https://exceltable.

com/grafiki/liniya-trenda-v-excel
https://www.youtube.com/watch?v=owIOFl45lpg

Прогнозування в Excel з допомогою лінії тренду

Екстраполяція є прийомом в основу якого покладено принцип, що на основі
вирівняного ряду динаміки методом продовження ряду знаходять майбутні
значення економічних показників.
Інтерполяція є прийом вирівнювання ряду динаміки з метою знаходження
невідомих показників на протязі досліджуваного ряду
Наводиться інформація – дві колонки або два рядки: Номер періоду (колонка А)
та Значення показника (колонка В).
В якості номеру періоду можуть виступати дні, тижні, місяці, роки. Значення
показника за попередні періоди, показник який ми хочемо спрогнозувати на
майбутнє, тобто продовження тенденції на кілька періодів вперед. Але не
можемо побудувати прогноз більше 30-50% кількості періодів наявних
фактичних значень.
Спочатку побудуємо графік. Заходимо на кладку Вставка і обираємо «Точечная
диаграма с маркерами». По горизонталі відкладено номер періоду, по вертикалі
значення показника. Підводимо курсор миші до одного зі спостережень права
кнопка «Добавить линию тренда» з’являється вікно, обираємо спочатку
«Линейная» виставляємо Прогноз вперед на 2,0, внизу потрібно поставити
прапорці «Показывать уравнение на диаграме» та «Поместить на диаграму
величину достоверности апроксимации (R^2)». R2 показник, що характеризує
наскільки отримана лінія тренду описує вихідні дані, і змінюється від 0 до 1,
чим ближче до 1 тим достовірнішою є модель. Рівняння описує залежність
показника від зміни часового періоду, коли здійснюємо прогнозування замість
Х підставляємо номер майбутнього розрахункового періоду. Потім поступово
міняємо лінії тренду: логарифмічна, поліноміальна, степенева, отримуємо нові
рівняння, на основі яких здійснюємо прогнозування на 2 періоди вперед.

Лінійна функція. Лінійна апроксимація застосовується для ілюстрації

показника, що зростає або зменшується з постійною швидкістю. Параметр а0 –
вільний член функції, тобто значення y, якщо х = 0; параметр а1 – лінійний
приріст (швидкість зростання), показує на скільки змінюється у, якщо
незалежна змінна t змінюється на 1; знак «+» при а1 вказує на прямий зв’язок,
«-»  на обернений.
Експоненціальна функція. Цей тип буде корисним, якщо значення, що
вводяться, змінюються з безперервно зростаючою швидкістю. Експонентна
апроксимація не застосовується за наявності нульових або негативних
характеристик.
Логарифмічна функція. Використовується при наступних змінах показника:
спочатку швидке зростання або спадання, потім – відносна стабільність.
Оптимізована крива добре адаптується до подібної «поведінки» величини.
Логарифмічний тренд підходить для прогнозування продажу нового товару,
який тільки вводиться на ринок.
Поліноміальна функція. Даній кривій властиві почергові зміни зростання та
спадання. Для поліномів (багаточленів) визначається ступінь (за кількістю
максимальних та мінімальних величин). Наприклад, один екстремум (мінімум і
максимум) – це другий ступінь, два екстремуми – третій ступінь, три –
четвертий. Поліноміальний тренд Excel застосовується для аналізу великого
набору даних про нестабільну величину.
У параболі третього порядку приріст може змінювати свій знак один раз або
двічі.
Поліномінальні криві зростання можна використовувати для апроксимації та
прогнозування соціально-економічних процесів, у яких подальший розвиток не
залежить від досягнутого рівня.
Параметр а0 – вільний член функції, тобто значення y, якщо х = 0; параметр а1 –
лінійний приріст (швидкість зростання), показує на скільки змінюється у, якщо
незалежна змінна t змінюється на 1; знак «+» при а1 вказує на прямий зв’язок,
«-»  на обернений. Параметр а2 – характеризує прискорення зростання,
параметр а3 – зміну прискорення зростання.
Степенева функція. Функція відображає дані з швидкістю зростання, що
постійно збільшується (зменшується).

Для адекватних моделей доцільно ставити запитання щодо оцінювання їхньої

точності. Вважається, що моделі з меншою розбіжністю між фактичними й
розрахунковими значеннями краще відображають досліджуваний процес у
майбутньому. Для оцінки якості досліджуваної моделі прогнозу
використовують кілька статистичних критеріїв. Найбільш поширеними
критеріями є наступні.
Середня помилка апроксимації:
1 |y t − ^y t|
ε=
n
∑ y ⋅100 %
t
 Даний показник використовується в разі порівняння точності прогнозів
по декількох моделях. При цьому вважають, що точність моделі є високою,
коли < 10%, доброю – при = 10-20% і задовільною – при = 20-50%.
Середнє квадратичне відхилення між фактичними і розрахунковими
значеннями функції:

а) абсолютне: σ абс = √∑ ( y − ^y ) :(n−1 )

t t
2

б) відносне: σ від= √ ∑ ( y − ^y ): y ) :(n−1)

t t t
2

Таблиця 1
Визначення проміжних даних для розрахунків параметрів і статистичних
характеристик рівняння (степенева функція)
Прогнозне

( )
Фактичний значення |y t − ^y t| ( y t − ^y t ) 2
Роки,
t
показник, показника, |yt- ^y t| (yt- ^y t)2 yt yt
yt ^y
1
2
3
4
5
6
7
Σ28

Чим менше значення показників, які розраховані за формулами, тим вище

якість відібраного рівняння. Граничний рівень встановлює дослідник,
опираючись на знання, досвід, особливість даних, що аналізуються, оскільки
науково обґрунтованих рекомендацій з цих питань немає.

Вихідні дані для побудови прогнозу Чисельність наявного населення (на 1

січня, тис. осіб)
Роки Тис. осіб
2016 42760,5
2017 42584,5
2018 42386,4
2019 42153,2
2020 41902,4
2021 41588,4
2022 41167,3

1. Побудувати лінії тренду: лінійний, логарифмічний, поліноміальний,

степеневий, експоненціальний.
2. Розрахувати прогнозні значення на 2023-2024 рр.
2022 р. 2023 р. 2024 р.
Тренд Рівняння R2
факт (прогноз) (прогноз)
Лінійний
Логарифмічний
Поліноміальний
Степеневий
Експоненціальний

3. Для однієї із функцій (на вибір) розрахувати середню помилку

апроксимації та середнє квадратичне відхилення.