時間序列簡介
歡迎來到時間序列 (Time Series) 的世界！在這個章節裡，我們將學習如何觀察隨時間變化的數據。無論是巧克力棒過去十年的價格、每個月雨傘的銷量，還是你成長過程中的身高變化，時間序列都能幫助我們找出規律，甚至推測未來可能發生的事。別擔心，聽起來雖然有點專業，但其實它只是在數字中找出「節奏」而已！
1. 什麼是時間序列？
時間序列就是一組在一段時間內，按規律間隔收集而來的數據點。當我們將這些數據繪製成圖表時，永遠要將時間 (Time) 放在橫軸（即 \(x\)-axis），將我們要衡量的變數 (Variable) 放在縱軸（即 \(y\)-axis）。
類比：你可以把時間序列圖想像成企業或天氣的「心跳」。它會上下波動，但我們想要觀察的是這些小跳動背後的「大趨勢」。
我們主要尋找三種規律：
1. 趨勢 (Trend)：數據長期變動的總體方向（它是上升、下降，還是保持平穩？）。
2. 季節性變動 (Seasonal Variation)：在固定週期內重複出現的規律，例如每週或每年（例如：夏天賣出的雪糕較多）。
3. 週期性趨勢 (Cyclic Trends)：長期且不像季節那樣規律的「波浪」，例如跨越多年發生的經濟榮衰循環。
重點小結：時間序列圖顯示了某事物隨時間的變化。我們觀察重點是趨勢（大局觀）和季節性規律（固定的起伏）。
2. 移動平均數：「撫平波動」
有時候，原始數據會有很多「噪音」或過於「跳躍」，讓人很難看出背後的真實趨勢。我們利用移動平均數 (Moving Averages) 來撫平這些波動。
什麼是移動平均數？
移動平均數是一組固定連續數據點的平均值。例如，4點移動平均數 (4-point moving average) 就是連續四個時間段數據的平均值。
步驟教學：計算 4 點移動平均數
假設你擁有四季（春、夏、秋、冬）的銷量數據：
1. 將前 4 個數值加起來。
2. 除以 4 以求出平均值。
3. 記錄這個數值（通常繪製在所使用時間段的中間位置）。
4. 向前移動一個時間格，去掉第一個數值，加入下一個新的數值，然後重複上述步驟。
為什麼用 4 點？我們通常選擇 4 點是因為一年有 4 個季度。這有助於抵銷不同季節帶來的「季節性」影響，讓我們能看到真正的趨勢。
快速溫習：移動平均數能幫我們去除數據中的「噪音」，從而找出趨勢線 (Trend Line)。
3. 繪製並解讀趨勢線
當你算出移動平均數後，就可以將它們標示在圖表上，並畫出一條穿過這些點的直線，這就稱為趨勢線。
斜率 (Gradient)：趨勢線的陡峭程度告訴我們變化的快慢。
- 陡峭的上升線代表急劇增加。
- 平緩的下降線代表緩慢減少。
常見錯誤提醒：繪製移動平均數時，請務必將點標記在時間間隔的中間點 (mid-point)。對於 4 點移動平均數，第一個點應該標記在第 2 個與第 3 個時間段之間。
4. 情境中的季節性與週期性趨勢
統計數據通常遵循著一定的「節拍」。識別這個節拍能幫助企業提前做好規劃。
季節性變動：是指實際數值與特定時間點趨勢數值之間的差額。
例子：玩具店的趨勢線可能顯示穩定增長，但他們 12 月的實際銷量總是會遠高於趨勢線。這就是一個季節性高峰。
你知道嗎？數據中的「季節」不僅限於天氣。所謂「季節性」可以指每日規律（例如每天早上的交通擠塞）或每週規律（例如星期五晚上的熱門餐廳）。
重點小結：趨勢顯示長期方向，而季節性變動則顯示規律且可預測的節奏。
5. 高階課程 (Higher Tier)：進行預測
注意：本節專為高階 (Higher Tier) 學生設計，但了解我們如何「猜測」未來對所有人都有幫助！
如果我們知道趨勢和平均季節性效應，就能預測未來的數值。這稱為外推法 (Extrapolation)。
如何計算預測值：
1. 找出季節性變動： \( \text{變動量} = \text{實際數值} - \text{趨勢數值} \)
2. 找出平均季節性變動：算出該特定「季節」的所有變動量的平均值（例如，歷年來所有「第一季度」變動量的平均）。
3. 進行預測：將趨勢線延伸至未來的時間點，得到預測趨勢值，然後使用以下公式：
\( \text{預測值} = \text{預測趨勢值} + \text{平均季節性變動} \)
外推法的風險
如果你的預測不夠精準也不用擔心！外推法（預測未來）是有風險的。你嘗試預測得越遠，你的答案可信度就越低，因為現實世界的事物可能會發生意料之外的變化。
重點小結：要預測未來，從趨勢線開始，然後加上平均季節性效應進行調整。
總結清單
檢查你的理解：
- 我能判斷趨勢是上升還是下降嗎？(趨勢)
- 我知道時間總是放在 \(x\)-軸上嗎？
- 我會計算 4 點移動平均數嗎？(4 個數值的平均值)
- 我理解「季節性」是指任何規律的重複模式嗎？
- (高階課程) 我知道如何利用趨勢線和季節性效應來進行預測嗎？
如果剛開始覺得這部分有點棘手也不要擔心——只要多練習計算平均數和畫線，你就會發現看穿數據規律其實一點也不難！