zpět na výpis    domů » excel » Statistická funkce FORECAST.LINEAR()

Statistická funkce FORECAST.LINEAR()

Publikováno: 13.4.2018

Statistická funkce FORECAST.LINEAR()

V praxi může nastat situace, kdy je potřeba odhadnout budoucí hodnotu sledované proměnné. Aby měl odhad nějakou vypovídací hodnotu musí být založen na statisticky průkazném modelu. Jinak nelze považovat předpovědi za věrohodné a povedou k nesmyslným výsledkům. Chybou může být například špatná specifikace modelu, výběr nezávisle proměnných apod.

Nejběžněji používanou metodou pro odhad budoucích hodnot je metoda nejmenších čtverců (MNČ). Cílem MNČ je nalézt vhodnou aproximační funkci, která nejlépe vystihuje empirické hodnoty závisle proměnné (y). Na základě odhadnutých kvantitativních vztahů pak lze získat její budoucí hodnoty.

K prostudování principů modelování kvantitativních vztahů mezi proměnnými a tvorby předpovědí doporučuji knihy od autorů, kteří jsou dle počtu publikací, v této oblasti nejpovolanější - T. Cipra, R. Dušek, R. Hindls apod.

MS Excel disponuje, pro protažení minulých hodnot do budoucna, funkcí FORECAST.LINEAR(). Slovy statistiky se jedná o lineární extrapolaci dat. To znamená, že popisuje pouze lineární vztahy mezi proměnnými. Například pro exponenciální kvantitativní vztahy se používá funkce FORECAST.ETS().

Funkce FORECAST.LINEAR()

Funkce FORECAST.LINEAR() spadá do kategorie statistických funkcí, která je v MS Excel k dispozici od verze 2016. V předchozích verzích byla k dispozici funkce FORECAST(), která je však použitelná i ve verzi 2016.

Funkce umí vypočítat budoucí hodnoty závisle proměnné (y) na základě lineárního vztahu s nezávisle proměnnou (x). Ve statistice se mluví o lineární regresní přímce. Matematicky je lineární regrese reprezentována lineární funkcí. Odhad parametrů lineární regrese se provádí pomocí již zmíněné metody nejmenších čtverců.

Argumenty funkce FORECAST.LINEAR(x;pole_y;pole_x)

x ... budoucí hodnota nezávisle proměnné
pole_y ... oblast dat s empirickými hodnotami závisle proměnné
pole_x ... oblast dat s empirickými hodnotami nezáisle proměnné

Funkce FORECAST.LINEAR() v praxi #1

V prvním případě je prodloužen lineární trend čistého zisku o jedno období dopředu. Nezávisle proměnnou (x) je v tomto případě čas (t), který je reprezentován narůstajícím počtem období. Ve funkci FORECAST.LINEAR() je však jedno, zda je v argumentu pole_x použit sloupec Čas nebo Rok. Oba případy vyhodnotí stejným způsobem.

=FORECAST.LINEAR(2018;hodnoty X;hodnoty Y)

Použití funkce FORECAST.LINEAR() v MS Excel

Na následujícím spojnicovém grafu je oranžovou barvou zvýrazněna bodová předpověď čistého zisku pro rok 2018. Bodová předpověď je však příliš striktní. Z toho důvodu doporučuji bodovou předpověď doplnit o interval spolehlivosti například s 95% pravděpodobností. Horní mez intervalu pak může představovat optimistický scénář vývoje a dolní mez intervalu pesimistický scénář.

Použití funkcí FORECAST.LINEAR() pro předpověď v MS Excel

Funkce FORECAST.LINEAR() v praxi #2

Ve druhém případě je zkoumán vztah mezi průměrným měsíčním příjmem a spotřebními výdaji jednotlivce v jednotlivých letech. Nezávisle proměnnou (x) je čistý příjem a závisle proměnnou (y) je spotřeba.

Vztah mezi 2 proměnnými lze obecně identifikovat na základě bodového diagramu. Body v grafu ukazují na lineární závislost mezi proměnnými. Funkce FORECAST.LINEAR() je tedy vhodná pro odhad budoucí hodnoty.

Bodový diagram najdete na kartě Vložení → v sekci Grafy → graf Bodový.

Použití funkcí FORECAST.LINEAR() v MS Excel

Pomocí funkce FORECAST.LINEAR() je odhadnuta spotřeba na jedno období dopředu na základě očekávaného průměrného příjmu ve výši 68 tisíc Kč.

Použití funkcí FORECAST.LINEAR() v MS Excel

Bodová předpověď měsíčních spotřebních výdajů spotřebitele je pro rok 2018 opět zvýrazněna oranžovou barvou.

Použití funkcí FORECAST.LINEAR() v MS Excel

Líbí se vám článek a chcete vědět o každém dalším? Dejte Like Financím v praxi na sociálních sítích.

Google+

Sdílejte článek na sociálních sítích

Seznam použité literatury
  • HINDLS, R., HRONOVÁ, S., SEGER, J., FISCHER, J.: Statistika pro ekonomy. Profesional publishing 2007, Praha. Osmé vydání, 415 stran. ISBN 978-80-86946-43-6
  • HUŠEK, R.: Ekonometrická analýza. EKOPRESS 1999, Praha. První vydání, 303 stran. ISBN 80-86119-19-X
  • MINAŘÍK, B.: Statistika I. Popisná statistika - druhá část. Mendelova zemědělská a lesnická univerzita v Brně 2000, Brno. První vydání, 226 stran. ISBN 978-80-7375-152-4
Nahoru