我简单说一下我用excel表格做统计数据预测的几种一般步骤，供大家学习交流：

如果只想了解预测趋势,可延伸前面创建的趋势线。

• 选择图表，如果其中包含多个数据系列的图形，则单击要处理的数据系列。
• 单击“布局>趋势线>其他趋势线选项”打开“设置趋势线格式”对话框
• 在“趋势线选项”选项卡中单击“线性”。
• 选中复选框“显示公式”。
• 选中“显示R平方值”复选框。
• 使用文本框“前推”指定要将趋势线向未来延伸多少个周期（例如，要显示下一年的季度销量数据，可将“前推”设置为4，从而将趋势线延伸4个季度>。
• 单击“确定”按钮，Excel将插入趋势线并将其延伸到未来。

二、使用填充柄延伸线性趋势线

如果要预测中看到数据点，可使用填充柄将最佳拟合线延伸到未来，其步骤如下：

• 选择工作表中的历史数据。
• 单击并拖曳填充柄来扩大选取，Excel将根据现有的数据计算最佳拟合线，将该线延伸到未来，并计算未来值。
• 使用“系列”命令延伸线性趋势

也可使用“系列”命令来延伸最佳拟合线，其步骤如下。

• 选择包含历史数据和用于存储预测数据的单元格的区域（预测数据单元格必须为空)。
• 单击“开始>填充>系列”，Excel将打开“序列”对话框。
• 选中单选框“自动填充”。
• 单击“确定”按钮，Excel将使用最佳拟合预测值填充空单元格。

三、使用回归方程进行预测

“系列”命令也可用于生成定义整个最佳拟合线的数据，让用户能够查看实际趋势值，其步骤如下：

• 将历史数据复制到相邻的行或列中。
• 选择包含历史数据和用于存储预测数据的单元格的区域（同样，预测数据单元格'必须为空)。
• 单击“开始>填充>系列”，Excel将打开“序列”对话框。
• 选中复选框“预测趋势”。
• 选中单选框“等差填充”。
• 单击“确定”，Excel将把复制的数据替换为最佳拟合值，并将趋势延伸到空单元格中。在图16.10中，“系列”命令创建的趋势值存储在区域E2:E13中，且在图表中绘制了最佳拟合线。

添加趋势线时显示的回归方程提供了出和!)的值，因此要确定新的y值，只需插入新的x值进行计算即可。

例如，在季度销量模型中，Excel计算出如下回归方程：

要确定第13季度的趋势值，可用13代替x:

结果为278099，这就是第13季度（2008年第1季度）的预测销量。

四、使用TREND()函数进行预测

TREND()函数也可用于预测新值。要延伸趋势并生成新值，需要指定TREND()函数的参数new_x’s,下面是在工作表中完成这项工作的基本步骤：

• 在工作表中添加新的x值。例如，要将季度销量趋势延伸到下一财年，可在Period列中添加数字13~16。
• 选择一个足以容纳所有新y值的区域。例如，如果要添加4个新值，则选择位于同一行或同一列（这取决于数据的结构）的4个单元格。
• 将TREND()函数作为数组公式输入，并将包含新；c值的区域作为参数new_xs。下面是季度销量示例使用的公式：{=TREND(02：D13,C2：C13,C14:C17)}

五、使用LINEST()函数进行预测

前面介绍过，LINEST()函数返回趋势线的斜率和>>截距。知道这些数据后，预测新值，也可使用FORECAST()函数计算预测值：

其中，X是要计算其火值的a：值，cnovwj_y’s和cnown_y*s与TREND()函数中相同（但参数是cnown_y’s不是可选的）.下面是一个例子：

就只需将它们和新的X值插入线性回归方程进行计算即可。例如，如果斜率存储在单元格H2中，截距位于12中，新的AT值位于C13中，则下面的公式返回预测值。

我简单说一下我用excel表格做统计数据预测的几种一般步骤，供大家学习交流：

如果只想了解预测趋势,可延伸前面创建的趋势线。

• 选择图表，如果其中包含多个数据系列的图形，则单击要处理的数据系列。
• 单击“布局>趋势线>其他趋势线选项”打开“设置趋势线格式”对话框
• 在“趋势线选项”选项卡中单击“线性”。
• 选中复选框“显示公式”。
• 选中“显示R平方值”复选框。
• 使用文本框“前推”指定要将趋势线向未来延伸多少个周期（例如，要显示下一年的季度销量数据，可将“前推”设置为4，从而将趋势线延伸4个季度>。
• 单击“确定”按钮，Excel将插入趋势线并将其延伸到未来。

二、使用填充柄延伸线性趋势线

如果要预测中看到数据点，可使用填充柄将最佳拟合线延伸到未来，其步骤如下：

• 选择工作表中的历史数据。
• 单击并拖曳填充柄来扩大选取，Excel将根据现有的数据计算最佳拟合线，将该线延伸到未来，并计算未来值。
• 使用“系列”命令延伸线性趋势

也可使用“系列”命令来延伸最佳拟合线，其步骤如下。

• 选择包含历史数据和用于存储预测数据的单元格的区域（预测数据单元格必须为空)。
• 单击“开始>填充>系列”，Excel将打开“序列”对话框。
• 选中单选框“自动填充”。
• 单击“确定”按钮，Excel将使用最佳拟合预测值填充空单元格。

三、使用回归方程进行预测

“系列”命令也可用于生成定义整个最佳拟合线的数据，让用户能够查看实际趋势值，其步骤如下：

• 将历史数据复制到相邻的行或列中。
• 选择包含历史数据和用于存储预测数据的单元格的区域（同样，预测数据单元格'必须为空)。
• 单击“开始>填充>系列”，Excel将打开“序列”对话框。
• 选中复选框“预测趋势”。
• 选中单选框“等差填充”。
• 单击“确定”，Excel将把复制的数据替换为最佳拟合值，并将趋势延伸到空单元格中。在图16.10中，“系列”命令创建的趋势值存储在区域E2:E13中，且在图表中绘制了最佳拟合线。

添加趋势线时显示的回归方程提供了出和!)的值，因此要确定新的y值，只需插入新的x值进行计算即可。

例如，在季度销量模型中，Excel计算出如下回归方程：

要确定第13季度的趋势值，可用13代替x:

结果为278099，这就是第13季度（2008年第1季度）的预测销量。

四、使用TREND()函数进行预测

TREND()函数也可用于预测新值。要延伸趋势并生成新值，需要指定TREND()函数的参数new_x’s,下面是在工作表中完成这项工作的基本步骤：

• 在工作表中添加新的x值。例如，要将季度销量趋势延伸到下一财年，可在Period列中添加数字13~16。
• 选择一个足以容纳所有新y值的区域。例如，如果要添加4个新值，则选择位于同一行或同一列（这取决于数据的结构）的4个单元格。
• 将TREND()函数作为数组公式输入，并将包含新；c值的区域作为参数new_xs。下面是季度销量示例使用的公式：{=TREND(02：D13,C2：C13,C14:C17)}

五、使用LINEST()函数进行预测

前面介绍过，LINEST()函数返回趋势线的斜率和>>截距。知道这些数据后，预测新值，也可使用FORECAST()函数计算预测值：

其中，X是要计算其火值的a：值，cnovwj_y’s和cnown_y*s与TREND()函数中相同（但参数是cnown_y’s不是可选的）.下面是一个例子：

就只需将它们和新的X值插入线性回归方程进行计算即可。例如，如果斜率存储在单元格H2中，截距位于12中，新的AT值位于C13中，则下面的公式返回预测值。

我来给大家分享一种基于时间序列分析的excel应用的“草根”短期预测方法：

【短期预测“模型”原理:在历史中寻找规律】

首先，我们来看一下2008年至2016年乘联会批发量的时间序列图。就酱紫看过去，数据貌似是无规律地在跳动，但认真地看下汽车批发量呈现整体上涨趋势的这个规律是存在的，因此我们可以借助12个月的移动平均线和线性趋势线（excel内选中曲线右键就可以轻松添加啦）进一步发掘其规律。

利用excel绘制出这两条线后我们再次观察数据，发现批发量移动平均线和线性趋势线是有规律地呈现季节波动（两者也十分吻合）。并且季节波动因子呈现一定的时间段性，就是近几年的走势会比较接近（2010年前的季节波动和2012年后的波动规律就有较大差异），这也决定了此方法只能应用于短期预测。

因此我们可以将批发量季节因子进行分离，得出预测的原理：

【批发量预测具体步骤】

我们采用三年期预测数据来说明，各计算步骤可直接运用excel公式完成：

2.求对正移动平均Mt：由于N是偶数，12个月，中间是介于6月和7月之间，因此要对移动平均数两期求平均，形成新的对正序列Mt。M1=（T1+T2）/2，M2=（T2+T3）/2，同时M1和T1对齐，M2和T2对齐，同理类推；

3.求季节指数ft：将各期实际批发量（观测值）除以对正移动平均，就是季节比率。ft=Yt/Mt，也就是说f1=Y1/M1，f2=Y2/M2，同理类推；

4.求调整季节指数Fi：将各年同期的季节指数求平均值，就得到调整季节指数Fi； 

5.确定斜率b：根据线性函数模型参数，

完成！我们的预测结果这就出来啦！

我来给大家分享一种基于时间序列分析的excel应用的“草根”短期预测方法：

【短期预测“模型”原理:在历史中寻找规律】

首先，我们来看一下2008年至2016年乘联会批发量的时间序列图。就酱紫看过去，数据貌似是无规律地在跳动，但认真地看下汽车批发量呈现整体上涨趋势的这个规律是存在的，因此我们可以借助12个月的移动平均线和线性趋势线（excel内选中曲线右键就可以轻松添加啦）进一步发掘其规律。

利用excel绘制出这两条线后我们再次观察数据，发现批发量移动平均线和线性趋势线是有规律地呈现季节波动（两者也十分吻合）。并且季节波动因子呈现一定的时间段性，就是近几年的走势会比较接近（2010年前的季节波动和2012年后的波动规律就有较大差异），这也决定了此方法只能应用于短期预测。

因此我们可以将批发量季节因子进行分离，得出预测的原理：

【批发量预测具体步骤】

我们采用三年期预测数据来说明，各计算步骤可直接运用excel公式完成：

2.求对正移动平均Mt：由于N是偶数，12个月，中间是介于6月和7月之间，因此要对移动平均数两期求平均，形成新的对正序列Mt。M1=（T1+T2）/2，M2=（T2+T3）/2，同时M1和T1对齐，M2和T2对齐，同理类推；

3.求季节指数ft：将各期实际批发量（观测值）除以对正移动平均，就是季节比率。ft=Yt/Mt，也就是说f1=Y1/M1，f2=Y2/M2，同理类推；

4.求调整季节指数Fi：将各年同期的季节指数求平均值，就得到调整季节指数Fi； 

5.确定斜率b：根据线性函数模型参数，

完成！我们的预测结果这就出来啦！

答：销售量是呈年度增长趋势，并随季度周期性变化。 

答：销售量是呈年度增长趋势，并随季度周期性变化。 

以下是相关步骤，要是有看不懂的地方，请私聊我：

1.工具-加载宏把分析工具库前面打勾；

2.工具-数据分析-指数平滑；

3.输入区域选择你的销售收入的数据行或列；

5.标准误差打勾，图表输出也打勾，直观一些；

6.选择误差最小的那个阻尼系数的；

7.在输出的最后一个数的单元格拖动填充柄，得出的数就是下期的预测数。

8.补充：第一列是预测值，n-1个数，拖的就是这一列；第二列是标准误差，根据这个来判断哪个阻尼系数比较合适，标准误差越小越好。

以下是相关步骤，要是有看不懂的地方，请私聊我：

1.工具-加载宏把分析工具库前面打勾；

2.工具-数据分析-指数平滑；

3.输入区域选择你的销售收入的数据行或列；

5.标准误差打勾，图表输出也打勾，直观一些；

6.选择误差最小的那个阻尼系数的；

7.在输出的最后一个数的单元格拖动填充柄，得出的数就是下期的预测数。

8.补充：第一列是预测值，n-1个数，拖的就是这一列；第二列是标准误差，根据这个来判断哪个阻尼系数比较合适，标准误差越小越好。

以你的例子，你要的结果是什么？

最好多举几个例子，并附上你要的结果。

假如两个数据分别输入在A1,和A2