كيفية حساب المتوسط المتحرك المركزي في إكسيل

يعد تحليل السلاسل الزمنية أحد الركائز الجوهرية في علم الإحصاء التطبيقي والاقتصاد القياسي ونظم دعم اتخاذ القرار، حيث يسعى المحللون والباحثون دائماً إلى سبر أغوار البيانات التاريخية لفهم الأنماط الكامنة وعزل المركبات العشوائية عن المسار الحقيقي للظاهرة قيد الدراسة. وفي خضم السعي الحثيث لتنقية الإشارات الإحصائية من الضوضاء البيضاء والتقلبات الموسمية قصيرة الأجل، تبرز أداة “المتوسط المتحرك” بوصفها مرشحاً خطياً كلاسيكياً واسع الانتشار. ومع ذلك، يقع العديد من الممارسين في معضلة منهجية خطيرة عند الاعتماد غير المنضبط على المتوسطات المتحركة التقليدية ذات الاتجاه الأحادي، والتي تؤدي بطبيعتها الرياضية إلى إزاحة زمنية للمسار العام وتأخير رصد القمم والقيعان الحقيقية.

هنا تظهر الأهمية الاستثنائية لتقنية المتوسط المتحرك المركزي (Centered Moving Average – CMA)، وهي المنهجية الإحصائية المتناظرة التي تحافظ على التزامن الزمني الدقيق للبيانات عبر محاذاة القيمة الممهدة في بؤرة النافذة الزمنية المستهدفة تماماً. ومن خلال استقراء تاريخ الفكر الإحصائي، يرجع الفضل في التأصيل الأولي لفكرة استخدام المتوسطات المتحركة إلى أبحاث الفيزيائي والإحصائي الإنجليزي جون هنري بوينتنج (John Henry Poynting) عام 1884، عندما قام بتطبيقها لتنعيم البيانات وتقلبات الأسعار، مما فتح آفاقاً جديدة أمام تفكيك السلاسل الزمنية التي طورها لاحقاً رواد التحليل الإحصائي الكلاسيكي.

على الرغم من التطور التكنولوجي الهائل وظهور لغات البرمجة المتخصصة مثل بايثون ولغة آر، يظل برنامج مايكروسوفت إكسيل (Microsoft Excel) المنصة المهنية الأكثر استخداماً ومرونة للتحليل الكمي في بيئات الأعمال والأبحاث الأكاديمية. إن تطبيق المتوسط المتحرك المركزي في إكسيل يتطلب إدراكاً عميقاً للفوارق البنيوية بين النوافذ الزمنية الفردية والزوجية، وإتقاناً لصياغة الدوال الرياضية ومعالجة الفقد الإحصائي عند أطراف السلسلة. يقدم هذا المقال دليلاً شاملاً ومكثفاً، مؤصلاً رياضياً وتطبيقياً، لكيفية بناء وتنفيذ ونمذجة المتوسط المتحرك المركزي في إكسيل بكافة مراحله وصيغه المتقدمة.

1. المفاهيم النظرية للمتوسط المتحرك المركزي في تحليل السلاسل الزمنية

1.1 تعريف المتوسط المتحرك المركزي وأهميته الإحصائية

يُعرَّف المتوسط المتحرك المركزي إحصائياً بأنه تقنية تنعيم متناظرة ذات جانبين (Two-Sided Smoothing Filter) تقوم على حساب القيمة المتوقعة لمجموعة من الملاحظات المتعاقبة ووضع النتيجة الرياضية في المركز الزمني الدقيق لتلك النافذة المحددة. بخلاف المتوسطات المتحركة المتأخرة أو الأحادية التي تُسند القيمة التجميعية إلى نهاية الفترة الزمنية، يعتمد المتوسط المركزي على موازنة متطابقة بين الماضي والمستقبل النسبي بالنسبة لكل نقطة زمنية مستهدفة. هذا المفهوم الرياضي يضمن عدم انحراف السلسلة الناتجة نحو اليمين أو اليسار على المحور الأفقي للزمن، مما يجعل القيمة الممهدة ممثلاً موضوعياً للاتجاه العام الكامن عند تلك اللحظة بالذات.

تكمن الأهمية الإحصائية الكبرى للمتوسط المتحرك المركزي في قدرته الفائقة على عزل التباينات العشوائية (Irregular Variations) والاهتزازات الضوضائية قصيرة الأجل دون المساس بالمكون البنيوي الأساسي للظاهرة. من منظور نظرية الإشارات ومعالجة البيانات، يعمل هذا النموذج كمرشح تمرير منخفض (Low-Pass Filter) يقوم بإخماد الترددات السريعة الناتجة عن الصدفة المحضة أو الأخطاء القياسية الطارئة، مع السماح للترددات البطيئة المعبرة عن الاتجاه العام طويل الأجل (Secular Trend) بالمرور والظهور بوضوح. ومن خلال هذه الآلية، يستطيع الباحث رؤية المسار الجوهري للبيانات متحرراً من التشويش المؤقت.

علاوة على ذلك، يلعب التوسيط دوراً لا غنى عنه في الحفاظ على التزامن الزمني الدقيق (Temporal Synchronization) لمعالم السلسلة الزمنية. في التطبيقات التحليلية الحساسة، يؤدي أي تشويه في توقيت الأحداث إلى استنتاجات خاطئة تماماً؛ فإذا هبطت مبيعات شركة ما أو تراجعت المؤشرات الحيوية في شهر محدد، فإن المتوسط المركزي يبرز هذا القاع في ذات الشهر، متجنباً الترحيل الزمني غير المبرر. هذا التزامن يعد شرطاً أساسياً لضمان مصداقية المقارنات بين السلاسل الزمنية المختلفة ومطابقة الظواهر المتزامنة مكانياً وزمنياً.

1.2 الفروق الجوهرية بين المتوسط المتحرك البسيط والمتوسط المتحرك المركزي

تتمحور المعضلة الأساسية في المتوسط المتحرك البسيط التقليدي (Simple Moving Average – SMA)، والذي يُعرف أحياناً بالمتوسط اللاحق أو المتحرك المتخلف (Trailing Moving Average)، حول ظاهرة الإزاحة الطورية أو التأخر الزمني (Phase Lag). فعند حساب متوسط الملاحظات السابقة من الفترة $t-k+1$ إلى الفترة $t$، يتم إسناد الناتج إلى اللحظة $t$. هذه الآلية تفترض ضمناً أن المركز الثقلي للمعلومات يقع في نهاية الفترة، بينما يقع المركز الحسابي الفعلي في منتصف النافذة الزمنية، مما يسبب إزاحة منهجية قدرها $(k-1)/2$ خطوة زمنية نحو اليمين. ونتيجة لذلك، تظهر القمم والقيعان في المنحنى الممهد متأخرة عن حدوثها الواقعي، وهو تشويه بصري ورياضي يعيق الفهم الدقيق لحركية الظاهرة.

في المقابل، يتجاوز المتوسط المتحرك المركزي هذه المشكلة جذرياً عبر التوزيع المتماثل للأوزان والملاحظات؛ حيث تُجمع البيانات قبل النقطة المستهدفة وبعدها بمسافات زمنية متكافئة. هذا التناظر الهندسي يلغي تماماً خطأ الإزاحة الطورية (Zero-Phase Delay)، مما يجعل مسار التنعيم محاذياً بدقة فائقة للمسار المرجعي الفعلي. وتوضح الأدبيات الإحصائية، كالمصادر المرجعية الصادرة عن المعهد الوطني للمعايير والتقنية (NIST)، أن هذا التناظر هو المعيار الذهبي لتنعيم البيانات التاريخية دون المساس بنقاط الانقلاب المفصلية في السلسلة.

يفرض هذا الاختلاف البنيوي مفاضلة جوهرية بين القدرة التنبؤية الفورية والتحليل الوصفي الاسترجاعي. فالمتوسط المتحرك البسيط يُعد قالباً خوارزمياً سببيّاً (Causal Filter) صالحاً للتنبؤ الفوري ومتابعة الاتجاهات اللحظية، لأنه لا يتطلب بيانات مستقبلية تلي اللحظة $t$. أما المتوسط المتحرك المركزي فهو خوارزمية غير سببية (Non-Causal / Acausal Filter) تستلزم بالضرورة توفر بيانات لاحقة للنقطة المحسوبة، مما يجعله غير قابل للاستخدام في التنبؤ اللحظي المباشر عند حافة البيانات، ولكنه يتربع على قمة الأدوات الوصفية والتحليلية لتشريح البيانات السابقة وتقييم الاتجاهات العامة بدقة تاريخية مطلقة.

1.3 مجالات التطبيق في التحليلات الإحصائية والبيانات السلوكية

يمتد النطاق التطبيقي للمتوسط المتحرك المركزي عبر طيف واسع من العلوم الكمية، ويأتي في مقدمتها تنعيم بيانات السلاسل الزمنية الطولية (Longitudinal Data Analysis). ففي سياق تتبع التغيرات المناخية، أو المؤشرات المالية الكلية، أو معدلات النمو الديموغرافي، تعاني القياسات المستمرة من تذبذبات يومية أو أسبوعية عابرة تحجب الرؤية الكلية. يوفر المتوسط المركزي للمحلل أداة رصينة لرسم منحنى الاتجاه طويل الأجل بأعلى درجات النقاء الإحصائي، مما يساعد متخذي القرار على استخلاص الأنماط الحقيقية المستقرة وصياغة السياسات الاستراتيجية بناءً عليها.

وفي مجالات العلوم السلوكية والنفسية، يُستخدم التوسيط المركزي بكثافة لمراقبة المتغيرات النفسية الحيوية والديموغرافية الممتدة عبر فترات زمنية متعاقبة. على سبيل المثال، عند قياس مستويات التوتر، أو الرضا الوظيفي، أو تتبع النشاط العصبي والسلوكي للأفراد عبر الأسابيع، تتأثر الاستجابات اللحظية بعوامل ظرفية سريعة الزوال (كأيام العطلات الأسبوعية أو الأحداث العارضة). يتيح تطبيق المتوسط المتحرك المركزي للباحثين استبعاد هذه المؤثرات اللحظية ودراسة التطور الحقيقي للحالة النفسية أو السلوكية عبر الزمن بتجرد تام ومصداقية قياسية عالية.

علاوة على ذلك، يشكل المتوسط المتحرك المركزي حجر الزاوية في عمليات تفكيك السلاسل الزمنية (Time Series Decomposition)، سواء في النماذج الجمعية (Additive Models) أو النماذج الضربّية (Multiplicative Models). فلعزل المركب الموسمي (Seasonal Component) بدقة، يتحتم أولاً استخراج مركب الاتجاه العام والدورة (Trend-Cycle Component) عبر استخدام متوسط مركزي يتطابق طول نافذته مع طول الدورة الموسمية. وتعد هذه الخطوة هي الأساس الذي بُنيت عليه خوارزميات التعديل الموسمي الشهيرة المعتمدة عالمياً مثل برمجيات X-13ARIMA-SEATS التابعة لمكتب التعداد الأمريكي والبنك الدولي.

2. الأسس الرياضية لحساب المتوسط المتحرك المركزي

2.1 الصيغة الرياضية للفترات الزمنية ذات التعداد الفردي

تتسم الفترات الزمنية الفردية ببساطتها الرياضية وأناقتها المنهجية، حيث يُحدد طول نافذة التنعيم برقم فردي يُصاغ رياضياً بالمعادلة $k = 2m + 1$، حيث يمثل $k$ عدد المشاهدات الكلي في النافذة، بينما يمثل $m$ عدداً صحيحاً موجباً يعبر عن المسافة الزمنية المتناظرة على جانبي النقطة المركزية. فإذا كانت نافذة التجميع خماسية ($k = 5$)، فإن $m = 2$، وإذا كانت ثلاثية ($k = 3$)، فإن $m = 1$.

تُصاغ معادلة التجميع المتناظر للمتوسط المتحرك المركزي للفترات الفردية ($\text{CMA}_t$) رياضياً على النحو التالي:

$$\text{CMA}_t = \frac{1}{k} \sum_{i=-m}^{m} y_{t+i} = \frac{y_{t-m} + y_{t-m+1} + dots + y_t + dots + y_{t+m-1} + y_{t+m}}{2m + 1}$$

حيث تمثل $y_t$ القيمة الفعلية للسلسلة الزمنية عند النقطة الزمنية $t$. إن الميزة الهندسية البارزة في هذه الصيغة تكمن في التطابق التام للمركز الحسابي الرياضي مع نقطة زمنية فعلية وموجودة بالفعل داخل السلسلة؛ فالقيمة المحسوبة تسقط مباشرة فوق الملاحظة $y_t$ في جدول البيانات، مما يتيح ربطاً مباشراً وفورياً دون الحاجة إلى أي تعديل أو معالجة تقريبية إضافية.

2.2 معضلة الفترات الزوجية وضرورة تقنية التمركز المزدوج

عند الانتقال إلى الفترات الزمنية الزوجية—والتي تعد الأكثر شيوعاً في التطبيقات العملية كالبيانات الربع سنوية ($k = 4$) أو البيانات الشهرية السنوية ($k = 12$)—نصطدم بعقبة رياضية بنيوية تُعرف بمعضلة نقطة المنتصف. فالمركز الحسابي لعدد زوجي من المشاهدات يقع في نقطة كسرية وهمية بين فترتين زمنيتين حقيقيتين؛ فعلى سبيل المثال، يقع متوسط الفترات الأربع الأولى ($t_1, t_2, t_3, t_4$) عند النقطة الزمنية النظرية $t = 2.5$. لا يمكن عملياً أو جدولياً إسناد هذه القيمة إلى الفترة الثانية أو الفترة الثالثة دون إحداث انحياز زمني طفيف يشوه بنية التزامن.

لحل هذه المعضلة الرياضية، ابتكر الإحصائيون تقنية التمركز المزدوج (Double Centering)، أو ما يُعرف بحساب متوسط متحرك ثنائي لمتوسطات متحركة زوجية ($2 \times k \text{ Moving Average}$). وتتلخص هذه التقنية في حساب خطوة تنعيم أولية بحجم النافذة الزوجية $k$ لتوليد سلسلة من المتوسطات غير المتمركزة، يعقبها مباشرة حساب متوسط متحرك بسيط من فترتين متتاليتين ($2\text{-period MA}$) لنتائج المرحلة الأولى. وبما أن متوسط النقطتين $2.5$ و $3.5$ هو النقطة $3.0$ تماماً، فإن هذه العملية تعيد محاذاة البيانات الممهدة مع النقاط الزمنية الفعلية للسلسلة بكفاءة متناهية.

من الناحية الجبرية، يتحول التمركز المزدوج إلى صيغة رياضية موحدة ذات أوزان نسبية متناظرة، حيث يتم إعطاء القيم الطرفية في النافذة نصف وزن القيم الداخلية لضمان الاتزان الإحصائي التام. وتُكتب الصيغة الرياضية الشاملة لمتوسط متحرك مركزي زوجي ($k = 2m$) على النحو التالي:

$$\text{CMA}_t = \frac{1}{k} \left[ \frac{1}{2}y_{t-m} + \sum_{j=-m+1}^{m-1} y_{t+j} + \frac{1}{2}y_{t+m} \right]$$

ففي حالة النافذة الرباعية ($k = 4, m = 2$)، تتوزع الأوزان على خمس مشاهدات متتالية كالتالي: $[\frac{1}{8}, \frac{1}{4}, \frac{1}{4}, \frac{1}{4}, \frac{1}{8}]$، والتي يمكن صياغتها كنسب مئوية: $12.5%$ للملاحظة الأولى والأخيرة، و $25%$ لكل من الملاحظات الثلاث المتوسطة، ومجموع هذه الأوزان يساوي تماماً $1.0$، مما يضمن اتزاناً إحصائياً دقيقاً ومحاذاة تامة مع النقطة الزمنية $t$.

2.3 تأثير طول الفترة الزمنية (Window Size) على التنعيم والتشويه

يرتبط اتساع نافذة التجميع ($k$) بعلاقة تبادلية معقدة بين درجة التنعيم الإحصائي وفقدان التفاصيل الدقيقة للمنحنى. فكلما ازداد طول الفترة الزمنية، زادت قدرة المرشح على إخماد التباينات وتسطيح القمم والقيعان الحادة، مما ينتج منحنى غاية في النعومة يعكس المسار الأساسي طويل الأجل بوضوح متناهٍ. ولكن في المقابل، يؤدي الاتساع المفرط للنافذة إلى خطر “التنعيم الزائد” (Over-smoothing)، والذي قد يطمس الملامح الهيكلية الهامة والتحولات المفصلية الحقيقية في السلسلة، محولاً المنحنى إلى خط شبه مستقيم يفقد دلالته التحليلية.

الضريبة الرياضية الحتمية الأخرى لزيادة طول الفترة الزمنية هي اتساع رقعة البيانات المفقودة عند الأطراف (Edge Effect / Boundary Loss). في أي متوسط متحرك مركزي، يتعذر حساب القيم للبيانات الواقعة عند بداية السلسلة ونهايتها نظراً لغياب الملاحظات الكافية لإكمال التناظر المطلوب. في الفترات الفردية، نفقد بدقة $m = (k-1)/2$ مشاهدة في كل طرف، بينما في الفترات الزوجية ذات التمركز المزدوج، نفقد بالضبط $m = k/2$ مشاهدة عند البداية والنهاية. وبالتالي، فإن اختيار نافذة بحجم 12 شهراً مثلاً يعني بالضرورة التضحية بحساب المتوسط لأول 6 أشهر وآخر 6 أشهر من مجمل السلسلة الزمنية.

يتطلب التحليل الرصين موازنة دقيقة عند اختيار الطول الأمثل للفترة الزمنية بما يتناسب مع طبيعة الدورة السلوكية أو الزمنية للظاهرة. فالقاعدة الذهبية في التحليل الموسمي تنص على ضرورة مطابقة طول النافذة مع دورية التكرار الطبيعية؛ كاستخدام $k = 4$ للبيانات الربع سنوية، أو $k = 7$ للبيانات اليومية ذات النمط الأسبوعي، أو $k = 12$ للبيانات الشهرية ذات الدورة السنوية. هذا التطابق يضمن تلاشي التأثير الموسمي التراكمي دورة تلو الأخرى، وظهور الاتجاه العام الصافي دون تشويه.

3. تهيئة بيئة العمل وهيكلة البيانات في برنامج إكسيل

3.1 التنسيق الهيكلي الأمثل لأعمدة ورقة العمل

يبدأ النجاح في إعداد النماذج الإحصائية داخل مايكروسوفت إكسيل من التخطيط الهيكلي المنضبط لورقة العمل (Worksheet Architecture). يجب أن تُنظم السلسلة الزمنية في جدول عمودي مرتب ترتيباً تصاعدياً صارماً من الأقدم إلى الأحدث؛ حيث يُخصص العمود الأول (العمود A) للمتغير المستقل الممثل للفترة الزمنية أو التاريخ الدقيق. يؤدي أي خلل في الترتيب الزمني، كوجود تواريخ غير متسلسلة، إلى انهيار كامل للمنطق الرياضي للمتوسط المتحرك المركزي.

يُخصص العمود الثاني (العمود B) لقيم البيانات الخام للمتغير التابع المقاس، ويجب الفصل التام والمطلق بين هذه البيانات الأصلية وأي أعمدة مساعدة أو عمليات حسابية لاحقة. يسهل هذا الفصل التحقق والتدقيق البرمجي، ويمنع حدوث الأخطاء الناتجة عن الكتابة فوق القيم الأصلية. كما يجب ضبط التنسيقات الرقمية لكافة الخلايا بعناية؛ بتحديد نوع “تاريخ” (Date) للعمود الأول، وتنسيق “رقم” (Number) للعمود الثاني مع تحديد عدد ثابت وموحد من المنازل العشرية، لتفادي مشاكل الدمج العرضي بين النصوص والأرقام التي تسبب ظهور الخطأ الشهير #VALUE!.

من الممارسات المهنية المتقدمة أيضاً تسمية الأعمدة بعناوين واضحة واحترافية في الصف الأول (Header Row)، مثل: “الفترة الزمنية”، “القيمة الفعلية”، متبوعة بأسماء تصف نوع المتوسط بدقة، مثل: “متوسط أولي 4 فترات”، و”متوسط مركزي 4 فترات”. يُنصح كذلك بتجميد الصف العلوي (Freeze Top Row) عبر تبويب “عرض” (View)، مما يضمن بقاء رؤوس الأعمدة مرئية بشكل مستمر أثناء التمرير في السلاسل الزمنية الطويلة.

3.2 معالجة البيانات المفقودة والقيم الشاذة قبل الحساب

يتطلب التطبيق الإحصائي السليم فحصاً استباقياً متعمقاً للسلسلة الزمنية للتحقق من عدم وجود أي فجوات أو انقطاعات غير مبررة في التواريخ. إن وجود فترة زمنية ساقطة يكسر التتابع الرياضي للنافذة المتناظرة، مما يجعل دالة المتوسط تحسب قيماً تعبر عن مسافات زمنية غير متكافئة. يمكن استخدام دالة الفحص المنطقي أو المقارنة التاريخية لاكتشاف أي قفزات غير منتظمة في تسلسل الأيام أو الأشهر قبل الشروع في بناء المعادلات.

في حال اكتشاف قيم مفقودة في السلسلة الأصلية، يتحتم على المحلل اللجوء إلى تقنيات المعالجة الإحصائية المعتمدة بدلاً من ترك الخلايا فارغة أو استبدالها تلقائياً بالصفر؛ إذ إن الصفر يُعامل كقيمة رقمية تؤدي إلى هبوط حاد وزائف في المتوسطات المركزية المحيطة به. وتتضمن الحلول المعتمدة تطبيق الاستكمال الداخلي الخطي (Linear Interpolation) للمتغيرات ذات التغير التدريجي، أو الاستبدال بمتوسط الفترات المتناظرة دورياً إذا كانت البيانات ذات طبيعة موسمية حادة.

كذلك تفرض القيم الشاذة والمتطرفة (Outliers) تحدياً جوهرياً أمام المتوسطات المتحركة المركزية، نظراً لحساسية المتوسط الحسابي الشديدة للقيم القصوى؛ حيث يؤدي وجود قيمة شاذة واحدة إلى تشويه وتلويث كافة قيم المتوسط المركزي المحسوبة ضمن نطاق تلك النافذة ($k$ قيمة متأثرة). يُنصح بتطبيق اختبارات الكشف عن الشواذ، مثل مقياس الدرجة المعيارية المكتسبة ($Z\text{-Score}$) أو النطاق الربيعي (IQR)، والعمل على تعديلها أو تشذيبها وتوثيق ذلك بوضوح في مذكرات التحليل الإحصائي لضمان نزاهة النتائج.

3.3 تجهيز الأعمدة المساعدة للحسابات المركبة

تختلف استراتيجية إعداد الأعمدة في ورقة عمل إكسيل بناءً على الرتبة الحسابية للمتوسط المستهدف؛ فبالنسبة للفترات الفردية ($k=3, 5, 7$)، يُكتفى بإضافة عمود حسابي واحد يقع مباشرة بجانب عمود البيانات الخام، نظراً لأن المعادلة تطبق مباشرة دون الحاجة لخطوات وسيطة. يتميز هذا التنسيق المباشر بالبساطة والسرعة وسهولة التتبع البصري لعلاقة النطاق بالخلية المركزية المقابلة.

أما في حالة الفترات الزوجية، فإن المنهجية المهنية الرصينة تقتضي بناء عمودين مساعدين متتاليين لمعالجة التمركز المزدوج خطوة بخطوة؛ يُخصص العمود الأول لحساب “المتوسط الأولي غير المتمركز” (Uncentered Moving Average)، بينما يُخصص العمود الثاني لحساب “المتوسط المتحرك المركزي النهائي” عبر إيجاد متوسط كل قيمتين متعاقبتين من العمود الأول. يساعد هذا التفكيك المرحلي المراجعين والمدققين على تتبع حركة الحسابات خطوة بخطوة والتحقق من صحة الإسناد الزمني.

ولضمان استدامة النموذج وسلامته البرمجية، يجب تأمين نطاقات الخلايا الحسابية وحمايتها من التعديل العرضي أو الكتابة اليدوية الخاطئة (Accidental Overwrite). يمكن تحقيق ذلك عن طريق تحديد خلايا الصيغ وقفلها من خيارات تنسيق الخلايا (Format Cells -> Protection)، ثم تفعيل ميزة “حماية الورقة” (Protect Sheet) مع تعيين كلمة مرور، مما يضمن بقاء القوالب صالحة للتشغيل المتكرر من قبل فرق العمل المختلفة دون تشويه للبنية الحسابية الأساسية.

4. خطوات حساب المتوسط المتحرك المركزي لفترة فردية (3 فترات) في إكسيل

4.1 تحديد موقع الخلية الأولى وتطبيق الدالة الإحصائية

لتطبيق متوسط متحرك مركزي ثلاثي ($k = 3$) على سلسلة زمنية مرتبة تبدأ بياناتها من الخلية B2، يجب الانتباه بدقة هندسية إلى موقع البدء الحسابي. بما أن النافذة الثلاثية تتطلب قيمة سابقة ($t-1$)، وقيمة مركزية ($t$)، وقيمة لاحقة ($t+1$)، فإن الملاحظة الأولى الواقعة في الصف 2 (الخلية B2 المقابلة للفترة $t=1$) تفتقر إلى قيمة سابقة لها في السلسلة. بناءً على هذا القيد الرياضي الحتمي، يجب ترك الخلية المقابلة للفترة الأولى في عمود المتوسط (الخلية C2) فارغة تماماً، وتجنب أي محاولة لحساب متوسط غير مكتمل فيها منعاً لتشويه البيانات.

ينطلق الحساب الإحصائي الفعلي من الخلية المقابلة للفترة الزمنية الثانية، وهي الخلية C3. في هذه الخلية بالتحديد، يقع المركز الرياضي للنافذة الممتدة عبر الفترات الثلاث الأولى ($t_1, t_2, t_3$). يتم النقر على الخلية C3 وكتابة الصيغة الإحصائية القياسية لدالة المتوسط في إكسيل كما يلي:

=AVERAGE(B2:B4)

تقوم هذه الدالة بجمع القيم الثلاث الموجودة في النطاق B2:B4 وقسمتها على 3، ويتم تسجيل الناتج مباشرة في الصف الثالث بمحاذاة الملاحظة B3، محققة التمركز المتطابق بين المتوسط الرياضي والموقع الزمني المقابل.

تعتمد آلية اختيار النطاق خطوة بخطوة داخل ورقة العمل على استيعاب هندسة المعادلة؛ فالخلية المركزية هي B3، والنطاق المحدد يبدأ بخطوة واحدة للأعلى (الخلية B2) وينتهي بخطوة واحدة للأسفل (الخلية B4). هذا التناظر العمودي الدقيق داخل إكسيل هو الترجمة المباشرة لمعادلة التجميع الفردي، مما يؤكد خلو هذا الحساب من أي إزاحة طورية ويجعله ممثلاً حقيقياً للمسار عند تلك اللحظة بالذات.

4.2 سحب الصيغة الرياضية والتعامل مع المراجع النسبية

بعد كتابة الصيغة والتأكد من صحتها في الخلية C3، تأتي مرحلة تعميم العملية الحسابية على امتداد السلسلة الزمنية. يوفر إكسيل أداة فعالة للغاية تُعرف باسم مقبض التعبئة التلقائية (Fill Handle)، وهو المربع الأسود الصغير الواقع في الزاوية السفلية اليسرى (أو اليمنى، بحسب اتجاه واجهة البرنامج) للخلية المحددة. يتم النقر مع الاستمرار على هذا المقبض وسحبه رأسياً إلى أسفل العمود لتكرار العملية الحسابية تلقائياً على كافة الصفوف اللاحقة.

يعتمد هذا الإجراء على مفهوم المراجع النسبية (Relative References) في إكسيل؛ حيث لا نقوم بتثبيت أرقام الصفوف بعلامة الدولار ($)، مما يسمح للصيغة بالانزلاق الديناميكي خطوة واحدة للأسفل مع كل صف جديد. فعند الانتقال إلى الصف الرابع (الخلية C4)، تتحول الصيغة ذاتياً وبسلاسة إلى =AVERAGE(B3:B5)، محتفظة بتموضعها المتناظر حول الخلية B4. وفي الصف الخامس تصبح =AVERAGE(B4:B6)، وهكذا دواليك على طول السلسلة الزمنية دون أي تدخل يدوي.

يجب التوقف الحاسم بالسحب عند الخلية المقابلة للفترة الزمنية قبل الأخيرة ($n-1$). فإذا كانت السلسلة الزمنية تنتهي في الصف 13 (الخلية B13 الممثلة للفترة 12)، فإن آخر خلية يُسمح بحساب المتوسط المركزي فيها هي الخلية C12 المقابلة للفترة 11، والتي ستتضمن الصيغة =AVERAGE(B11:B13). أما الخلية الأخيرة C13، فيجب أن تظل فارغة تماماً؛ نظراً لعدم توفر مشاهدة مستقبلية في الفترة 13 لإكمال النافذة الثلاثية، ومحاولة ملئها بحساب مبتور يعد خرقاً لقواعد التمركز الإحصائي السليم.

4.3 المطابقة اليدوية والتحقق من صحة النتائج المحسوبة

تقتضي معايير التدقيق الأكاديمي والمهني إخضاع المخرجات البرمجية لاختبارات تحقق صارمة لضمان موثوقية النتائج. تتمثل الخطوة الأولى في إجراء حساب يدوي مستقل لعينة عشوائية من الفترات ومقارنتها بناتج دالة إكسيل؛ على سبيل المثال، إذا كانت القيم في الخلايا B2 و B3 و B4 هي: 100، 120، 110 على التوالي، فإن الحساب اليدوي هو:

$$(100 + 120 + 110) / 3 = 330 / 3 = 110$$

تتم مطابقة هذه القيمة الحسابية فوراً مع القيمة الظاهرة في الخلية C3 للتأكد من عدم وجود أخطاء في تجميع النطاقات أو إدخال الصيغ.

تتمثل الطريقة السريعة الثانية المدمجة داخل برنامج إكسيل في استخدام شريط الحالة (Status Bar) الواقع أسفل واجهة البرنامج. يقوم المحلل بتحديد النطاق الفعلي للمشاهدات المشمولة بالنافذة (مثل تظليل الخلايا من B2 إلى B4)، ثم إلقاء نظرة فورية على شريط الحالة في الأسفل؛ حيث يعرض إكسيل تلقائياً القيمة المحسوبة للمتوسط (Average)، والعدد (Count)، والمجموع (Sum). يجب أن تتطابق قيمة المتوسط الظاهرة في شريط الحالة تماماً مع ناتج الخلية المركزية C3.

أخيراً، يجب ضبط التنسيق الإحصائي للمنازل العشرية للعمود المحسوب بأكمله؛ فالمتوسطات الحسابية غالباً ما تنتج كسوراً عشرية طويلة ودورية وغير منتهية ناتجة عن القسمة. عبر تبويب “الصفحة الرئيسية” (Home) ومجموعة “رقم” (Number)، يُفضل توحيد عرض الأرقام بمنزلتين عشريتين أو ثلاث منازل عشرية ثابتة بما يتسق مع دقة القياس في البيانات الأصلية، مما يمنح ورقة العمل مظهراً احترافياً ومريحاً بصرياً للقراءة والمقارنة.

5. تطبيق المتوسط المتحرك المركزي للفترات الفردية الأوسع (5 و7 فترات)

5.1 صياغة دالة المتوسط المتحرك المركزي لخمس فترات

عند الحاجة إلى وتيرة تنعيم أقوى للتخلص من تقلبات عشوائية أشد حدة، يتم اللجوء إلى المتوسط المتحرك المركزي لخمس فترات ($k = 5$). في هذا النموذج، تصبح قيمة $m = (5-1)/2 = 2$، مما يعني أن النافذة الزمنية تستوعب في بنيتها الرياضية فترتين زمنيتين سابقتين للنقطة المستهدفة وفترتين لاحقتين لها، إضافة إلى النقطة المركزية نفسها. يترتب على ذلك بالضرورة تأخر نقطة البداية الحسابية حتى الصف المقابل للفترة الزمنية الثالثة في السلسلة.

إذا كانت البيانات الأصلية تبدأ في الخلية B2 (الفترة 1)، فإن الفترتين 1 و 2 تفتقران للعمق التاريخي الكافي لبناء نافذة خماسية مكتملة. وبناءً على ذلك، تُترك الخليتان C2 و C3 فارغتين تماماً. وتُكتب الصيغة الرياضية الأولى في الخلية C4 المقابلة للفترة الزمنية الثالثة كالتالي:

=AVERAGE(B2:B6)

تغطي هذه الصيغة النطاق المتناظر المتكامل الممتد من B2 وحتى B6، متمركزة بدقة حسابية مطلقة حول الملاحظة B4.

النتيجة الحتمية المقابلة لهذا التوسيع في حجم النافذة هي اتساع نطاق الفقد الإحصائي عند حواف السلسلة؛ حيث يفقد النموذج نقطتين في البداية (الفترات 1 و 2) ونقطتين متناظرتين في نهاية السلسلة (الفترات الأخيرة وقبل الأخيرة). هذا الثمن الإحصائي إلزامي لضمان تماثل الأوزان وتجنب أي تشويه تحليلي، ويجب على الباحث استحضاره دائماً عند تصميم دراسته والتأكد من أن حجم العينة الكلي يتحمل فقدان هذه الملاحظات الطرفية دون الإخلال بأهداف التقييم.

5.2 حساب المتوسط المتحرك لسبع فترات ودراسة أثر التنعيم الفائق

يمثل المتوسط المتحرك لسبع فترات ($k = 7, m = 3$) النموذج المعياري الأكثر كفاءة وشيوعاً عند معالجة البيانات اليومية المسجلة على مدار أيام الأسبوع؛ حيث صُمم هذا المرشح خصيصاً لاستيعاب دورة الأيام السبعة وإلغاء الأنماط الناتجة عن فروق عطلات نهاية الأسبوع وأيام العمل الرسمية. وبناءً على معادلته الرياضية، تتطلب هذه النافذة ثلاث مشاهدات سابقة وثلاث مشاهدات لاحقة حول المركز الحسابي.

يبدأ التطبيق العملي لهذه الصيغة في إكسيل من الخلية المقابلة للفترة الزمنية الرابعة (الخلية C5 إذا بدأت البيانات في B2)، بعد ترك الخلايا الثلاث الأولى في عمود المتوسط فارغة بالكامل. وتُصاغ الدالة على النحو التالي:

=AVERAGE(B2:B8)

يمتد هذا النطاق ليشمل سبع خلايا متتالية تقع الخلية B5 في منتصفها تماماً. ويترتب على ذلك فقدان ست ملاحظات كاملة من مجمل السلسلة (ثلاث في البداية وثلاث في النهاية).

يُظهر التحليل المقارن بين المتوسطات الفردية المتدرجة (الثلاثي، الخماسي، السباعي) تبايناً ملحوظاً في حساسية المنحنى للتغيرات الفجائية. فبينما يستجيب المتوسط الثلاثي بحساسية وسرعة للقفزات المؤقتة محتفظاً ببعض التعرجات العشوائية، يقدم المتوسط السباعي تطعيماً فائقاً (Ultra-Smoothing) يعزل بالكامل أي صدمات يومية منفردة. يبرز هذا التنعيم الفائق المسار العام الصافي للظاهرة كمنحنى انسيابي هادئ، مما يسهل قراءة الحركة العامة للنمو أو التراجع الاستراتيجي دون ارتباك بصري ناجم عن التقلبات اليومية المعزولة.

5.3 قواعد اختيار الفترة الفردية المناسبة وفق طبيعة البيانات

لا يخضع اختيار طول الفترة الزمنية الفردية للعشوائية أو التفضيل الشخصي، بل يستند إلى قواعد ومعايير إحصائية دقيقة تحكمها الطبيعة الدورية الكامنة للبيانات. تتمثل القاعدة الجوهرية الأولى في ضرورة التوافق الهيكلي مع الأنماط الدورية المعروفة في مجال التخصص؛ ففي السلاسل الزمنية التي تُسجل يومياً وتعكس نشاطاً سلوكياً أو تجارياً يتكرر أسبوعياً (مثل مبيعات التجزئة، أو أعداد المراجعين في المراكز الصحية)، يُعد المتوسط السباعي ($k = 7$) هو الخيار الوحيد القادر على عزل تأثير اليوم الدوري من الأسبوع بدقة لا تقبل الجدل.

أما في الحالات التي لا تحكمها دورية زمنية ثابتة، بل تسعى فقط إلى تنقية المسار من التشتت والاضطراب، فيبرز معيار الموازنة الحساسة بين تقليل الضوضاء والمحافظة على الملامح والتحولات المفصلية للسلسلة. إن اختيار فترة قصيرة مثل ($k = 3$) يناسب السلاسل ذات الضوضاء المنخفضة والتحولات السريعة، حيث يحافظ على مواقع القمم الحادة دون تسطيح مفرط. بينما يناسب النطاق الخماسي ($k = 5$) البيئات الإحصائية ذات التقلبات الحادة والضوضاء العالية، حيث يمتص الصدمات المؤقتة دون إلحاق تشويه كبير بشكل الاتجاه العام.

علاوة على ذلك، يفرض الطول الإجمالي للسلسلة الزمنية المتاحة (Sample Size $N$) قيداً حاسماً على قرار المحلل. فإذا كانت السلسلة قصيرة نسبياً (تتكون مثلاً من 15 إلى 20 مشاهدة فقط)، فإن التضحية بسبع ملاحظات عبر استخدام مرشح سباعي يمثل هدراً إحصائياً خطيراً يقتطع قرابة نصف البيانات المتوفرة ويضعف موثوقية التحليل. في مثل هذه الظروف المحدودة، يغدو المتوسط الثلاثي هو الخيار الأكثر عقلانية للحفاظ على أكبر عدد ممكن من درجات الحرية ونقاط التحليل المقارن.

6. منهجية التمركز المزدوج للفترات الزوجية (4 فترات و12 فترة) في إكسيل

6.1 تنفيذ خطوة التوسيط الأولي للفترات الزوجية (4 فترات)

يمثل التعامل مع الفترات الزوجية، كفترة الفصول الأربعة ($k = 4$) المعتمدة في التقارير الاقتصادية والمالية، تحدياً منهجياً يتطلب تطبيق تقنية التمركز المزدوج بدقة متناهية. تبدأ العملية بتهيئة عمود مساعد بجانب البيانات الخام يُسمى “متوسط 4 فترات غير متمركز” (Uncentered 4-MA). الهدف من هذه الخطوة هو حساب المتوسط الحسابي البسيط لكل أربع فترات زمنية متتالية على امتداد السلسلة الزمنية.

من الناحية البصرية والرياضية، يقع مركز المشاهدات الأربع الأولى (المحصورة بين الخلايا B2 و B5) في النقطة الزمنية النظرية $2.5$، أي في الفراغ الفاصل بين الصف الثالث والصف الرابع. وبما أن واجهة جداول إكسيل لا تدعم كتابة النتائج بين السطور، فقد استقر العرف التحليلي على إدراج ناتج الصيغة الأولى إما في الصف المقابل للفترة الثالثة، أو الالتزام بمنهجية إحصائية منظمة تبدأ بحساب المتوسط من الصف الثالث كإسناد افتراضي مؤقت عبر كتابة الصيغة التالية في الخلية C3:

=AVERAGE(B2:B5)

تقوم هذه الصيغة بجمع القيم من الفترة 1 إلى 4 وقسمتها على 4، وتوضع النتيجة في الخلية C3 كقيمة مرحلية تمثل اللحظة النظرية $t = 2.5$.

يتم بعد ذلك سحب هذه الصيغة رأسياً لأسفل العمود المساعد باستخدام مقبض التعبئة حتى نهاية نطاق البيانات، لتنشأ لدينا سلسلة كاملة من المتوسطات غير المتمركزة زمنياً؛ حيث تحسب الخلية C4 متوسط النطاق B3:B6 لتمثيل النقطة $3.5$، والخلية C5 تحسب متوسط B4:B7 لتمثيل النقطة $4.5$. تظل الخلية الأولى C2 والخلية الأخيرة في هذا العمود فارغتين تماماً، مع إدراك أن كافة القيم الموجودة في هذا العمود تعاني حالياً من انحراف طوري مقداره نصف فترة زمنية يستوجب التصحيح الإحصائي الفوري في المرحلة التالية.

6.2 خطوة التمركز الثانوي (حساب متوسط المتوسطين المتتاليين)

لإلغاء الإزاحة الزمنية الكسرية الناتجة عن المرحلة السابقة وإعادة محاذاة السلسلة مع الفترات الزمنية الحقيقية، ننتقل إلى العمود المجاور (العمود D) المخصص لـ “المتوسط المتحرك المركزي النهائي” (Centered Moving Average 4-period). ترتكز هذه الخطوة على تطبيق دالة المتوسط على كل قيمتين متعاقبتين من نتائج العمود المساعد (المتوسطات غير المتمركزة).

بما أن الخلية C3 تمثل زمنياً النقطة $2.5$ والخلية C4 تمثل النقطة $3.5$، فإن إيجاد متوسط هاتين القيمتين معاً ينتج قيمة مركزية تقع بالضبط عند النقطة الزمنية:

$$(2.5 + 3.5) / 2 = 3.0$$

هذا يطابق تماماً زمن الفترة الثالثة. وبناءً على ذلك، نكتب في الخلية D4 المقابلة للفترة الثالثة مباشرة الصيغة الحسابية التالية:

=AVERAGE(C3:C4)

بهذا الإجراء الهندسي الدقيق، تمت إعادة التزامن التام والمطلق بين القيمة الإحصائية الممهدة والموقع الزمني الفعلي للسلسلة الأصلية.

يمكن للمحللين المتقدمين دمج المرحلتين السابقتين في صيغة حسابية مباشرة تُكتب داخل عمود واحد دون الحاجة للعمود المساعد، وذلك عبر ترجمة مصفوفة الأوزان المتناظرة $[\frac{1}{8}, \frac{1}{4}, \frac{1}{4}, \frac{1}{4}, \frac{1}{8}]$ التي تم إثباتها رياضياً في القسم 2.2. تُكتب هذه الصيغة المدمجة في الخلية المقابلة للفترة الثالثة (الخلية C4 مباشرة في حال عدم استخدام أعمدة مساعدة) كالتالي:

=(0.5*B2 + B3 + B4 + B5 + 0.5*B6) / 4

أو بصيغتها الكسرية المكافئة:

=(B2 + 2*B3 + 2*B4 + 2*B5 + B6) / 8

تؤدي هذه الصيغة المدمجة إلى نفس النتيجة الرقمية بدقة مطلقة، وتوفر مساحة العمل، وتسرع من وتيرة المعالجة الحسابية في المشروعات التحليلية الكبرى.

6.3 تطبيق نموذج التمركز السنوي المركزي المزدوج (12 فترة للبيانات الشهرية)

يعد نموذج التمركز المزدوج لاثنتي عشرة فترة ($2 \times 12\text{ CMA}$) المعيار الإحصائي الدولي الأكثر استخداماً لتحليل السلاسل الزمنية الاقتصادية والسلوكية الشهرية، مثل حساب معدلات البطالة، والتضخم، وحجم المبيعات السنوية. وتكمن أهمية هذا النموذج في أن نافذة الـ 12 شهراً تغطي دورة سنوية تقويمية كاملة، مما يؤدي إلى إبطال وتحييد كافة التأثيرات الموسمية المتكررة (كزيادة المبيعات في شهر رمضان أو موسم الأعياد، وتراجعها في أشهر الصيف).

لتطبيق هذا النموذج في إكسيل، يتم أولاً حساب المتوسط الأولي غير المتمركز لدورة 12 شهراً كاملة عبر كتابة الصيغة التالية في الخلية المقابلة للشهر السادس أو السابع في العمود المساعد (افتراضاً في الخلية C7 لبدء البيانات في B2):

=AVERAGE(B2:B13)

هذا النطاق يمتد من الشهر الأول وحتى الشهر الثاني عشر، ويقع مركزه الهندسي عند النقطة $6.5$. يتم بعد ذلك سحب المعادلة لأسفل حتى نهاية السلسلة لحساب متوسطات النوافذ السنوية المتتابعة.

تتمثل المرحلة الحاسمة في خطوة التمركز الثانوي (العمود D)، حيث يتم حساب متوسط كل قيمتين متعاقبتين من العمود المساعد لإعادة محاذاة البيانات، وتسقط أول قيمة متمركزة نهائية بدقة رياضية في الخلية المقابلة لـ الشهر السابع من السنة الأولى (الصف 8 إذا بدأت التواريخ من الصف 2). وتكون الصيغة في الخلية D8 كالتالي:

=AVERAGE(C7:C8)

وبذلك يفقد النموذج بدقة 6 أشهر في بداية السلسلة (من الشهر الأول إلى الشهر السادس)، ويفقد بالتناظر 6 أشهر كاملة في نهاية السلسلة. هذا النموذج يوفر للمؤسسات وصناع القرار خط اتجاه نقي تماماً من العوامل الموسمية، مما يسمح بتقييم الأداء الحقيقي للسياسات والبرامج عبر فترات زمنية ممتدة وموثوقة إحصائياً.

7. صياغة المعادلات المتقدمة وأتمتة العمليات في إكسيل

7.1 توظيف الدوال الديناميكية مثل OFFSET و INDEX لحساب المتوسط المتحرك

على الرغم من كفاءة الصيغ التقليدية لدالة AVERAGE، إلا أنها تظل معادلات استاتيكية تتطلب تعديلاً يدوياً وإعادة كتابة لكل نطاق عند الرغبة في تغيير طول نافذة التنعيم ($k$). للتغلب على هذا القيد، يوفر إكسيل دوال مرجعية ديناميكية متقدمة تتيح أتمتة العملية بالكامل، وفي مقدمتها دالة OFFSET. تُمكننا هذه الدالة من تشييد نطاق متحرك يتمدد وينحرف تلقائياً استناداً إلى معطيات عددية خارجية يتم إدخالها في خلية تحكم مستقلة.

لحساب متوسط متحرك مركزي فردي باستخدام دالة OFFSET للخلية الحالية (بافتراض أن الخلية المستهدفة هي B4، وأن طول الفترة $k$ مدون في الخلية $F$1)، يمكن صياغة المعادلة كالتالي:

=AVERAGE(OFFSET(B4, -($F$1-1)/2, 0, $F$1, 1))

تعمل هذه المعادلة ببراعة على تحديد نقطة بداية النطاق بالرجوع للأعلى مسافة متناظرة قدرها $m = (k-1)/2$، ثم اقتطاع نافذة عمودية يبلغ ارتفاعها الإجمالي $k$ صفاً، وتطبيق المتوسط عليها تلقائياً. يؤدي تغيير القيمة في الخلية F1 من 3 إلى 5 أو 7 إلى تحديث حسابات العمود بأكمله فوراً ودون الحاجة لتعديل يدوي.

ومع ذلك، يعيب دالة OFFSET أنها من “الدوال المتقلبة” (Volatile Functions) التي تعيد حساب نفسها مع أي حركة أو تعديل يحدث داخل ورقة العمل، مما يسبب بطئاً ملحوظاً في السلاسل الزمنية الضخمة التي تحتوي على مئات الآلاف من الصفوف. هنا تبرز دالة INDEX كبديل غير متقلب وأكثر كفاءة برمجياً لبناء نطاقات ديناميكية سريعة لا تثقل ذاكرة المعالج، حيث يمكن صياغة نطاق متوسط متناظر بين قيمتين يحددهما موقع الفهرس بدقة متناهية، مما يضمن أداءً فائق السرعة واستقراراً حسابياً تاماً في النماذج الإحصائية المعقدة.

7.2 الاستفادة من الدوال الحديثة (LET و LAMBDA و Dynamic Arrays)

أحدثت التحديثات الأخيرة في محرك حسابات مايكروسوفت إكسيل، لا سيما في إصدارات Microsoft 365، ثورة حقيقية في معالجة السلاسل الزمنية عبر تقديم دوال مصفوفية متطورة تمكن المحلل من التخلي نهائياً عن سحب الصيغ يدوياً. تأتي في طليعة هذه الأدوات دالة LET التي تتيح تعريف متغيرات وسيطة وتخزين الحسابات المعقدة بداخلها لمرة واحدة، مما يمنع تكرار العمليات الحسابية داخل نفس المعادلة ويزيد من وضوح الكود الإحصائي وسرعة تنفيذه.

يمكن للمحلل المتخصص الذهاب إلى أبعد من ذلك وبناء “دالة مخصصة” تماماً باستخدام دالة LAMBDA، وتسميتها في مدير الأسماء (Name Manager) باسم CENTRAL_MA. تقوم هذه الدالة بأخذ نطاق البيانات وحجم النافذة كمدخلات، وتقوم بتطبيق الخوارزمية داخلياً، سواء كانت فردية متناظرة أو تمركزاً مزدوجاً للفترات الزوجية، لتعيد للمستخدم مصفوفة مخرجات كاملة ومكتملة بضغطة زر واحدة ودون كتابة أي كود برمجي بلغة VBA.

تكتمل هذه المنظومة البرمجية المتقدمة بتوظيف صيغ المصفوفات الديناميكية (Dynamic Arrays) عبر دوال مثل MAP أو BYROW مع LAMBDA. من خلال كتابة معادلة مصفوفية واحدة في الخلية الأولى من عمود المتوسط، تتدفق المخرجات المحسوبة وتنسكب تلقائياً (Spill) إلى أسفل العمود على طول السلسلة الزمنية الحية. وفي حال تدفق بيانات جديدة أو تحديث جدول الإدخال، يتمدد عمود النتائج آنياً وديناميكياً ليعكس التحديثات دون أي تدخل بشري، مما يوفر بيئة أتمتة كاملة تواكب أحدث معايير هندسة البيانات الحديثة.

7.3 معالجة القيم الطرفية والأخطاء باستخدام دالة IFERROR و IF

في بيئات الأعمال الاحترافية وإعداد التقارير الإحصائية التنفيذية، يُعد ظهور قيم الأخطاء التلقائية مثل #VALUE! أو #N/A أو #REF! عند أطراف السلاسل الزمنية مظهراً غير مقبول يقلل من جودة العمل ويعيق استكمال التحليلات الرسومية والجدولية. تنشأ هذه الأخطاء الطرفية بصورة طبيعية نتيجة محاولة الدوال الحسابية استدعاء خلايا تقع خارج نطاق الجدول الفعلي عند محاولة تنعيم الفترات الأولى أو الأخيرة التي تفتقر للمشاهدات الكافية.

لتنظيف ورقة العمل وضمان سلامتها التنسيقية، يجب تغليف الصيغ الحسابية المتقدمة بدوال الفحص والحماية المنطقية، وعلى رأسها دالة IFERROR ودالة IF المشروطة. تتيح دالة IFERROR التقاط أي خطأ برمجي ناتج عن تجاوز حدود السلسلة واستبداله بقيمة خالية (Null) يُعبر عنها بعلامتي تنصيص متتاليتين ""، أو بقيمة مخصصة، مما يضمن بقاء أطراف الأعمدة نظيفة وخالية من الرموز المشوهة دون المساس بالقيم الحسابية الصحيحة.

تتمثل المقاربة الأكثر دقة ورصانة إحصائياً في بناء شروط منطقية صارمة باستخدام دالة IF للتحقق المسبق من توفر عدد كافٍ من الصفوف قبل الخلية الحالية وبعدها قبل الشروع في حساب المتوسط. يمكن صياغة هذا الشرط بالتحقق من رقم الصف الحالي باستخدام دالة ROW()، ومقارنته بإجمالي عدد المشاهدات باستخدام دالة COUNT(). إذا تبين للمعادلة أن الخلية تقع ضمن النطاق الحرج لأطراف السلسلة المفقودة ($m$ في البداية أو النهاية)، تُرجع الدالة تلقائياً قيمة فارغة، مما يحول تماماً دون حساب متوسطات مبتورة أو مشوهة ويحافظ على الصرامة الرياضية للنموذج.

8. التمثيل البصري البياني للمتوسط المتحرك المركزي في إكسيل

8.1 إدراج المخطط الخطي المركب (Combo Chart) وتنسيق السلاسل

يمثل التمثيل البياني الخطوة التتويجية لتحليل السلاسل الزمنية، حيث يتيح للمحلل وصناع القرار استيعاب مسار الظاهرة واكتشاف الأنماط المعقدة بلمحة بصرية واحدة. لتجسيد مخرجات المتوسط المتحرك المركزي بكفاءة داخل إكسيل، يُعد المخطط الخطي (Line Chart) أو المخطط الخطي المركب (Combo Chart) الأداة المثالية لعرض التفاعل بين البيانات الخام غير المعالجة ومسار الاتجاه الممهد المتمركز على رسم بياني موحد.

تتطلب الخطوة الأولى تحديد نطاقات الأعمدة الثلاثة الرئيسية بدقة: عمود الفترة الزمنية أو التواريخ (ليكون المحور الأفقي الأفقي X-Axis)، وعمود البيانات الأصلية الفعلية، وعمود المتوسط المتحرك المركزي النهائي. يتم بعد ذلك الانتقال إلى تبويب “إدراج” (Insert) واختيار المخطط الخطي ثنائي الأبعاد المناسب. يبرز هذا المخطط كلاً من السلسلتين في نفس الفضاء الإحداثي، مما يسمح بمقارنة بصرية مباشرة لسلوك البيانات عبر الزمن.

لضمان التمييز البصري وسهولة القراءة الإحصائية، يجب ضبط التنسيق اللوني والنمطي للسلاسل بعناية فائقة؛ حيث يُنصح بتنسيق خط البيانات الأصلية بلون هادئ أو خافت (كالرمادي الفاتح أو الأزرق الهادئ) مع خط رفيع متقطع أو مع إظهار نقاط البيانات الفردية (Markers) لتوضيح التقلبات اللحظية الحادة. وفي المقابل، يُنسق خط المتوسط المتحرك المركزي بخط عريض، متصل، ولون بارز ومميز (كالأحمر الداكن أو البرتقالي القوي) وبدون علامات إرشادية نقطية، مما يمنحه وزناً بصرياً يوجه عين القارئ فوراً نحو المسار الهيكلي العام للظاهرة دون التشتت بالضوضاء المحيطة.

8.2 معالجة انقطاع الخطوط البيانية عند الأطراف في الرسم البياني

تواجه عملية التمثيل البصري للمتوسط المتحرك المركزي عقبة تقنية شهيرة داخل برنامج إكسيل، تتمثل في كيفية تعامل البرنامج مع الخلايا الفارغة الواقعة في بداية عمود المتوسط ونهايته؛ ففي كثير من الإعدادات الافتراضية، يقوم إكسيل بمعاملة الخلايا الفارغة أو الناتجة عن صيغ نصية مثل "" كقيم صفرية، مما يؤدي إلى هبوط كارثي لخط المتوسط المركزي ليرتطم بالمحور الأفقي الصفر في بداية الرسم البياني ونهايته، وهو ما يشوه الشكل العام للمخطط ويعطي انطباعاً مضللاً بانهيار الظاهرة المقاسة.

لتصحيح هذا التشويه البصري وضمان الاحترافية، يجب ضبط خيارات معالجة الخلايا الفارغة في المخطط باتباع الخطوات التالية:

• النقر بزر الفأرة الأيمن على المخطط واختيار “تحديد البيانات” (Select Data).
• النقر على زر “الخلايا المخفية والفارغة” (Hidden and Empty Cells) الموجود في أسفل نافذة الحوار.
• تحديد خيار “إظهار الخلايا الفارغة كفجوات” (Show empty cells as: Gaps).

يضمن هذا الخيار توقف خط المتوسط المركزي بنعومة عند أول وآخر نقطة تم حسابها فعلياً، مع ترك فراغ بصري أنيق عند الأطراف يعكس بصدق حقيقة الفقد الإحصائي الطبيعي للنوافذ المتناظرة.

توجد حيلة رياضية احترافية أخرى تتمثل في إرجاع الخطأ الإحصائي #N/A عبر الدالة NA() في الخلايا الطرفية بدلاً من تركها فارغة تماماً؛ حيث يمتلك محرك الرسوم البيانية في إكسيل ميزة مدمجة تتجاهل قيم #N/A تلقائياً وتتجاوزها دون إسقاط المنحنى إلى الصفر. ومع ذلك، يظل استخدام الفجوات (Gaps) هو الخيار الأفضل للحفاظ على النقاء التنسيقي لجدول البيانات الخام وتجنب ظهور رموز الخطأ أمام المراجعين.

8.3 التفسير الإحصائي للمخطط البياني واستخلاص الاتجاهات

بمجرد اكتمال المخطط وتنسيقه، تبدأ مرحلة القراءة والتفسير الإحصائي للمخرجات البصرية؛ حيث يتيح التباين بين الخط الخام المتقلب والخط الممهد للمتوسط المركزي تفكيك سلوك السلسلة واستخلاص استنتاجات استراتيجية متقدمة. يرى المحلل بوضوح تام كيف يمر خط المتوسط عبر منتصف التقلبات العشوائية، متصرفاً كمحور جاذبية تدور حوله البيانات اليومية أو الشهرية، مما يثبت نجاح المرشح الخطي في تصفية الضوضاء المؤقتة.

تتمثل الفائدة التحليلية الكبرى في القدرة على تحديد “نقاط الانعطاف الهيكلية” (Structural Turning Points) بدقة متناهية؛ فبفضل التناظر والغياب الكامل للإزاحة الطورية في المتوسط المركزي، تتطابق ذروة المنحنى الممهد وقاعه تماماً مع التوقيت الحقيقي لحدوث التحول الاقتصادي أو السلوكي في السلسلة. هذا يمنح المحللين ميزة تفوق حاسمة مقارنة بالمتوسطات البسيطة التي تؤخر إظهار هذه القمم والقيعان لفترات قد تؤدي إلى اتخاذ قرارات متأخرة أو خاطئة في إدارة الأزمات.

كذلك يوفر المخطط رؤية ثاقبة لتقييم حجم ونمط “المركب الموسمي”؛ حيث يعكس مقدار الفجوة الرأسية بين خط البيانات الفعلية وخط المتوسط المركزي حجم التأثير الموسمي والعشوائي عند كل نقطة زمنية. فإذا كانت القيمة الفعلية تعلو خط المتوسط بمقدار ثابت في فصل معين عبر سنوات متتالية، فإن هذا التباعد يقدم دليلاً بيانياً قاطعاً على وجود أثر موسمي إيجابي منتظم، وهو المدخل الأساسي لحساب الأرقام القياسية الموسمية (Seasonal Indices) وإجراء التعديل الموسمي الكامل للسلسلة.

9. الأخطاء الشائعة واستراتيجيات استكشاف الأخطاء وتصحيحها

9.1 أخطاء تثبيت النطاقات واستخدام علامة الدولار ($) بشكل خاطئ

يقع العديد من مستخدمي برنامج إكسيل، حتى ذوي الخبرة المتوسطة منهم، في خطأ كارثي يتعلق بخلط مفاهيم المراجع المطلقة (Absolute References) والمراجع النسبية (Relative References) أثناء كتابة صيغ المتوسطات المتحركة. يتمثل هذا الخطأ في الاستخدام غير الواعي لرمز علامة الدولار ($) لتثبيت نطاق الخلايا، كأن يكتب المحلل الصيغة في الخلية الأولى بالشكل التالي: =AVERAGE($B$2:$B$4).

عند سحب هذه الصيغة لأسفل العمود، يظل النطاق مقفولاً ومقيداً بصورة جامدة على الخلايا الثلاث الأولى فقط، مما يؤدي إلى تكرار نفس النتيجة العددية في كافة صفوف الجدول. إن جوهر المتوسط المتحرك يكمن في كلمة “متحرك”؛ فالنافذة الإحصائية يجب أن تتحرك رأسياً خطوة بخطوة مع كل صف، وهو ما يقتضي كتابة مراجع الصفوف بصيغة حرة ونسبية بالكامل (B2:B4) دون أي علامات تثبيت، لتتحول تلقائياً إلى B3:B5 ثم B4:B6 عند السحب الرأسي.

تقتصر الحاجة لتثبيت المراجع بعلامة الدولار فقط عند الإشارة إلى خلايا المعاملات الثابتة الخارجية المنفصلة عن الجدول؛ مثل الإشارة إلى خلية تحتوي على حجم الفترة ($k$) كما في دوال OFFSET (مثل $F$1)، أو أوزان التمركز المحددة في جدول منفصل. يجب على الباحث دائماً فحص شريط الصيغ (Formula Bar) لعدة خلايا متعاقبة بعد عملية التعبئة التلقائية للتأكد البصري من أن نطاق الخلايا يتحرك بسلاسة وتناظر حول كل صف مستهدف.

9.2 خطأ إزاحة نقطة التمركز وتداعياته على تفسير السلسلة

يعد الخطأ الأكثر فداحة في تحليل السلاسل الزمنية هو الفشل في محاذاة قيمة المتوسط مع المركز الحسابي الصحيح للنافذة، وإدراج الناتج بالخطأ في السطر المقابل للفترة الأولى أو الفترة الأخيرة من النافذة. فعلى سبيل المثال، يقوم بعض الممارسين بحساب متوسط الخلايا B2:B4 وإدراج النتيجة في الخلية C2 (الفترة الأولى) أو C4 (الفترة الثالثة) بدلاً من موضعها الحقيقي في الخلية المركزية C3 (الفترة الثانية).

يؤدي هذا الخلل الإسنادي إلى إحداث ظاهرة الإزاحة الطورية المصطنعة (Induced Phase Shift)؛ فإذا وُضعت القيمة في الخلية الأولى، ينحرف المنحنى الإحصائي بأكمله نحو اليسار متقدماً بشكل زائف على زمنه الواقعي، وإذا وُضعت في الخلية الأخيرة، ينحرف المنحنى نحو اليمين متأخراً عن زمنه الحقيقي كما يحدث في المتوسطات البسيطة التقليدية. يترتب على هذا التشويه انهيار كامل لقيمة المتوسط المركزي التزامنية، وفقدان ميزته الجوهرية في تحديد التوقيت الدقيق للأحداث ونقاط الانقلاب.

لتجنب هذا الخطأ المنهجي والتحقق من سلامة البنية الحسابية، يجب تبني بروتوكول تدقيق قياسي صارم يقوم على المعادلة المرجعية لموقع الصف: في أي فترة فردية بحجم $k$، فإن أول صف يُسمح بإدخال المعادلة فيه داخل إكسيل يجب أن يساوي بالضرورة:

$$\text{Start Row} = \text{Data Start Row} + \frac{k – 1}{2}$$

فإذا بدأت البيانات في الصف 2 وكانت الفترة خماسية ($k = 5$)، فإن أول خلية صحيحة حتماً هي:

$$2 + (5 – 1)/2 = 2 + 2 = \text{Row } 4$$

إن الالتزام بهذه الصيغة الرياضية يمنع تماماً أي انزلاق غير مقصود لنقطة التمركز داخل ورقة العمل.

9.3 تضمين الخلايا النصية أو الخلايا الفارغة دون قصد

تتعامل دالة AVERAGE الكلاسيكية في برنامج إكسيل مع أنواع البيانات وفق خوارزمية ذكية ولكنها قد تنطوي على مخاطر إحصائية إذا لم تُفهم جيداً؛ فالدالة تقوم بحساب المتوسط للأرقام فقط، مع التجاهل التام والتلقائي للخلايا التي تحتوي على نصوص أو الخلايا الفارغة تماماً من عملية الجمع والعد. فإذا كانت النافذة المحددة تشمل ثلاث خلايا، ولكن إحداها فارغة أو تحتوي على نص توضيحي، فإن دالة AVERAGE ستقوم بقسمة مجموع الخليتين الباقيتين على 2 وليس على 3.

يؤدي هذا السلوك التلقائي إلى تدمير مفهوم “المتوسط المتحرك ذو النافذة الثابتة”؛ حيث يتغير حجم العينة الفعلي للنافذة من 3 إلى 2 بصورة خفية دون أن يصدر إكسيل أي رسالة تنبيه أو خطأ. تصبح القيمة الناتجة معبرة عن فترة زمنية مبتورة ومختلفة في الوزن الإحصائي، مما يخل بتجانس السلسلة الممهدة بالكامل. يزداد هذا الخطر تفاقماً إذا تم استبدال القيمة المفقودة برقم صفر؛ إذ سيقوم إكسيل هنا باحتساب الصفر كقيمة رقمية، وقسمة المجموع على 3، مما يتسبب في هبوط مفاجئ ومضلل لمنحنى المتوسط.

لاستكشاف هذه الأخطاء ومعالجتها، يوفر إكسيل منظومة متكاملة لتدقيق المعادلات عبر تبويب “صيغ” (Formulas) وأدوات تدقيق الصيغ (Formula Auditing). يمكن استخدام أداة “تتبع السوابق” (Trace Precedents) لرسم أسهم بصرية زرقاء توضح الخلايا الدقيقة المغذية لكل متوسط، والتأكد من عدم احتوائها على نصوص أو انقطاعات. كما يُنصح باستخدام دالة ISNUMBER للتحقق المسبق من أن كافة الخلايا المشمولة في النطاق هي أرقام قياسية فعلية مكتملة البنية، مما يضمن ثبات حجم النافذة ومصداقية التقدير الإحصائي.

10. دراسة حالة تطبيقية متكاملة ومقارنة المخرجات الإحصائية

10.1 بناء نموذج عملي شامل لسلسلة زمنية كاملة

لترسيخ المفاهيم ودمج المراحل الرياضية والتطبيقية السابقة في إطار عملي واقعي وموحد، نستعرض فيما يلي دراسة حالة تطبيقية شاملة مبنية على سلسلة زمنية تتبعية تمتد على مدار 12 فترة زمنية متتالية (تمثل مؤشراً للأداء الفصلي أو الشهري). سنقوم بتطبيق وتوثيق حسابات نوعين رئيسيين من المتوسطات المركزية جنباً إلى جنب: المتوسط المتحرك المركزي لفترة فردية ($k = 3$)، والمتوسط المتحرك المركزي المزدوج لفترة زوجية ($2 \times 4\text{ CMA}$).

فيما يلي الجدول التطبيقي المتكامل الذي يوضح البيانات الخام، والمعادلات الرياضية الدقيقة المطبقة في كل خلية، والمخرجات الرقمية النهائية المحسوبة بدقة متناهية:

الصف في إكسيل	الفترة ($t$)	القيمة الفعلية ($Y_t$)	صيغة المتوسط المركزي (3 فترات)	الناتج (3-CMA)	صيغة المتوسط الأولي (4 فترات)	صيغة التمركز النهائي ($2 \times 4\text{ CMA}$)	الناتج النهائي ($2 \times 4$)
2	1	120	غير متاح (فقد طرفي)	–	غير متاح	غير متاح (فقد طرفي)	–
3	2	135	=AVERAGE(B2:B4)	131.67	=AVERAGE(B2:B5) (يمثل 2.5) [136.25]	غير متاح (فقد طرفي)	–
4	3	140	=AVERAGE(B3:B5)	141.67	=AVERAGE(B3:B6) (يمثل 3.5) [143.75]	=AVERAGE(F3:F4)	140.00
5	4	150	=AVERAGE(B4:B6)	145.00	=AVERAGE(B4:B7) (يمثل 4.5) [141.25]	=AVERAGE(F4:F5)	142.50
6	5	145	=AVERAGE(B5:B7)	141.67	=AVERAGE(B5:B8) (يمثل 5.5) [140.00]	=AVERAGE(F5:F6)	140.63
7	6	130	=AVERAGE(B6:B8)	143.33	=AVERAGE(B6:B9) (يمثل 6.5) [147.50]	=AVERAGE(F6:F7)	143.75
8	7	155	=AVERAGE(B7:B9)	150.00	=AVERAGE(B7:B10) (يمثل 7.5) [152.50]	=AVERAGE(F7:F8)	150.00
9	8	165	=AVERAGE(B8:B10)	160.00	=AVERAGE(B8:B11) (يمثل 8.5) [157.50]	=AVERAGE(F8:F9)	155.00
10	9	160	=AVERAGE(B9:B11)	158.33	=AVERAGE(B9:B12) (يمثل 9.5) [156.25]	=AVERAGE(F9:F10)	156.88
11	10	150	=AVERAGE(B10:B12)	160.00	=AVERAGE(B10:B13) (يمثل 10.5) [158.75]	=AVERAGE(F10:F11)	157.50
12	11	170	=AVERAGE(B11:B13)	165.00	غير مكتمل	غير متاح (فقد طرفي)	–
13	12	175	غير متاح (فقد طرفي)	–	غير مكتمل	غير متاح (فقد طرفي)	–

يوضح هذا النموذج العملي بدقة متناهية كيف تمت معالجة كل مرحلة؛ حيث تم حساب المتوسط الثلاثي مباشرة مع ترك الخلية الأولى والأخيرة فارغتين، في حين تطلب النموذج الرباعي عموداً وسيطاً (العمود F في إكسيل) تم حساب متوسط قيمه في العمود اللاحق لإسقاط النتيجة بدقة بالغة تبدأ من الفترة الثالثة، مما يجسد التطبيق الاحترافي المتكامل للمفاهيم الرياضية داخل بيئة العمل.

10.2 المقارنة الرياضية والتحليلية بين النماذج المختلفة

تكشف القراءة الإحصائية المعمقة للأرقام الواردة في جدول دراسة الحالة عن اختلافات جوهرية في السلوك الديناميكي لكل مرشح؛ فعند حساب الانحراف المعياري (Standard Deviation) والتباين للسلسلة الأصلية ومقارنتهما بسلاسل المتوسطات، نلاحظ انخفاضاً منهجياً في مقاييس التشتت يعكس مقدار التنعيم المتحقق. فقد بلغ تشتت السلسلة الأصلية أعلى مستوياته نتيجة التقلبات الحادة (مثل القفزة بين الفترتين 6 و 7 من 130 إلى 155)، بينما قام المتوسط الثلاثي بتخفيف حدة هذه القفزة، وقدم المتوسط الرباعي المتمركز مساراً أكثر ثباتاً واتزاناً يعكس اتجاهاً عاماً صاعداً بسلاسة من المستوى 140 إلى 157.5.

تتجلى الفروق الرياضية بوضوح أيضاً في حجم فقدان البيانات عند الأطراف؛ ففي المتوسط الفردي الثلاثي ($k = 3$)، اقتصر الفقد على نقطتين فقط (الفترة 1 والفترة 12)، محتفظاً بـ 10 مشاهدات ممهدة من أصل 12 (أي بنسبة استبقاء بلغت $83.3%$). وفي المقابل، تطلب التمركز المزدوج الرباعي ($2 \times 4\text{ CMA}$) التضحية بأربع نقاط كاملة؛ نقطتين في البداية (الفترات 1 و 2) ونقطتين في النهاية (الفترات 11 و 12)، محتفظاً بـ 8 مشاهدات ممهدة فقط (بنسبة استبقاء بلغت $66.7%$).

يوضح هذا التحليل المقارن أن النموذج الزوجي ($2 \times 4$)، على الرغم من فقده لعدد أكبر من المشاهدات الطرفية، كان الأكثر كفاءة وملاءمة إذا كانت هذه البيانات تمثل فصولاً سنوية؛ حيث نجح في امتصاص الانخفاض الفصلي الحاد في الفترة 6 وعزل القمة المؤقتة في الفترة 8، مظهراً النمط الكامن الحقيقي لنمو المتغير قيد الدراسة. أما المتوسط الثلاثي، فقد كان أكثر قرباً واستجابة للمسار اللحظي، مما يجعله ملائماً عند الرغبة في تتبع التحركات قصيرة الأجل دون إلغاء تام للخصائص الفصلية.

10.3 إرشادات نهائية وأفضل الممارسات للتوثيق والتقرير الأكاديمي

يتطلب إعداد التقارير الإحصائية والأوراق البحثية الرصينة توثيقاً منهجياً صارماً للخطوات الحسابية المتبعة في إكسيل لضمان قابلية إعادة الإنتاج والتحقق العلمي (Reproducibility). يجب على الباحث أن يضمن في ملاحق دراسته بياناً واضحاً يحدد طول النافذة الزمنية المختارة ($k$) ومبررات اختيارها بناءً على دورية البيانات، مع ذكر ما إذا كان المتوسط فردياً متناظراً أو تمركزاً مزدوجاً ($2 \times k$)، وتوضيح الصيغ الرياضية الدقيقة ومصفوفة الأوزان المطبقة بالتفصيل.

عند تصدير المخرجات الجداولية والمخططات البيانية من برنامج إكسيل إلى برمجيات تحرير النصوص الأكاديمية (مثل Microsoft Word أو أنظمة LaTeX)، يجب تجنب النسخ العشوائي البسيط بصيغة صور منخفضة الجودة؛ بل يُفضل نسخ المخططات كرسوم متجهة مدعومة (Enhanced Metafile أو كائنات مدمجة) لضمان بقاء الخطوط والرموز واضحة تماماً بأعلى درجات الدقة عند الطباعة. كما يجب أن تتضمن الجداول هوامش توضيحية سفلية تشير بدقة إلى أسباب غياب القيم عند الفترات الطرفية لحماية البحث من أي لبس إحصائي.

أخيراً، ولضمان استدامة النموذج الرقمي المطور في إكسيل، يُوصى بتحويل نطاق البيانات إلى جدول إكسيل رسمي (Excel Table) عبر الضغط على Ctrl + T؛ حيث تتميز جداول إكسيل بخاصية “الأعمدة المحسوبة التلقائية” (Calculated Columns) التي تضمن تمدد الصيغ ونطاقات التسمية ذاتياً بمجرد إدراج فترات زمنية جديدة في المستقبل. يتيح هذا النهج المهني تحديث المتوسطات المركزية والمخططات المرتبطة بها بصورة فورية ومستمرة، مما يضمن استمرارية النموذج وجاهزيته لدعم التحليلات الدورية واتخاذ القرارات الاستراتيجية المبنية على البيانات.

الخاتمة

يمثل المتوسط المتحرك المركزي أداة لا غنى عنها في جعبة محللي السلاسل الزمنية؛ فهو الجسر المنهجي الذي يعبر بالبيانات من ضجيج التقلبات العشوائية والموسمية إلى نقاء الاتجاه العام الكامن. وكما تم تفصيله عبر محاور هذا الدليل، فإن القوة الحقيقية لهذه الأداة تنبع من التزامها بالتناظر الرياضي الصارم الذي يلغي تماماً خطأ الإزاحة الطورية ويحافظ على التزامن الزمني للأحداث، متفوقاً بذلك على المتوسطات المتحركة التقليدية البسيطة في مجالات التحليل الوصفي والاسترجاعي.

لقد أثبت برنامج مايكروسوفت إكسيل قدرة هائلة ومرونة بالغة في استيعاب وتطبيق هذه النماذج بمختلف درجات تعقيدها؛ بدءاً من الدوال القياسية البسيطة للفترات الفردية، مروراً بتقنية التمركز المزدوج الحيوية للفترات الزوجية، ووصولاً إلى الدوال المصفوفية الحديثة التي تتيح الأتمتة الكاملة للنماذج. إن الإلمام بهذه المهارات والتحوط من أخطاء المراجع النسبية والخلل في مواقع التمركز يمنح المحلل والباحث أساساً إحصائياً صلباً لبناء تقارير موثوقة ومخططات بيانية معبرة ترتقي بجودة البحوث والقرارات المؤسسية.

المراجع

• Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. https://otexts.com/fpp3/
• National Institute of Standards and Technology. (2012). NIST/SEMATECH e-Handbook of Statistical Methods. U.S. Department of Commerce. https://www.nist.gov/
• Poynting, J. H. (1884). A comparison of the fluctuations in the price of wheat and in the cotton and silk imports into Great Britain. Journal of the Statistical Society of London, 47(1), 34–64.
• U.S. Census Bureau. (2017). X-13ARIMA-SEATS Reference Manual. Washington, DC: U.S. Census Bureau. https://www.census.gov/data/software/x13as.html
• Zaiontz, C. (2020). Real Statistics Using Excel. Real Statistics. https://www.real-statistics.com/