Компанії, які можуть точно прогнозувати продажі, можуть успішно коригувати майбутні рівні виробництва, розподіл ресурсів і маркетингові стратегії, щоб відповідати рівню очікуваних продажів. Ці дії допомагають оптимізувати операції та максимізувати прибуток. Модель регресії прогнозує значення залежної змінної - в даному випадку продажів - на основі незалежної змінної. Таблиця Excel може легко обробляти цей тип рівняння.
Збір даних
Визначте незалежну змінну. Наприклад, припустіть, що ваша компанія виробляє продукт з продажами, які тісно пов'язані зі змінами ціни на нафту. Ваш досвід свідчить про те, що продажі зростають, коли ціна нафти зростає. Щоб налаштувати регресію, створіть стовпець електронних таблиць для щорічних продажів за певну кількість попередніх років. Створіть другу колонку, що показує відсоткову зміну середньорічної ціни на нафту в кожному з років продажу. Щоб продовжити, вам знадобиться Excel Analysis ToolPak, який можна завантажити безкоштовно, вибравши "Add-ins" в меню "Options".
Запуск регресії
Виберіть пункт "Регресія" з пункту "Аналіз даних" в меню "Дані". Позначте діапазон незалежної змінної як вісь X, а залежну змінну як вісь Y. Дайте діапазон осередків для виводу та позначте поля для залишків. Якщо натиснути "OK", Excel буде обчислювати лінійну регресію і відображатиме результати у діапазоні вихідних даних. Регресія являє собою пряму лінію з нахилом, який найкраще відповідає даним. Excel відображає кілька статистичних даних, які допоможуть вам інтерпретувати силу кореляції між двома змінними.
Інтерпретація результатів
Статистика R-квадрата вказує на те, наскільки добре незалежні змінні прогнозують продажі. У цьому прикладі, R-квадрат нафти порівняно з продажем становить 89,9, що є відсотком продажів продукції, що пояснюється відсотковою зміною ціни на нафту. Будь-яка цифра вище 85 означає сильний зв'язок. Y-перехоплення, у цьому прикладі 380 000, показує кількість продукту, який ви б продавали, якщо ціна на нафту залишилася незмінною. Коефіцієнт кореляції, в даному випадку 15 000, вказує на те, що зростання ціни на нафту на 1% призведе до збільшення продажів на 15 000 одиниць.
Використання результатів
Значення лінійної регресії залежить від того, наскільки добре можна прогнозувати незалежну змінну. Наприклад, ви можете заплатити аналітикам нафтової промисловості приватний прогноз, який передбачає підвищення ціни на нафту на 6% протягом наступного року. Помножте коефіцієнт кореляції на 6, і додайте результат - 90,000 - до вашої Y-перехоплюючої кількості 380,000. Відповідь, 470.000, являє собою число одиниць ви певно би продали якщо ціна нафти виросла 6 процента. Ви можете скористатися цим прогнозом, щоб підготувати свій виробничий графік на наступний рік. Ви також можете запустити регресію, використовуючи різні зміни цін на нафту, щоб передбачити найкращий і найгірший результат. Звичайно, це просто прогнози, і сюрпризи завжди можливі. Можна також запускати регресії з кількома незалежними змінними, якщо це необхідно.
