会计报表的比较是将连续数期的会计报表金额并列起来，比较其相同指标的增减变动金额和幅度，据以判断企业财务状况和经营成果发展变化的一种方法。运用该方法进行比较分析时，最好是既计算有关指标增减变动的绝对值，又计算其增减变动的相对值。这样可以有效地避免分析结果的片面性。

例如：某企业利润表中反映2000年的净利润为50万元，2001年的净利润为100万元，2002年的净利润为160万元。

通过绝对值分析：2001年较2000年相比，净利润增长了100-50=50（万元）；2002年较2001年相比，净利润增长了160-100=60（万元），说明2002年的效益增长好于2001年。

而通过相对值分析：2001年较2000年相比净利润增长率为：（100-50）÷50×100%=100%；2002年较2001年相比净利润增长率为：（160-100）÷100×100%=60%。则说明2002年的效益增长明显不及2001年。

这种方式是在会计报表比较的基础上发展而来的，它是以会计报表中的某个总体指标为100%，计算出其各组成项目占该总体指标的百分比，从而来比较各个项目百分比的增减变动，以此来判断有关财务活动的变化趋势。这种方式较前两种更能准确地分析企业财务活动的发展趋势。它既可用于同一企业不同时期财务状况的纵向比较，又可用于不同企业之间的横向比较。同时，这种方法还能消除不同时期（不同企业）之间业务规模差异的影响，有利于分析企业的耗费和盈利水平，但计算较为复杂。

在采用趋势分析法时，必须注意以下问题：1、用于进行对比的各个时期的指标，在计算口径上必须一致；2、必须剔除偶发性项目的影响，使作为分析的数据能反映正常的经营状况；3、应用例外原则，对某项有显著变动的指标作重点分析，研究其产生的原因，以便采取对策，趋利避害。

趋势分析法总体上分四大类：(一）纵向分析法；(二）横向分析法；(三）标准分析法；(四）综合分析法。此外，趋势分析法还有一种趋势预测分析。

趋势预测分析运用回归分析法、指数平滑法等方法来对财务报表的数据进行分析预测，分析其发展趋势，并预测出可能的发展结果。以下先简要介绍如何运用趋势线性方程来作趋势预测分析，其它四类方法后面分别介绍。

趋势线性方程是作趋势分析时，预测销售和收益所普遍采用的一种方法。公式表示为：y=a+bx

其中：a和b为常数，x表示时期系数的值，x是由分配确定，并要使∑x=0。为了使∑x=0。当时期数为偶数或奇数时,值的分配稍有不同。

趋势分析(TrendAnalysis)最初由Trigg's提出，采用Trigg's轨迹信号(Trigg'sTrackingSignal)对测定方法的误差进行监控。此种轨迹信号可反映系统误差和随机误差的共同作用，但不能对此二者分别进行监控。其后，Cembrowski等单独处理轨迹信号中的两个估计值，使之可对系统误差和随机误差分别进行监控，其—即为“准确度趋势”(均数)指示系统—Trigg's平均数规则，其二即为反映随机误差的“精密度趋势”(标准差)指示系统—Trigg's方差卡方规则。趋势分析与传统的Shewhart控制图在表面上有类似之处，即用平均数来监测系统误差．而用极差或标准差来监测随机误差。然而，在趋势分析中，平均数(准确度趋势)和标准差(精密度趋势)的估计值是通过指数修匀(exponential smoothing)方法获得的。指数修匀要引入权数来完成计算，而测定序列的每一次测定中，后一次测定的权数较前一次为大，因此增加了对刚刚开始趋势的响应，起到了“预警”和“防微杜渐”的作用。

Trigg's轨迹信号=修匀预测误差(SFE)/平均绝对偏差(MAD)。与其有关的基本数学关系如下。

通过指数修匀获得的平均值估计值称为修匀平均数(sm—mean)。在测定序列中每一次测定的sm—mean，由公式9—1进行计算：sm—mean=a×(新的一次控制测定值)+(1—a)×(前sm—mean) (9—1)式中a是修匀系数，由控制测定值个数(N)决定，a=2/(N+1)，(0

由上述计算公式可知，最近的控制测定值由a加权，倒数第二个最近控制测定值由a(1—a)加权，倒数第三个最近控制测定值由。a(1—a)2加权，等等。若a为0.2，则最近的控制测定值的权数为0.2，按逆顺序，前面的控制测定值的权数依次为0.16，0.128等等。

对于标准差可进行类似的计算，但其计算更加复杂，因为必须首先计算新的控制测定值与平均数估计值之间的差，而该差值则被称为预测误差。

预测误差=新的控制测定值一前sm—mean (9—2)

修匀预测误差(SFE)=a×(新的预测误差)十(1—a)×(前修匀预测误差) (9—3)

预测误差通过指数修匀计算处理得出精密度估计值，称为平均绝对偏差(MAD，Mean Absolute Deviation)。

MAD=a×(新的预测误差)—(1—a)×(前MAD) (9—4)

最后可得：

轨迹信号=修匀预测误差(SFE)/平均绝对偏差(MAD)) (9—5)

一般把轨迹信号在95%和99%可信水平定为警告和失控的界限(见表9—3)。

表9—3 不同N时轨迹信号的控制限

N a 警告界限 失控界限

5 0.33 0.71 0.82

10 0.20 0.61 0.80

15 0.10 0.41 0.54

20 0.10 0.41 0.54

(Pfr=0．01。Pfr=0．002)

此规则主要用于监测系统误差，即是趋势分析中“准确度趋势分析”指示系统。在应用此规则时，最初开始计算修匀平均数(sm—mean)的“前sm—mean’，实际上即为质控物测定值的平均数(T—mean)。若最初质控物的标准差为Ts，则用此平均数规则评价质控状态时，系由质控物的平均数检验修匀平均数的估计值，而以Z-值进行检验：

Z=N(sm—mean—T—mean)/Ts （9—6)

其中Z相当于标准差的个数，与统计检验“显著性水平”有关。由Pfr确定的不同水平的Z值，即可根据公式9—6计算出Trigg's平均数规则中修匀平均数(sm—nlean)的控制限(见表9—4)。

表9—4 Trigg's平均数规则的控制限

N a 控制限

Pfr=0.01 Pfr=0.002

5 0.33 1.25（Ts） 1.38（Ts）

10 0.20 0.82（Ts） 0.98（Ts）

15 0.10 0.67（Ts） 0.79（Ts）

20 0.10 0.58（Ts） 0.69（Ts）

(Pfr=0.05；Pfr=0．01，Pfr=0．002)此规则主要用于监测随机误差，即趋势分析中“精密度趋势分析”指示系统；其中最关键的统计量为修匀标准差sm—s，sm—s的数学表达式为：

修匀标准差 (9—7)

式中的a和MAD在上面已定义。具体方法是：由卡方(X2)统计检验对修匀标准差(sm—s)估计值的显著性变化进行检验，即将“真”方差(T2s)与修匀标准差的平方(sm2s)进行比较：

X2=(sm2s/T2s)×(N－1) (9—8)

由Pfr确定在不同水平的临界卡方值(X2)并根据公式9—8计算的Trigg's方差卡方规则的控制限-见表9—5。

表9—5 Trigg's方差卡方规则的控制限

N a 控制限

Pfr=0.05 Pfr=0.01 Pfr=0.002

5 0.33 1.54（Ts） 1.82（Ts） 2.15（Ts）

10 0.20 1.37（Ts） 1.55（Ts） 1.75（Ts）

15 0.10 1.30（Ts） 1.44（Ts） 1.61（Ts）

20 0.10 1.26（Ts） 1.38（Ts） 1.52（Ts）

算数平均法适用于每月销售量波动不大的产品的销售预测加权平均法中的权数选取应该遵循“近大远小”的原则

移动平均法适用于销售量略有波动的产品预测

指数平滑法实质上是一种加权平均法