Thep Excel
FORECAST.ETS.STATดึงค่าสถิติจากโมเดล ETS
ส่งกลับค่าสถิติต่างๆ จากการวิเคราะห์พยากรณ์แบบ ETS (Exponential Triple Smoothing) เช่น Alpha, Beta, Gamma, MASE, SMAPE, MAE, RMSE และ Step size
Syntax & Arguments
| อาร์กิวเมนต์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
|---|---|---|---|
| values | Range | ช่วงข้อมูลสำหรับการพยากรณ์ (เป็นตัวเลขหรือข้อมูลที่มี Timeline สอดคล้องกัน) | |
| timeline | Range | ช่วง Timeline (มักจะเป็นวันที่ หรือเลขลำดับ) ที่สอดคล้องกับ values โดยต้องเรียงลำดับ และระยะห่างต้องเท่ากัน | |
| statistic_type | Number | ประเภทค่าสถิติ: 1=Alpha, 2=Beta, 3=Gamma, 4=MASE, 5=SMAPE, 6=MAE, 7=RMSE, 8=Step size detected | |
| [seasonality]ไม่บังคับ | Number | Auto-detected | ความยาว seasonality (จำนวนข้อมูลในหนึ่งช่วง seasonal) ถ้าไม่ระบุ Excel จะตรวจหาเอง ตั้งเป็น 1 หรือ 0 เพื่อปิด seasonality |
| [data_completion]ไม่บังคับ | Number | 1 | วิธีจัดการข้อมูลที่ขาดหายไป: 1=Average of neighbors (ค่าเริ่มต้น), 0=Linear interpolation |
| [aggregation]ไม่บังคับ | Number | 0 | วิธีรวมข้อมูลหลายตัวในช่วงเวลาเดียวกัน: 0=AVERAGE, 1=SUM, 2=COUNT, 3=COUNTA, 4=MIN, 5=MAX, 6=MEDIAN |
[ ] = อาร์กิวเมนต์ที่ไม่บังคับ
Additional Notes
FORECAST.ETS.STAT ใช้ดึงค่าสถิติที่ Excel คำนวณได้จากการใช้ FORECAST.ETS ในการพยากรณ์ข้อมูลอนุกรมเวลา โดยสามารถดึงพารามิเตอร์ของ smoothing (Alpha, Beta, Gamma) หรือค่าวัดความแม่นยำของโมเดล (MASE, SMAPE, MAE, RMSE) ออกมาเพื่อวิเคราะห์ว่าโมเดล ETS นั้นดีแค่ไหน และพารามิเตอร์ต่างๆ มีค่าเท่าไหร่
คนที่ใช้ฟังก์ชันนี้จริงส่วนใหญ่คือทีมวางแผนยอดขายหรือวางแผนสต๊อก (demand planning) ที่ใช้ FORECAST.ETS พยากรณ์ยอดล่วงหน้าแล้วต้องตอบคำถามต่อว่า “เชื่อโมเดลนี้ได้แค่ไหน” ก่อนจะเอาตัวเลขไปตั้งงบหรือสั่งของ ถ้าไม่ดึงค่าสถิติออกมาดูก่อน ก็เหมือนเชื่อพยากรณ์แบบไม่มีหลักฐาน
ที่เจ๋งคือ FORECAST.ETS.STAT ช่วยให้เราเห็นว่า FORECAST.ETS ทำงานแบบไหนโดยไม่ต้องเข้าไปแก้พารามิเตอร์ด้วยตัวเอง ถ้า MASE หรือ SMAPE สูง ก็รู้ว่าโมเดลไม่แม่นยำ ต้องเพิ่มข้อมูลย้อนหลังหรือปรับ seasonality ให้ตรงกับรอบจริงของธุรกิจ
กับดักที่เจอบ่อยที่สุดคือเอา MASE กับ SMAPE ไปเทียบกันตรงๆ ทั้งที่หน่วยวัดคนละแบบ และลืมว่า Alpha/Beta/Gamma เป็นค่าที่ Excel “หาให้อัตโนมัติ” (auto-optimized) ไม่ใช่ค่าที่เราตั้งเอง — ดึงมาดูได้อย่างเดียว แก้ไม่ได้โดยตรง
Examples
ดึงค่า Alpha (ความสำคัญของข้อมูลล่าสุด)FORECAST.ETS.STAT(B2:B13, A2:A13, 1)
คืนค่า Alpha Parameter (statistic_type=1) ซึ่งแสดงว่าโมเดล ETS ให้น้ำหนักกับข้อมูลจุดล่าสุด 28.5% (ยิ่งสูง ยิ่งสนใจข้อมูลใหม่มากกว่าข้อมูลเก่า ยิ่งต่ำ ยิ่งมองภาพรวมระยะยาว)
ตรวจวัดความแม่นยำด้วย MASEFORECAST.ETS.STAT(Sales[Values], Sales[Dates], 4)
คืนค่า MASE (Mean Absolute Scaled Error) = 0.847 ซึ่งหมายความว่าโมเดล ETS นี้ผิดพลาดน้อยกว่าการพยากรณ์แบบ naive (เอาค่าล่าสุดไปทาย) ประมาณ 15.3% เพราะ MASE < 1 แปลว่าโมเดลเก่งกว่าวิธีทายแบบไม่มีสมอง
สร้างตาราง error 4 ตัวไว้เทียบกันในแดชบอร์ดFORECAST.ETS.STAT(Revenue[2023], Timeline[2023], 7, 12, 1, 0)
คืนค่า RMSE = 1250.35 (statistic_type=7) โดยกำหนด seasonality=12 เดือนเอง แทนที่จะให้ Excel เดา ค่านี้บอกขนาดความผิดพลาดเป็นหน่วยเดียวกับรายได้ ใช้เทียบกับ MAE (statistic_type=6) ในเซลล์ข้างๆ เพื่อดูว่ามี outlier ทำให้ error กระโดดหรือไม่ (RMSE ไวต่อ outlier กว่า MAE)
ดึง Gamma เพื่อตรวจสอบความสำคัญของ seasonalityFORECAST.ETS.STAT(A2:A100, B2:B100, 3, 12)
คืนค่า Gamma = 0.156 ซึ่งหมายความว่าโมเดล ETS ให้น้ำหนักกับ seasonal pattern แค่ 15.6% เมื่อปรับค่าประจำรอบใหม่ ถ้า Gamma ใกล้ 0 แปลว่าข้อมูลไม่มี seasonality ชัดเจน ควรลองปิด seasonality (ตั้งเป็น 1) แล้วเทียบ MASE ดูว่าดีขึ้นหรือแย่ลง
เช็ค step size ก่อนพยากรณ์ ป้องกัน timeline ผิดจังหวะFORECAST.ETS.STAT(C2:C50, D2:D50, 8)
คืนค่า Step size = 7 (statistic_type=8) หมายความว่า Excel ตรวจพบว่าข้อมูลเรียงห่างกันทีละ 7 วัน (รายสัปดาห์) ถ้าค่านี้ไม่ตรงกับที่คาดไว้ (เช่นควรเป็นรายวัน=1 แต่ได้ 7) แปลว่า timeline มีข้อมูลขาดหรือเรียงไม่สม่ำเสมอ ต้องแก้ก่อนเชื่อผลพยากรณ์
FAQs
ฉันจำเป็นต้องใช้ FORECAST.ETS.STAT หรือแค่ใช้ FORECAST.ETS พอ?+
FORECAST.ETS ให้แค่ตัวเลขพยากรณ์ ไม่บอกว่าเชื่อได้แค่ไหน FORECAST.ETS.STAT คือขั้นตอนตรวจสอบคุณภาพก่อนเอาตัวเลขไปใช้จริง ถ้าจะเอาไปตั้งงบหรือสั่งของ ควรดึงค่า MASE/SMAPE มาเช็คก่อนทุกครั้ง ไม่ใช่แค่พยากรณ์แล้วจบ
MASE กับ SMAPE ต่างกันยังไง ใช้ตัวไหนดี?+
MASE เทียบความผิดพลาดของโมเดลกับการพยากรณ์แบบ naive (MASE < 1 = ดีกว่าทายมั่ว, MASE > 1 = แย่กว่า) ใช้ตัดสินใจง่าย ไม่ต้องรู้หน่วยข้อมูล ส่วน SMAPE รายงานเป็นเปอร์เซ็นต์ความผิดพลาดเทียบกับขนาดจริง อ่านง่ายกว่าเวลาอธิบายให้คนอื่นฟัง แนะนำให้ดูคู่กันทั้งสองตัว ไม่ใช้ตัวเดียวตัดสิน
MASE หรือ RMSE สูงเกินไป ควรทำอะไรก่อน?+
อันดับแรกเช็ค seasonality ว่าตรงกับรอบจริงหรือยัง (statistic_type=3 Gamma ใกล้ 0 = seasonality ไม่ช่วย) อันดับสองเพิ่มข้อมูลย้อนหลังให้ครอบคลุมอย่างน้อย 2 รอบ seasonal เต็มๆ อันดับสามใช้ FORECAST.ETS.CONFINT ดูช่วงความเชื่อมั่น ถ้ากว้างมากแปลว่าข้อมูลผันผวนเกินจะพยากรณ์แม่น
ทำไมค่า Alpha/Beta/Gamma ที่ได้แต่ละครั้งไม่เท่ากัน ทั้งที่ข้อมูลชุดเดียวกัน?+
ถ้าเปลี่ยนค่า seasonality, data_completion หรือ aggregation ที่ใส่เข้าไป Excel จะคำนวณ optimal Alpha/Beta/Gamma ใหม่ทุกครั้งให้เข้ากับพารามิเตอร์ชุดนั้น ไม่ใช่ค่าคงที่ตายตัวของข้อมูล — เปลี่ยน argument ไหนก็ต้องดึงค่าสถิติใหม่ทุกครั้ง
FORECAST.ETS.STAT ใช้ได้กับข้อมูลแบบไหนบ้าง มีข้อจำกัดอะไร?+
ต้องเป็นอนุกรมเวลา (time series) ที่มี timeline เรียงลำดับและห่างเท่ากันเท่านั้น เช่น ยอดขายรายวัน รายชั่วโมง ราคาหุ้น ข้อมูลสภาพอากาศ ฟังก์ชันนี้มีมาตั้งแต่ Excel 2016 เป็นต้นไป ถ้าไฟล์ต้องเปิดใน Excel รุ่นเก่ากว่านั้นจะใช้ไม่ได้เลย
Resources & Related
ฟังก์ชันที่ผู้เขียนโยงไว้กับ FORECAST.ETS.STAT จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
ฟังก์ชันที่ใช้สมการถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ค่าในอนาคต โดยยึดตามแนวโน้มข้อมูลในอดีต
FORECAST.ETS พยากรณ์ค่าในอนาคตโดยใช้เทคนิค Exponential Triple Smoothing (ETS) ซึ่งจัดการกับเทรนด์และฤดูกาลได้อัจฉริยะ
FORECAST.ETS.CONFINT หาช่วงความเชื่อมั่น (Confidence Interval) ของค่าที่พยากรณ์จากข้อมูลชุดเวลา โดยใช้วิธี Exponential Triple Smoothing (ETS)
ฟังก์ชัน FORECAST.ETS.SEASONALITY ตรวจจับความยาวของรอบฤดูกาล (seasonality) ในข้อมูลอนุกรมเวลา โดยใช้อัลกอริทึม Exponential Triple Smoothing (ETS) ที่ Excel ใช้สำหรับพยากรณ์
ส่งกลับค่า Gamma function Γ(x) ซึ่งเป็นฟังก์ชันคณิตศาสตร์ที่ขยายแนวคิดของแฟกทอเรียลไปยังจำนวนจริงและจำนวนเชิงซ้อน
TREND ใช้หา linear regression line (เส้นตรงที่ลดความเบี่ยงเบนของข้อมูล) เพื่อพยากรณ์ค่า Y ในอนาคตจากข้อมูลเดิม หรือสร้างค่า fitted line สำหรับกราฟแนวโน้ม
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่