Search

キーワードを入力してください

マーケティング用語集時系列分析とは

時系列データの変動

時間の単位としては、日別、週別、月別、期別、年別があります。その時間単位ごとの売上や、価格が時系列データです。横軸に時間を取り、縦軸に時系列データをとって折れ線グラフまたは棒グラフであらわすと、ある商品について売上、価格がどのように変化したか一目でわかります。「ここ2、3年は順調に売れている」、「夏場は多く売れ、冬場はあまり売れない」、「売上と価格に関係がある」といったことがわかります。
長い期間の大まかな傾向は「長期変動」または「トレンド」と呼び、季節によって同じような増減サイクルがあればそれを「季節変動」と呼びます。またあるブランドが広告キャンペーンをしたり、ある店が「在庫一掃セール」をしたり、そのほか理由のはっきりしない変動があるとき、これらの原因を合わせたデータのばらつきを「不規則変動」とします。

時系列データの分解

時系列データはこれら異なる変動要因を組み合わせたものとして、次のようなモデル式で表現されます。

「月別データ」=「トレンド」+「季節変動」+「不規則変動」 ...(1) 「年別データ」=「トレンド」+「不規則変動」 ...(2)

この式はかならずしも足し算形式でなくてもよく、各変動のかけ算でもよいし、両形式の組合せでもよいとされています。
時系列分析というとき、その目的は上式に含まれる変動要因の分解になります。分解の仕方は市販のソフトでプログラム化されていますので、誰でも容易にできます。

時系列分析による予測

過去のある期間の年別データがあって、それを用いてこれから先を予測することを考えます。
いま、売上「X」を時間(年)「t」で表す式として次の1次式を想定します。

x=a+b×t+e ...(3)

式中の未知のパラメータ「a」および「b」は過去の売上データから計算することができます。この式は「a+b×t」のトレンド部分と、「e」の不規則変動部分に分解していることを表しています。
この分解が妥当であれば、時間「t」を大きくすることによって、トレンドの延長として売上「X」の予測値が計算できます。式の不規則変動「e」は先々不明なので、予測計算には入れません。

予測のための条件

前項の予測方法における前提は、トレンド計算に用いた過去のデータ条件が引き続きそのまま予測期間中も存続していることです。
図の時系列データ例は最初の何年かが減少傾向、あとは最近年まで増加傾向です。ここでトレンドの求め方として、次の3通りを考えてみます。

図・予測式の当てはめ

関連サービス