Análise de tendência

Trend Analysis ajusta um entre quatro modelos de tendência (Linear, Quadratic, Exponential Growth ou S-Curve) a uma série temporal por mínimos quadrados e o estende para prever períodos futuros. Use-a em séries com tendência de longo prazo e sem forte sazonalidade. A série não pode ter lacunas e precisa de pelo menos 4 valores. As saídas são a equação ajustada, previsões sem limites de predição e MAPE, MAD e MSD.

Última revisão

Conclusão principal

A análise de tendência ajusta uma tendência linear, quadrática, de crescimento exponencial ou de curva S a uma série temporal e a estende para prever períodos futuros, em séries com tendência de longo prazo e sem forte padrão sazonal.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

Trend Analysis ajusta uma reta ou curva de tendência a uma série temporal e a estende para prever períodos futuros. Ela responde a perguntas como “com que rapidez a demanda cresce a cada mês?” ou “onde estará esta medição de desgaste daqui a seis meses se a tendência continuar?”. Use-a em uma série com tendência de longo prazo e sem forte padrão sazonal, ou como primeira análise antes de um método sazonal, como a decomposição ou o método de Winters.

Principais recursos

  • Quatro modelos de tendência: Linear, Quadratic, Exponential Growth e S-Curve.
  • Equação de tendência ajustada, previsões para qualquer número de períodos e medidas de exatidão MAPE, MAD e MSD.
  • Eixo do tempo rotulado a partir de uma coluna de data ou carimbo de tempo, ou pelo número da linha.
  • Origem da previsão para prever a partir de uma linha anterior e comparar com dados conhecidos.
  • Análise de tendência ponderada: combine estimativas de um ajuste anterior com as novas.
  • Tabela de resultados opcional (tendência e valor sem tendência de cada período) e gráficos de resíduos quatro em um.

Métodos estatísticos

O índice de tempo é t = 1, 2, … n (a ordem das linhas). Linear ajusta Yt = b₀ + b₁·t e Quadratic ajusta Yt = b₀ + b₁·t + b₂·t², ambos por mínimos quadrados. Exponential Growth ajusta Yt = b₀·b₁ᵗ por uma reta de mínimos quadrados sobre o logaritmo dos dados, de modo que b₁ é o fator de crescimento por período (1.01 = 1% por período). S-Curve ajusta a curva logística de Pearl-Reed Yt = 10ᵃ / (b₀ + b₁·b₂ᵗ) por mínimos quadrados não lineares, que se estabiliza em um limite superior. Exponential Growth e S-Curve exigem que todos os valores sejam maiores que zero.

Os ajustes são os valores da tendência, e as previsões estendem a equação até t = n + 1, n + 2 … (ou a partir da origem da previsão, usando uma tendência ajustada aos dados até essa linha). Não são fornecidos limites de predição. Exatidão: MAPE = média de |erro / dado| × 100, MAD = média de |erro| e MSD = média de erro², em que erro = dado − tendência; os valores sem tendência na tabela de resultados são dado − tendência (dado / tendência para Exponential Growth e S-Curve).

Análise de tendência ponderada: informe as estimativas de um ajuste anterior como Prior parameter values (b₀ b₁ …, na ordem da saída). Cada estimativa combinada é w × nova + (1 − w) × anterior, com w = 0.2 por padrão; assim, um novo período de dados atualiza uma tendência estabelecida suavemente, em vez de substituí-la. A série não pode ter lacunas e precisa de pelo menos 4 valores.

Campos de entrada e opções

Campo

Descrição

Variable (Y)

Obrigatório. A série numérica, em ordem temporal.

Time/stamp column

Opcional. Rotula o eixo do tempo (ex.: uma coluna de mês); a ordem das linhas (Index) é usada se for deixada em branco. Não altera o ajuste.

Model type

Linear (padrão), Quadratic, Exponential Growth ou S-Curve.

Number of forecasts

Padrão 0 (nenhuma), até 1000.

Forecast origin (row)

Opcional, ativo quando previsões são solicitadas. As previsões começam após essa linha, usando os dados até ela; em branco = fim da série.

Prior parameter values

Opcional. Estimativas de um ajuste anterior, na ordem da saída (b0 b1 …), para uma análise de tendência ponderada.

Weights for blending priors with new estimates

Ativo quando valores anteriores são informados. Entre 0 e 1, um por estimativa; em branco = 0.2 cada. Combinado = w × nova + (1 − w) × anterior.

Results to display

Summary table (padrão) ou Summary table and results table.

Residual plots (four in one)

Desmarcado por padrão. Gráfico de probabilidade normal, resíduos versus ajustes, histograma e resíduos versus ordem.

Title

Título da saída. O padrão é Trend Analysis.

trend-analysis-inputs


Figura 1 — Tendência linear das Sales mensais, rotuladas por Month, com 12 previsões.

Descrição da saída

  • Trend Analysis (gráfico) — dados reais, tendência ajustada e previsões, com MAPE, MAD e MSD no título.
  • Method — coluna de dados, comprimento e tipo de modelo (mais a análise ponderada e a origem da previsão, quando usadas).
  • Fitted Trend Equation — a equação com suas estimativas.
  • Weighted Estimates — quando valores anteriores são informados: Parameter, Prior, New, Weight e Blended.
  • Accuracy Measures — MAPE, MAD e MSD.
  • Forecasts — período e previsão.
  • Results — quando escolhido: Period, dado, Trend e Detrend de cada período.
  • Residual Plots — quando marcado.
  • Exportação em PDF por meio de Download.

trend-analysis-output


Figura 2 — Uma reta ao longo de 60 meses de vendas: cerca de 12 unidades a mais a cada mês.

Exemplo prático

Um distribuidor de eletrônicos de consumo vende mais a cada ano. Antes de construir uma previsão sazonal, o analista de vendas faz a pergunta mais simples: com que rapidez as vendas mensais crescem em média e onde uma reta as colocaria em 2025? O analista tem 60 meses de vendas unitárias (janeiro de 2020 a dezembro de 2024) e seleciona Variable (Y) = Sales, Time/stamp column = Month, Model type = Linear e Number of forecasts = 12.

A tendência ajustada é Yt = 781.6 + 11.93×t: as vendas crescem cerca de 12 unidades por mês, ou cerca de 143 por ano. A reta prevê 1,509 para janeiro de 2025 (período 61), subindo para 1,641 em dezembro de 2025 (período 72). O MAPE é 7.4% (MAD 81.8 unidades): os meses ficam em média 7.4% distantes da reta, principalmente por causa da sazonalidade. Todo dezembro fica de 191 a 273 unidades acima da reta (dezembro de 2024: 1,759 contra 1,497) e todo fevereiro de 123 a 236 unidades abaixo dela.

Para a decisão, isso significa que a reta dá uma taxa de crescimento consistente, mas subestimará o pico do fim do ano e superestimará a queda do início do ano. O modelo Quadratic dá um termo de curvatura de apenas 0.00093×t² e o mesmo MAPE (7.4%); portanto, o crescimento é próximo de uma reta; Exponential Growth (1.08% ao mês) ajusta-se um pouco pior, com MAPE de 7.6%. Para previsões mensais que acompanhem a sazonalidade, use a decomposição (MAPE de 2.2%) ou o método de Winters nos mesmos dados.

Perguntas frequentes

Quando usar a análise de tendência?

Use a análise de tendência em uma série temporal com tendência de longo prazo e sem forte padrão sazonal, por exemplo para ver com que rapidez a demanda cresce a cada mês ou onde estará uma medição de desgaste se a tendência continuar. Ela também é uma primeira análise útil antes de um método sazonal, como a decomposição ou o método de Winters.

Quais modelos de tendência estão disponíveis?

Linear ajusta Yt = b0 + b1·t e Quadratic acrescenta um termo b2·t², ambos por mínimos quadrados. Exponential Growth ajusta Yt = b0·b1^t, em que b1 é o fator de crescimento por período. S-Curve ajusta a curva logística de Pearl-Reed, que se estabiliza em um limite superior. Exponential Growth e S-Curve exigem que todos os valores sejam maiores que zero.

A análise de tendência fornece intervalos de predição?

Não. As previsões estendem a equação ajustada para períodos futuros, mas não são fornecidos limites de predição. O ajuste é julgado com MAPE, MAD e MSD, com base nos erros entre os dados e a tendência. Um MAPE grande em dados sazonais mostra que um método sazonal é necessário.

O que é a análise de tendência ponderada?

A análise de tendência ponderada combina as estimativas de um ajuste anterior com as novas. Cada estimativa combinada é w vezes a nova estimativa mais (1 - w) vezes a anterior, com w = 0.2 por padrão; assim, um novo período de dados atualiza uma tendência estabelecida suavemente, em vez de substituí-la.