指数平滑法による予測
FORECAST.ETS.SEASONALITY 指数平滑法を利用して予測を行うときの季節変動の長さを求める
対応バージョン：
［タイムライン］を元に［値］の予測を行うときの、季節変動の長さを求めます。元のデータに欠測値がある場合には［補間］の指定ができます。また、元のデータに同じ期の値が複数ある場合には［集計］の指定もできます。予測にはETS（三重指数平滑法）アルゴリズムのAAAバージョンと呼ばれる方法が使われます。
入力方法と引数
FORECAST.ETS.SEASONALITY
| 値 | タイムラインに対応する値（予測に使う元の値）を指定します。 | |
|---|---|---|
| タイムライン | 年度や日付など、［値］が得られた期を指定します。 | |
| 補間 | 欠測値がある場合に1を指定すれば自動的に補間されます。0を指定すると欠測値を0とします。省略すると1が指定されたものと見なされます。全体の30%までは欠測値の補間が行われます。 | |
| 集計 | タイムラインに同じ期がある場合、［値］を集計します。以下の方法が指定でき、（ ）内に記述した関数と同じ方法で集計を行います。省略した場合は集計を行いません。 | |
| 1 | 平均（AVERAGE） | |
| 2 | 数値の個数（COUNT） | |
| 3 | データの個数（COUNTA） | |
| 4 | 最大値（MAX） | |
| 5 | 中央値（MEDIAN） | |
| 6 | 最小値（MIN） | |
| 7 | 合計（SUM） | |
使用例四半期ごとの売上高を元に予測を行う場合の、季節変動の長さを求める
=FORECAST.ETS.SEASONALITY(D3:D14,A3:A14)
上記はセルF7に入力されている数式です。セルD3～D14に入力されている［値］が売上高で、それに対する［タイムライン］がセルA3～A14に入力されています。この例では季節変動の長さは4となります。
活用のポイント
- 三重指数平滑法とは、過去のいくつかの値の平均から次の値を予測する方法です。このとき、最近の値のほうに指数関数的に大きなウェイトを与え、古い値の影響を少なくします。FORECAST.ETS.SEASONALITY関数では、季節による変動の長さが求められます。
- ［タイムライン］には日付や「期」を表す値を指定します。［値］と［タイムライン］のサイズが異なる場合、［#N/A］エラーとなります。
- ［タイムライン］は並べ替えられている必要はありません。
- 季節変動とは、同じパターンが現れる周期のことです。この例では、四半期ごとに同じパターンで売上高が変化するので、長さは4となります（第1四半期と第2四半期の売上に比べて第3四半期の売上が落ち込み、第4四半期で売上が増えるというパターンを繰り返している）。この例では、データを見ただけでも季節変動がある程度分かりますが、ひと目見ただけでは分かりにくい季節変動も抽出できます。
- 欠測値がある場合には［補間］に1を指定するか省略します。［補間］に0を指定すると、欠測値が0と見なされます。
- 予測の方法や引数の詳細については、FORECAST.ETS関数の記事を参照してください。
