Компаниите, които могат точно да прогнозират продажбите, могат успешно да приспособят бъдещите нива на производство, разпределението на ресурсите и маркетинговите стратегии, за да съответстват на нивото на очакваните продажби. Тези действия помагат за оптимизиране на операциите и увеличаване на печалбите. Регресионният модел прогнозира стойността на една зависима променлива - в този случай продажбите - въз основа на независима променлива. Една Excel таблица може лесно да се справи с този тип уравнение.
Събиране на данни
Вземете решение за независима променлива. Например, да предположим, че вашата компания произвежда продукт с продажби, които са тясно свързани с промените в цената на петрола. Вашият опит е, че продажбите нарастват, когато цената на петрола се покачва. За да настроите регресията, създайте колона за електронни таблици за годишните си продажби през предходни години. Създайте втора колона, показваща процентното изменение на средната цена на петрола за всяка година от продажбата. За да продължите, ще се нуждаете от инструмента за анализ на Excel, който можете да заредите безплатно, като изберете "Добавки" в менюто "Опции".
Управление на регресия
Изберете "Регресия" от елемента "Анализ на данните" в менюто "Данни". Отбележете обхвата на независимата променлива като Х-ос и тази на зависимата променлива като Y-оста. Дайте диапазон от клетки за изхода и маркирайте полетата за остатъци. Когато натиснете "OK", Excel ще изчисли линейната регресия и ще покаже резултатите във вашия изходен диапазон. Регресията представлява права линия с наклон, който най-добре пасва на данните. Excel показва няколко статистики, които да ви помогнат да интерпретирате силата на корелацията между двете променливи.
Интерпретиране на резултатите
Статистиката на R-квадрат показва колко добре независимата променлива прогнозира продажбите. В този пример R-квадратът на петрола спрямо продажбите е 89,9, което е процентът на продажбите на продукти, обяснен с процентното изменение на цената на петрола. Всяко число над 85 показва силна връзка. Y-пресечната точка, в този пример 380,000, показва количеството на продукта, който бихте продали, ако цената на петрола остане непроменена. Коефициентът на корелация, в този случай 15 000, показва, че еднопроцентно увеличение на цената на петрола ще доведе до увеличение на продажбите с 15 000 единици.
Използване на резултатите
Стойността на линейната регресия зависи от това колко добре можете да прогнозирате независимата променлива. Например, може да плащате на анализаторите на петролната индустрия за частна прогноза, която прогнозира 6% увеличение на цената на петрола през следващата година. Умножете коефициента на корелация с 6 и добавете резултата - 90,000 - към вашата Y-пресечна сума от 380,000. Отговорът, 470 000, е броят на единиците, които вероятно ще продавате, ако цената на петрола се повиши с 6%. Можете да използвате тази прогноза, за да подготвите производствения си график за следващата година. Можете също така да използвате регресията, като използвате различни движения на цената на петрола, за да предскажете най-добрия и най-лошия изход. Разбира се, това са само прогнози, а изненадите винаги са възможни. Можете също така да изпълнявате регресии с множество независими променливи, ако е необходимо.
