トレンド分析(Trend Analysis)
Trend Analysisは、4つのトレンドモデル(Linear、Quadratic、Exponential Growth、S-Curve)のいずれかを最小二乗法で時系列に当てはめ、それを延長して将来の期間を予測します。長期的なトレンドがあり、強い季節性のない系列に使用します。系列に欠測がなく、値が4個以上必要です。出力は、当てはめた式、予測限界のない予測値、MAPE、MAD、MSDです。
最終レビュー
重要なポイント
トレンド分析は、時系列に線形、2次、指数成長、またはSカーブのトレンドを当てはめ、それを延長して将来の期間を予測します。長期的なトレンドがあり、強い季節パターンのない系列に適しています。
目的
Trend Analysisは、時系列にトレンドの直線または曲線を当てはめ、それを延長して将来の期間を予測します。「需要は毎月どれくらいの速さで伸びているか」や「このトレンドが続くと、この摩耗の測定値は6か月後にどうなるか」といった問いに答えます。長期的なトレンドがあり、強い季節パターンのない系列に、またはDecompositionやWinters' Methodなどの季節的な手法の前の最初の確認として使用します。
主な機能
- 4つのトレンドモデル:Linear、Quadratic、Exponential Growth、S-Curve。
- 当てはめたトレンドの式、任意の期間数の予測値、精度の指標であるMAPE、MAD、MSD。
- 日付またはタイムスタンプの列、または行番号で時間軸にラベルを付けます。
- Forecast originにより、より前の行から予測し、既知のデータと比較できます。
- 重み付きトレンド分析:前回の当てはめの推定値を新しい推定値と混合します。
- 任意の結果表(各期間のトレンドとトレンド除去後の値)と、4種類をまとめた残差プロット。
統計的手法
時間の指標は t = 1, 2, … n(行の順序)です。Linearは Yt = b₀ + b₁·t を、Quadraticは Yt = b₀ + b₁·t + b₂·t² を、いずれも最小二乗法で当てはめます。Exponential Growthは、データの対数に対する最小二乗直線によって Yt = b₀·b₁ᵗ を当てはめるため、b₁は1期間当たりの成長係数です(1.01 = 1期間に1%)。S-Curveは、上限で頭打ちになるPearl-Reedのロジスティック曲線 Yt = 10ᵃ / (b₀ + b₁·b₂ᵗ) を非線形最小二乗法で当てはめます。Exponential GrowthとS-Curveでは、すべての値が0より大きい必要があります。
当てはめ値はトレンドの値で、予測値は式を t = n + 1, n + 2 … まで延長したものです(または、その行までのデータに当てはめたトレンドを用いて、Forecast originから)。予測限界は示されません。精度:MAPE = |誤差 / データ| の平均 × 100、MAD = |誤差| の平均、MSD = 誤差²の平均で、誤差 = データ − トレンドです。結果表のトレンド除去後の値は データ − トレンド です(Exponential GrowthとS-Curveでは データ / トレンド)。
重み付きトレンド分析:前回の当てはめの推定値を、Prior parameter values(b₀ b₁ …、出力の順序)として入力します。混合された各推定値は w × 新しい値 + (1 − w) × 以前の値 で、wの既定値は0.2です。そのため、新しい期間のデータは、確立されたトレンドを置き換えるのではなく、穏やかに更新します。系列に欠測がなく、値が4個以上必要です。
入力項目とオプション
項目 | 説明 |
Variable (Y) | 必須。時間順に並んだ数値の系列です。 |
Time/stamp column | 任意。時間軸にラベルを付けます(例:月の列)。空白の場合は行の順序(Index)を使用します。当てはめは変わりません。 |
Model type | Linear(既定)、Quadratic、Exponential Growth、またはS-Curve。 |
Number of forecasts | 既定値は0(なし)、最大1000。 |
Forecast origin (row) | 任意。予測を求める場合に有効です。予測はこの行の後から始まり、この行までのデータを使用します。空白 = 系列の末尾。 |
Prior parameter values | 任意。重み付きトレンド分析のための、前回の当てはめの推定値(出力の順序で b0 b1 …)。 |
Weights for blending priors with new estimates | 以前の値を入力した場合に有効です。0〜1で、推定値ごとに1つ。空白 = それぞれ0.2。混合値 = w × 新しい値 + (1 − w) × 以前の値。 |
Results to display | Summary table(既定)、またはSummary table and results table。 |
Residual plots (four in one) | 既定ではオフです。正規確率プロット、残差と当てはめ値、ヒストグラム、残差と順序。 |
Title | 出力のタイトルです。既定値はTrend Analysisです。 |

Figure 1 — Monthでラベルを付けた月次Salesの線形トレンドと、12期間の予測。
出力の説明
- Trend Analysis (graph) — 実測データ、当てはめたトレンド、予測値。タイトルにMAPE、MAD、MSDが表示されます。
- Method — データ列、長さ、モデルの種類(使用した場合は、重み付き分析とForecast originも)。
- Fitted Trend Equation — 推定値を含む式。
- Weighted Estimates — 以前の値を入力した場合:Parameter、Prior、New、Weight、Blended。
- Accuracy Measures — 精度の指標:MAPE、MAD、MSD。
- Forecasts — 期間と予測値。
- Results — 選択した場合:各期間のPeriod、データ、Trend、Detrend。
- Residual Plots — オンにした場合。
- DownloadによるPDFエクスポート。

Figure 2 — 60か月分の売上を通る直線:毎月およそ12個ずつ増加。
計算例
家電製品の販売会社は、毎年販売数量が増えています。季節的な予測を立てる前に、販売アナリストは最も単純な問いを立てます。月次売上は平均してどれくらいの速さで伸びているか、そして直線で見ると2025年にはどの水準になるのか。アナリストは60か月分(2020年1月〜2024年12月)の販売数量データを持っており、Variable (Y) = Sales、Time/stamp column = Month、Model type = Linear、Number of forecasts = 12を選択します。
当てはめたトレンドは Yt = 781.6 + 11.93×t で、売上は月におよそ12個、年におよそ143個増加します。この直線は、2025年1月(期間61)の1,509から2025年12月(期間72)の1,641への上昇を予測します。MAPEは7.4%(MADは81.8個)で、各月は平均して直線から7.4%離れており、主な原因は季節です。毎年12月は直線より191〜273個高く(2024年12月:実測1,759に対し直線は1,497)、毎年2月は直線より123〜236個低くなっています。
判断のためには、この直線は成長率については妥当な値を与えますが、年末のピークは過小に、年初の落ち込みは過大に予測するということです。Quadraticモデルでは曲線の項は 0.00093×t² にすぎず、MAPEも同じ(7.4%)であるため、成長は直線に近いといえます。Exponential Growth(月1.08%)の当てはまりはわずかに悪く、MAPEは7.6%です。季節に沿った月次予測には、同じデータでDecomposition(MAPE 2.2%)またはWinters' Methodを使用してください。
よくある質問
トレンド分析はどのような場合に使用しますか?
長期的なトレンドがあり、強い季節パターンのない時系列に、たとえば需要が毎月どれくらいの速さで伸びているか、またはトレンドが続いた場合に摩耗の測定値がどうなるかを見るために、トレンド分析を使用します。DecompositionやWinters' Methodなどの季節的な手法の前の最初の確認としても有用です。
どのようなトレンドモデルがありますか?
Linearは Yt = b0 + b1·t を当てはめ、Quadraticは b2·t² の項を加えます。どちらも最小二乗法です。Exponential Growthは Yt = b0·b1^t を当てはめ、b1は1期間当たりの成長係数です。S-Curveは、上限で頭打ちになるPearl-Reedのロジスティック曲線を当てはめます。Exponential GrowthとS-Curveでは、すべての値が0より大きい必要があります。
トレンド分析は予測区間を与えますか?
いいえ。予測値は、当てはめた式を将来の期間に延長したものですが、予測限界は示されません。当てはまりは、データとトレンドの間の誤差に基づくMAPE、MAD、MSDで判断します。季節データでMAPEが大きい場合は、季節的な手法が必要であることを示します。
重み付きトレンド分析とは何ですか?
重み付きトレンド分析は、前回の当てはめの推定値を新しい推定値と混合します。混合された各推定値は、wかける新しい推定値に、(1 - w)かける以前の値を加えたもので、wの既定値は0.2です。そのため、新しい期間のデータは、確立されたトレンドを置き換えるのではなく、穏やかに更新します。
