時系列データ

同じ対象を時間の経過に沿って繰り返し測定したデータ。月次売上や気温の推移などが該当し、傾向（トレンド）や季節変動の把握、将来値の予測に用いる。

時間の経過に沿って記録されたデータ。傾向や季節変動、周期性を読み取れるが、比較の際は対象期間の粒度を揃える必要がある。

時間の経過に沿って記録されたデータ。傾向や季節変動、周期性を読み取れるが、比較の際は対象期間の粒度を揃える必要がある。

売上の日次推移やセンサの測定値のように、同じ対象を時間の経過に沿って観測し、時刻の順に並べたデータ。長期的な傾向（トレンド）、季節などの周期性、不規則変動の成分に分けて捉え、移動平均や時系列モデルで将来を予測する。値が前の時点の値に影響される自己相関を持つことが多い。

過去の販売実績や市場の動向などのデータをもとに、将来の製品やサービスの需要量を予測すること。移動平均法や指数平滑法などの時系列分析、最小二乗法による回帰分析、専門家の意見を集約するデルファイ法などを用い、生産計画、在庫管理、要員計画の基礎になる。

前回の予測値に、前回の実績値と予測値の差（予測誤差）に平滑化係数αを掛けたものを加えて、次回の予測値を求める需要予測の手法。予測値＝前回予測値＋α×（前回実績値−前回予測値）で計算し、過去のデータほど重みが指数的に小さくなる。αは0から1の値をとり、大きいほど直近の実績を強く反映する。

時系列データについて、一定の期間の平均値を、期間を1つずつずらしながら順に求める手法。短期的な変動をならして傾向を把握するために用い、直近の一定期間の平均を次の期の予測値とする需要予測の方法（移動平均法）にも使われる。

同じ個人や企業などの複数の対象を、時間を追って繰り返し観測したデータで、クロスセクションデータと時系列データの両方の性質を持つ。対象ごとの観測されない固有の特性の影響を取り除いた分析ができ、政策や施策の効果の推定に使われる。途中で調査対象が抜ける脱落に注意が要る。