NumXL Cookbook - AirLine 型号

在本文档中，我们将演示使用 NumXL 将原始时间序列数据转换为稳健预测的几个步骤。

以吉达市（沙特阿拉伯）2003 年至 2010 年的月电力需求量（兆瓦时）为例。

上图中的时间序列显示了十二（12）个月的季节性和随时间推移的上升趋势。

要解释这一数据，可以将电力需求分成两个主要部分： (1) 工业需求，以及 (2) 住宅和商业需求。 住宅和商业需求受天气模式（如季节）的影响。 从制冷/取暖用电量的增减就可以看出这一点。 另一方面，工业需求则比较平稳。 作为一种投入，工业需求主要受城市或行业的经济状况驱动，受天气模式的影响较小。

步骤 1：简要统计

使用 NumXL 工具栏，启动描述性统计向导。

为便于说明，我们将选择所有选项。 输出时，选择电子表格中希望将表格写入的单元格：

步骤 2：相关图分析

使用 NumXL 工具栏，启动相关图向导：

在本示例中，我们将计算并绘制前 20 个滞后期的 ACF 和 PACF。

ACF 图展示了空气线模型的一个经典案例，周期长度为 12 步

步骤 3：数据转换

建模前无需转换数据。 AirLine 模型将通过其定义中的差分项稳定输入序列。

步骤 4：建模

使用 NumXL，建模过程包括 3 个主要步骤： (1A) 模型规范，(2B) 校正，(3C) 残差诊断。

1A：模型规格

单击 NumXL 工具栏上的 AirLine 图标。

NumXL 将在电子表格中准备一个表格，其中包含模型系数、拟合优度和残差诊断例程。 注意：模型值还不是最佳值。

2B：模型校准

选择模型表的起始单元格（例如AIRLINE(12)）。 点击工具栏中的“校准”图标。

屏幕上将弹出 MS Excel 求解器对话框，其中已填入模型规格。 单击求解按钮。

3C：残余诊断

残差诊断例程已根据模型参数填入电子表格中。 现在是重新检查最优模型是否满足基本假设的好时机。

步骤 5：预测

要使用 NumXL 进行预测，请选择模型表格的单元格（如 AirLine）。 点击工具栏上的 "预测 "图标。

预报向导将弹出。 选择已实现观测值（即样本数据的尾点）和以步为单位的预测范围。

在本示例中，选择了样本数据中的最后 23 个观测值，然后将预测范围设置为 30 步（或单位），如上图所示。

绘制预测图及其置信区间。