Elysia Tools
导航
Data Analysis
计算时间序列数据的季节性指数，识别季节性模式
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
季节性指数计算器是一个数据分析工具，专门用于计算时间序列数据的季节性指数，帮助用户识别和量化季节性模式，为预测、趋势分析和数据调整提供可靠支持。
背景
一家电商公司拥有过去三年的月度销售数据，需要识别节假日等季节性高峰以优化库存。
问题
手动分析季节性模式耗时且容易遗漏关键波动。
如何使用
上传销售数据CSV文件，设置季节周期为12，选择比率到移动平均法，并启用去季节化数据。
{
"data": "1200,1500,1800,2000,2200,2500,2300,2100,1900,1700,1600,1400",
"periods": 12,
"method": "ratio-to-moving-average",
"deseasonalize": true
}结果
获得季节性指数，显示12月销售高峰指数为1.5，帮助公司提前备货并调整营销计划。
背景
气象站收集了每日平均气温数据，需要计算季节性指数以预测未来气温趋势。
问题
气温数据有明显的年度季节性波动，需要量化以进行准确预测。
如何使用
输入气温数据，设置季节周期为365（每日数据），选择回归方法，并设置预测期数为30。
结果
输出季节性指数和未来30天气温预测，辅助天气预报和灾害预警。
支持逗号分隔、空格分隔、换行分隔或混合分隔的时间序列数据。
季节周期表示每个季节的周期数，例如月度数据通常设为12，季度数据设为4。
提供三种方法：比率到移动平均法（推荐）、简单平均法和基于回归的方法。
输出包括季节性指数、去季节化数据（如果启用）和预测数据（如果设置预测期数）。
季节性指数大于1表示该季节高于平均水平，小于1表示低于平均水平，用于量化季节性影响。