Winter 方法
概述 操作步骤 示例 数据 另请参见

统计 > 时间序列 > Winter 方法

Winter 方法按 Holt-Winters 双指数平滑对数据进行平滑处理，并提供短期到中期的预测。当趋势和季节因素都出现时，可以使用此过程对这两个分量进行加法或乘法计算。Winter 方法计算以下三个分量的动态估计值：水平、趋势和季节。

对话框项

变量：选择包含时间序列的列。

季节长度：输入季节模式的长度。这必须为大于或等于 2 的正整数。

模型类型：

乘法：当数据中的季节性模式取决于数据的大小时，选择乘法模型。也就是说，季节性模式的量值随序列增大而增大，随序列减小而减小。

加法：当数据中的季节性模式不取决于数据的大小时，选择加法模型。也就是说，季节性模式的量值不会随序列的增大或减小而变化。

平滑中使用的权重：默认情况下，所有这三个权重（即平滑参数）都设为 0.2。由于只对非常严格形式的 Holt-Winters 模型格式才存在等价的综合自回归移动平均 (ARIMA) 模型，因此 Winter 方法中没有最优参数，而在单指数平滑和双指数平滑中有。

水平：指定水平分量权重；必须是从 0 到 1 的数字。

趋势：指定趋势分量权重；必须是从 0 到 1 的数字。

季节：指定季节分量权重；必须是从 0 到 1 的数字。

生成预测：选中此项以生成预测。在时间序列图中，预测显示为绿色，还显示 95% 预测区间带。

预测数：输入一个整数以表明要显示多少个预测。

预测起始点：输入一个正整数以指定预测的起始点。例如，如果指定 4 个预测并以 48 为原点，则 Minitab 将基于周期 48 的水平分量、趋势分量以及相应的季节分量来计算周期 49、50、51 和 52 的预测。如果将其段留空，则 Minitab 将从数据的末尾生成预测。