Bedrifter som nøyaktig kan prognose salg, kan med hell tilpasse fremtidige produksjonsnivåer, ressursallokering og markedsføringsstrategier for å matche nivået på forventet salg. Disse tiltakene bidrar til å optimalisere driften og maksimere fortjenesten. En regresjonsmodell prognosen verdien av en avhengig variabel - i dette tilfellet salg - basert på en uavhengig variabel. Et Excel-regneark kan enkelt håndtere denne typen ligning.
Datainnsamling
Bestem en uavhengig variabel. Anta for eksempel at selskapet produserer et produkt med salg som knytter seg tett til endringer i prisen på olje. Din erfaring er at salget stiger når oljeprisen stiger. For å sette opp regresjonen, opprett en regnearksøyle for årlig omsetning i løpet av et antall tidligere år. Opprett en ny kolonne som viser prosentandelen i årets gjennomsnittspris på olje i hvert av salgsårene. For å fortsette, trenger du Excel Analysis ToolPak, som du kan laste inn gratis ved å velge "Add-ins" på "Options" -menyen.
Kjører regresjonen
Velg "Regresjon" fra "Data Analysis" -elementet på "Data" -menyen. Merk avstanden til den uavhengige variabelen som X-aksen og den avhengige variabelen som Y-aksen. Gi et celleområde for utdata og merk av boksene for residualer. Når du trykker på "OK", beregner Excel den lineære regresjonen og viser resultatene i utgangsområdet. Regresjonen representerer en rett linje med en skråning som passer best for dataene. Excel viser flere statistikker som hjelper deg å tolke styrken av korrelasjonen mellom de to variablene.
Tolke resultatene
R-kvadrert statistikk indikerer hvor godt den uavhengige variabelprognosen salg. I dette eksemplet er R-kvadratet av olje versus salg 89,9, hvilket er prosentandelen av produktsalg forklart av prosentandringen i prisen på olje. Et hvilket som helst tall over 85 indikerer et sterkt forhold. Y-interceptet, i dette eksemplet 380.000, viser mengden produkt du vil selge hvis oljeprisen forblir uendret. Korrelasjonskoeffisienten, i dette tilfellet 15 000, indikerer at en 1 prosent økning i prisen på olje ville drive omsetningen med 15 000 enheter.
Bruke resultatene
Verdien av den lineære regresjonen avhenger av hvor godt du kan prognose den uavhengige variabelen. For eksempel kan du betale oljeindustrien analytikere for en privat prognose som forutsier en 6 prosent økning i prisen på olje i løpet av det neste året. Multipliser korrelasjonskoeffisienten med 6, og legg til resultatet - 90 000 - til Y-avspillingsbeløpet på 380 000. Svaret, 470 000, er antall enheter du sannsynligvis vil selge dersom prisen på olje økte med 6 prosent. Du kan bruke denne prediksjonen til å forberede produksjonsplanen for det kommende året. Du kan også kjøre regresjonen ved hjelp av ulike oljeprisbevegelser for å forutsi en best-og worst-case utfall. Selvfølgelig er det bare spådommer, og overraskelser er alltid mulige. Du kan også kjøre regressjoner med flere uavhengige variabler, hvis det er aktuelt.
