로 통계 값을 반환합니다.

통계 유형은 이 함수에서 요청한 통계를 나타냅니다.

구문

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

FORECAST.ETS.STAT 함수 구문에는 다음과 같은 인수가 사용됩니다.

• 값 필수. 값은 다음 지점을 예측하려는 기록 값입니다.
• 타임 라인 필수. 독립적인 배열 또는 숫자 데이터의 범위입니다. 타임라인 날짜 사이에 일관된 단계가 있어야 하며 0일 수 없습니다. 타임라인 예측으로 정렬할 필요가 없습니다. Ets. STAT는 계산을 위해 암시적으로 정렬합니다. 제공된 타임라인 상수 단계를 식별할 수 없는 경우 FORECAST입니다. Ets. STAT는 #NUM 반환합니다! 오류가 발생합니다. 타임라인 중복 값이 포함되어 있으면 FORECAST입니다. Ets. STAT는 #VALUE 반환합니다! 오류가 발생합니다. 타임라인 및 값의 범위가 같은 크기가 아닌 경우 예측합니다. Ets. STAT는 #N/A 오류를 반환합니다.
• Statistic_type 필수. 계산된 예측에 대해 반환될 통계를 나타내는 1에서 8 사이의 숫자 값입니다.
• 계절 선택적. 숫자 값입니다. 기본값 1은 Excel에서 예측에 대한 seasonality를 자동으로 감지하고 계절 패턴의 길이에 양의 정수를 사용하는 것을 의미합니다. 0은 seasonality가 없음을 나타내므로 예측이 선형이 됩니다. 양의 정수는 알고리즘에 seasonality로 이 길이의 패턴을 사용하라고 지시합니다. 다른 값의 경우 FORECAST입니다. Ets. STAT는 #NUM 반환합니다! 오류를 반환합니다.
  지원되는 최대 seasonality는 8,760(1년 동안의 시간)입니다. 해당 숫자보다 seasonality가 높으면 #NUM! 오류가 반환됩니다.
• 데이터 완성 선택적. 타임라인 데이터 요소 간에 일정한 단계가 필요하지만 FORECAST입니다. Ets. STAT는 누락된 데이터를 최대 30%까지 지원하며 자동으로 조정됩니다. 0은 누락된 지점을 0으로 간주하는 알고리즘을 나타냅니다. 기본값 1은 인접 지점의 평균으로 완료하여 누락된 점을 고려합니다.
• 집계 선택적. 타임라인 데이터 요소 간에 일정한 단계가 필요하지만 FORECAST입니다. Ets. STAT는 동일한 타임스탬프를 가진 여러 지점을 집계합니다. 집계 매개 변수는 동일한 타임스탬프를 사용하여 여러 값을 집계하는 데 사용할 메서드를 나타내는 숫자 값입니다. 기본값 0은 AVERAGE를 사용하고 다른 옵션은 SUM, COUNT, COUNTA, MIN, MAX, MEDIAN입니다.

다음과 같은 선택적 통계를 반환할 수 있습니다.

• ETS 알고리즘의 Alpha 매개 변수 기준 값 매개 변수를 반환합니다. 값이 높을수록 최근 데이터 지점에 대한 가중치가 커집니다.
• ETS 알고리즘의 Beta 매개 변수 추세 값 매개 변수를 반환합니다. 값이 높을수록 최근 추세에 대한 가중치가 커집니다.
• ETS 알고리즘의 Gamma 매개 변수 계절성 값 매개 변수를 반환합니다. 값이 높을수록 최근 계절 기간에 대한 가중치가 커집니다.
• MASE 메트릭 평균 절대 배율 오류 메트릭(예측의 정확도 측정)을 반환합니다.
• SMAPE 메트릭 대칭 평균 절대 비율 오류 메트릭(비율 오류를 기반으로 한 정확도 측정)을 반환합니다.
• MAE 메트릭 대칭 평균 절대 비율 오류 메트릭(비율 오류를 기반으로 한 정확도 측정)을 반환합니다.
• RMSE 메트릭 루트 평균 제곱 오류 메트릭(예측된 값과 관찰된 값 사이의 차이 측정)을 반환합니다.
• 단계 크기 감지됨 기록 시간 표시 막대에서 감지된 단계 크기를 반환합니다.

샘플 통합 문서 다운로드

Excel FORECAST를 사용하여 통합 문서를 다운로드하려면 이 링크를 클릭합니다. ETS 함수 예제

추가 지원

언제든지 Excel Tech Community의 전문가에게 문의하거나 커뮤니티에서 지원을 받을 수 있습니다.