Įmonės, galinčios tiksliai prognozuoti pardavimus, gali sėkmingai pritaikyti būsimus gamybos lygius, išteklių paskirstymo ir rinkodaros strategijas, kad atitiktų numatomo pardavimo lygį. Šie veiksmai padeda optimizuoti operacijas ir padidinti pelną. Regresijos modelis prognozuoja priklausomo kintamojo - šiuo atveju - pardavimo vertę pagal nepriklausomą kintamąjį. „Excel“ skaičiuoklė gali lengvai valdyti šios rūšies lygtį.
Duomenų rinkimas
Nuspręskite nepriklausomą kintamąjį. Pavyzdžiui, tarkime, kad jūsų įmonė gamina produktą, kurio pardavimai yra glaudžiai susiję su naftos kainos pokyčiais. Jūsų patirtis rodo, kad pardavimai didėja, kai naftos kaina pakyla. Norėdami nustatyti regresiją, sukurkite skaičiuoklės stulpelį, skirtą metiniam pardavimui per tam tikrą ankstesnių metų skaičių. Sukurkite antrą stulpelį, kuriame nurodomas metinis vidutinės naftos kainos pokytis kiekvienais pardavimo metais. Norėdami tęsti, jums reikės „Excel“ analizės įrankių rinkinio, kurį galite įkelti nemokamai, pasirinkę „Papildiniai“ meniu „Parinktys“.
Regresijos vykdymas
Meniu „Duomenys“ esančiame elemente „Duomenų analizė“ pasirinkite „Regresija“. Pažymėkite nepriklausomo kintamojo diapazoną kaip X ašį ir priklausomo kintamojo reikšmę kaip Y ašį. Pateikite išvesties ląstelių diapazoną ir pažymėkite likusias dėžutes. Paspaudus „Gerai“, „Excel“ apskaičiuos tiesinę regresiją ir parodys rezultatus jūsų produkcijos diapazone. Regresija yra tiesi linija su šlaitu, kuris geriausiai atitinka duomenis. „Excel“ rodo kelis statistinius duomenis, padėsiančius interpretuoti dviejų kintamųjų koreliacijos stiprumą.
Rezultatų aiškinimas
R kvadrato statistika rodo, kaip gerai veikia nepriklausomas kintamasis. Šiame pavyzdyje R-kvadrato naftos kiekis, palyginti su pardavimais, yra 89,9, o tai yra procentinė produkto pardavimo dalis, kurią paaiškina naftos kainos pokytis. Bet kuris skaičius virš 85 rodo glaudų ryšį. Y-perėmimas, šiame pavyzdyje 380 000, rodo produkto kiekį, kurį parduodate, jei naftos kaina nepasikeistų. Koreliacijos koeficientas, šiuo atveju 15 000, rodo, kad 1 proc. Padidinus naftos kainą pardavimai padidėtų 15 000 vienetų.
Rezultatų naudojimas
Linijinės regresijos vertė priklauso nuo to, kaip gerai prognozuoti nepriklausomą kintamąjį. Pavyzdžiui, galite mokėti naftos pramonės analitikus už privačią prognozę, kuri ateinančiais metais numato 6 proc. Padidėjusį naftos kainą. Padauginkite koreliacijos koeficientą 6 ir pridėkite rezultatą - 90 000 - į savo Y-perėmimo sumą 380,000. Atsakymas, 470 000, yra vienetų, kuriuos galėtumėte parduoti, jei naftos kaina padidėtų 6 proc., Skaičius. Šią prognozę galite naudoti rengdami būsimų metų gamybos grafiką. Taip pat galite paleisti regresiją naudodami skirtingus naftos kainų pokyčius, kad būtų galima prognozuoti geriausius ir blogiausius atvejus. Žinoma, tai yra tik prognozės, ir visada yra staigmenų. Jei reikia, taip pat galite paleisti regresijas su keliais nepriklausomais kintamaisiais.
