时间序列的趋势分析
无论是网站分析工具、BI报表或者数据的报告，我们很难看到数据以孤立的点单独地出现，通常数据是以序列、分组等形式存在，理由其实很简单，我们没法从单一的数据中发现什么，用于分析的数据必须包含上下文（Context）。数据的上下文就像为每个指标设定了一个或者一些参考系，通过这些参照和比较的过程来分析数据的优劣，就像中学物理上的例子，如果我们不以地面作为参照物，我们无法区分火车是静止的还是行进的，朝北开还是朝南开。
在实际看数据中，我们可能已经在不经意间使用数据的上下文了，趋势分析、比例分析、细分与分布等都是我们在为数据设置合适的参照环境。所以这边通过一个专题&&数据的上下文，来总结和整理我们在日常的数据分析中可以使用的数据参考系，前面几篇主要是基于内部基准线（Internal Benchmark）的制定的，后面会涉及外部基准线（External Benchmark）的制定。今天这篇是第一篇，主要介绍基于时间序列的趋势分析，重提下同比和环比，之前在这篇文章，已经使用同比和环比举过简单应用的例子。
同比和环比的定义
定义这个东西在这里还是再唠叨几句，因为不了解定义就无法应用，熟悉的朋友可以跳过。
同比：为了消除数据周期性波动的影响，将本周期内的数据与之前周期中相同时间点的数据进行比较。早期的应用是销售业等受季节等影响较严重，为了消除趋势分析中季节性的影响，引入了同比的概念，所以较多地就是当年的季度数据或者月数据与上一年度同期的比较，计算同比增长率。
环比：反应的是数据连续变化的趋势，将本期的数据与上一周期的数据进行对比。最常见的是这个月的数据与上个月数据的比较，计算环比增长率，因为数据都是与之前最近一个周期的数据比较，所以是用于观察数据持续变化的情况。
买二送一，再赠送一个概念&&定基比（其实是百度百科里附带的）：将所有的数据都与某个基准线的数据进行对比。通常这个基准线是公司或者产品发展的一个里程碑或者重要数据点，将之后的数据与这个基准线进行比较，从而反映公司在跨越这个重要的是基点后的发展状况。
同比和环比的应用环境
其实同比、环比没有严格的适用范围或者针对性的应用，一切需要分析在时间序列上的变化情况的数据或者指标都可以使用同比和环比。
但是我的建议是为网站的目标指标建立同比和环比的数据上下文，如网站的收益、网站的活跃用户数、网站的关键动作数等，这类指标需要明确长期的增长趋势，同比和环比能够为网站整体运营的发展状况提供有力的参考。
还有个建议就是不要被同比和环比最原始或者最普遍的应用所束缚住：同比就是今年每个月或每季度的数据与去年同期比，环比就是这个月的数据与上个月比。对于方法的应用需要根据实际的应用的环境，进行合理的变通，选择最合适的途径。所以同比和环比不一定以年为周期，也不一定是每月、季度为时间粒度的统计数据，我们可以根据需要选择任意合适的周期，比如你们公司的产品运营是以周、半月、甚至每年的特定几个月为周期循环变动，那完全可以将这些作为同比的周期。
特别对于互联网这个瞬息万变的环境，常用的年与年之间的同比，以季度或月为粒度的统计可能不再合适，为了适应快速的变化，以月为周期、周为周期的同比，以天为粒度、小时为粒度的统计数据进行环比将变成常见的方式，因为要适应这种快速的变化，我们需要做出更迅速的决策和调整，当然数据要适应这种快速决策的需要。
注：相关网站建设技巧阅读请移步到频道。
看过本文的人还看过
最新图文推荐
主要关注的是基于网站的数据仓库、数据统计和数据分析方面知识的学习、交流和分享。博...
大家感兴趣的内容
&&<a rel="nofollow" class="red" href="" target="_blank" color="red新版网站排行榜
===全新上线===
网友热评的文章DFA 实现去趋势波动分析，计算得到 函数。分段时从两 别开始避免 数据。 matlab 238万源代码下载-
&文件名称: DFA
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 1 KB
&&上传时间:
&&下载次数: 59
&&提 供 者:
&详细说明：实现去趋势波动分析，计算得到波动函数。分段时从两端分别开始避免丢失数据。-Detrended fluctuation analysis of implementation, the calculated wave function. Starting from the ends of the respective segments to avoid loss of data.
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&[]:很好，推荐下载
&近期下载过的用户:
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - 实现滑动去趋势波动分析，程序内部有解释，在MDFA文件中可以改变相应的参数值，使结果更好。x中存放的是脑电信号，这里没有上传。可以根据需要，用这种方法处理不同数据。
&[] - This procedure is a DFA method .The method is useful for computing biaodu.
&[] - 实现滑动去趋势波动分析，程序内部有解释，在MDFA文件中可以改变相应的参数值，使结果更好。x中存放的是脑电信号，这里没有上传。可以根据需要，用这种方法处理不同数据。
&[] - 一套水文时间序列分析程序，包含去趋势，拟合，提取周期等
&[] - 调试了一个简单的DFA程序，可以作为借鉴，比较实用的程序。时间序列分析中,通常把因变量的变化看成是趋势项,波动项、季节项等的合成,这些项中哪些是可省的,哪些是不可省的.如果同样的问题,同样的数据,都采用时间序列分析,那么不同的人得到的结果会相同吗?急,急!
纯杰宗の0348
时间序列分析是一个很大的分类,包括很多模型,分别适用于不同的情况.所以得到的结果一不一样和建的模型一不一样有关系.至于模型长什么样要看数据长什么样.把数据按时间画出来,看有没有明显趋势,波动或者季节性,然后一个一个模型试.
为您推荐：
其他类似问题
扫描下载二维码浅谈数据分析三板斧：看趋势、看分布、看对比_数据分析吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：14,975贴子：
浅谈数据分析三板斧：看趋势、看分布、看对比收藏
尚西认为，数据分析体系可分为数据整理、数据分析、数据呈现。数据整理包含对源数据的获取、筛选、清洗、整理和统计，数据整理是对源数据的初加工，是数据分析工作的前置。数据分析是运用数据分析的工具，根据自己的目的，对数据进行深层次的挖掘和分析，找出内在的联系和变化；数据呈现是对分析的结果进行呈现，大部分是通过专业图表来展示，是数据分析报告的重要组成部分，也即是数据分析的终极形式。对很多公司来说，数据整理不是难事，难就难在业务数据如何解读？如何呈现才能说明问题？从中能发现什么业务问题？有没有改善的机会？
其实，以上的业务问题，可以转换为从三个方面去分析。首先数据整理后，需要三看：看趋势，看分布，看对比。看趋势，即是看目标数据的时间走向趋势，是波动大还是较平缓？哪个阶段变化较大？异常点落在哪个时间段？看趋势的目的是把握整体的走向。可选工具有：趋势图、多列堆积柱形图；
其次，看分布。目标数据段整体分布是发散的还是集中的？集中在哪个频率段？中位数集中在哪个区间段？占80%的数据集中在什么数据区间段？看分布的目的就是了解业务数据是否稳定，以及数据的集中度。可选工具有：直方图、箱线图、正态分布、点图、柏拉图。
最后，看对比。更多时候，环比和同比看不出什么问题，更不能说明问题，尤其是环比和同比结果相差不大的时候。这时候，可以与上月对比看看，稳定性如何？集中度有变化吗？变量之间有关系吗？相关关系是多大？可选工具有：堆积柱形图、方差分析、相关分析、回归分析等。
看趋势、看分布、看对比，就是数据分析的三板斧。需要注意的是，数据就是数据，问题还是要通过具体的业务措施去解决，数据分析只是告诉你，出问题的地方在哪里，要从哪些方面去改善。因此，数据分析三板斧的解读结果，只是提供解决问题的方向，并不能代替具体的业务解决方案。文章来源：尚西博客（）：专注数据分析和职场交流的独立博客。
数据分析师培训,上海达内12校区欢迎您,美国Nasdaq上市数据分析师培训公司!90天工资翻番.官方指定咨询报名网站sun.
老师，看到你的帖子了。上次遇到一个问题，125数据分为25组。做过程能力分析，所有指标都正常的，就是数据总体不服从正态分布，p&0.006。最后做了jonson变换得到的也不是正态分布。我觉得只要没有点落在控制线之外，过程能力充足就好。游程经验正常就好。个人觉得数据量不够。只要125个，你怎么看？
最近在学clementine，这里面有一些模型和算法。比起minitab来说在数据挖掘方面大有可为。就是看到你用minitab才学习的。
受教学习来的、可以继续指导么？
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或苹果/安卓/wp
积分 40, 距离下一级还需 5 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡下一级可获得
道具: 显身卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
就是我要分析6组温度数据，分别来自6个孵化箱，分别设置20,25,30,35,40,45的恒定温度。
由于每个孵化箱温度不能保持恒定，都会有些波动。
温度数据已经导出，就想知道，哪些数据波动小，哪些数据波动大。
已将算出各自的标准差，但是就想知道怎么用spss进行显著性差异分析，
还有在总体分析的基础上，两两之间该怎么比较。
载入中......
小桥流水人家
我觉得你可以求一个离差平方和序列，然后比较离差平方和序列的差异
本帖最后由 日月明人 于
16:19 编辑 ermutuxia 发表于
我觉得你可以求一个离差平方和序列，然后比较离差平方和序列的差异能不能说的具体一点，还有用spss怎么操作呢。我曾经用方差齐性来解释各组数据两两之间波动差异大小，方差齐则波动差异不显著，方差不齐则波动差异显著，不知道这样行不行
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师