预测模型入门：两种思路的对比

做数据观察时，常会遇到一类问题：下个月的销售额大概是多少？明天的地铁客流量会不会涨？这类问题背后，其实是在找一个可用的预测模型。入门阶段最容易混淆的，是把两种不同思路当成同一种东西：一种靠近期数据平滑外推，另一种靠变量之间的关系拟合。两者都能给出数字，但适用场景差别不小。

先看第一种，移动平均。假设某便利店过去5天的矿泉水销量分别是42、38、45、40、44瓶。取5日移动平均，得到(42+38+45+40+44)/5=41.8，于是把41.8当作第6天的预测值。这个方法简单，对短期走势的跟随比较稳。但它有个明显短板：如果销量正在持续上升，比如从38一路涨到50，移动平均会一直落后于实际值，因为它把新旧数据同等对待。指数平滑稍微改进了一点，给近期数据更高权重，但本质上还是只看历史序列自身。

第二种思路是线性回归。同样预测矿泉水销量，这次不只看销量本身，还引入一个解释变量：当天最高气温。收集30天的数据，以气温为横轴、销量为纵轴，画散点图，可能看到气温每升高1摄氏度，销量平均增加2.3瓶。用最小二乘法拟合出一条直线，就可以根据明天的气温预报来算预测值。这种方法的价值在于，它试图解释“为什么涨跌”，而不仅是“过去怎么走”。代价是需要额外数据，且假设变量之间的关系稳定。

把两种方法放在同一组数据上对比，差异会更直观。假设真实走势是：气温从20度升到30度，销量从35瓶升到58瓶。移动平均给出的预测会缓慢爬升，始终比真实值低3到5瓶；线性回归则能跟上趋势，误差控制在1到2瓶。但如果气温骤降、销量意外下滑，线性回归会严重高估，因为它默认气温和销量的关系不变。移动平均反而更抗突变。这就是预测中常见的权衡：拟合能力强的模型，对异常值更敏感。

入门时还有一个容易被忽略的点：预测周期越长，两种方法的差距越大。移动平均本质上假设未来和最近一段时间差不多，适合1到3天的短期判断。线性回归如果外推太远，比如用20到30度的数据去预测40度时的销量，很可能失真，因为现实中的关系未必是线性的。做数据观察时，不妨把预测结果和实际值一起记录，每周算一次平均绝对误差。误差稳定在什么范围，比单次预测准不准更有参考价值。

从工具选择上看，入门阶段不必急着上复杂模型。如果只有一串时间序列数据，没有额外的解释变量，指数平滑或ARIMA的简化版就够用。如果有多个可能影响走势的因素，比如价格、气温、节假日，可以先从多元线性回归入手。关键不是模型多高级，而是清楚它背后的假设。一个只靠历史均值的预测，和一个假设变量关系不变的预测，失效的条件完全不同。

最后提一个练习建议：找一份自己熟悉的数据，比如小区快递柜的每日取件量，或者常读公众号的阅读数。用前20天做训练，后10天做测试，分别跑一遍移动平均和简单回归。对比两种预测的误差，再回头想：哪种方法更贴合这条走势的生成逻辑？这样的对比做上三五次，对预测模型的理解会比读十篇教程更实在。数据不会说谎，但解读数据的方法需要反复校准。