Uzņēmumi, kas var precīzi prognozēt pārdošanas apjomus, var veiksmīgi pielāgot nākotnes ražošanas līmeņus, resursu piešķiršanas un mārketinga stratēģijas, lai atbilstu paredzamās pārdošanas līmenim. Šīs darbības palīdz optimizēt operācijas un palielināt peļņu. Regresijas modelis prognozē atkarīgā mainīgā - šajā gadījumā - pārdošanas vērtību, pamatojoties uz neatkarīgu mainīgo. Excel izklājlapa var viegli apstrādāt šāda veida vienādojumu.
Datu savākšana
Izlemiet par neatkarīgu mainīgo. Piemēram, pieņemsim, ka jūsu uzņēmums ražo produktu, kura pārdošanas apjomi cieši saistīti ar naftas cenu izmaiņām. Jūsu pieredze liecina, ka pārdošanas apjomi palielinās, kad naftas cena pieaug. Lai izveidotu regresiju, izveidojiet izklājlapu kolonnu ikgadējam pārdošanas apjomam vairāku iepriekšējo gadu laikā. Izveidojiet otru kolonnu, kurā redzama gada vidējās naftas cenas izmaiņas katrā pārdošanas gadā. Lai turpinātu, jums būs nepieciešama Excel analīzes rīka palete, kuru varat ielādēt bez maksas, izvēlnē "Opcijas" izvēloties "Papildinājumi".
Regresijas palaišana
Izvēlēties "Datu analīze" izvēlnē "Datu analīze" izvēlieties "Regresija". Atzīmējiet neatkarīgā mainīgā diapazonu kā X-ass un atkarīgā mainīgā kā Y-ass. Dodiet izejas šūnu diapazonu un atzīmējiet kastes atlikumiem. Nospiežot "OK", Excel aprēķinās lineāro regresiju un parādīs rezultātus jūsu izejas diapazonā. Regresija ir taisna līnija ar slīpumu, kas vislabāk atbilst datiem. Excel parāda vairākas statistikas, lai palīdzētu jums izprast korelācijas stiprumu starp diviem mainīgajiem.
Rezultātu interpretēšana
R-kvadrāta statistika norāda, cik lielā mērā neatkarīgā mainīgā prognozē pārdošanas apjomu. Šajā piemērā naftas R kvadrāts pret pārdošanu ir 89,9 procenti, kas ir procentuālais pārdošanas apjoms, ko izskaidro naftas cenas procentuālā izmaiņas. Jebkurš skaitlis virs 85 norāda uz spēcīgām attiecībām. Y-pārtveršana, šajā piemērā 380 000, parāda produkta apjomu, ko jūs varētu pārdot, ja naftas cena paliktu nemainīga. Korelācijas koeficients, šajā gadījumā 15 000, norāda, ka 1% naftas cenas pieaugums novedīs pie pārdošanas par 15 000 vienībām.
Rezultātu izmantošana
Lineārās regresijas vērtība ir atkarīga no tā, cik labi jūs varat prognozēt neatkarīgo mainīgo. Piemēram, jūs varētu maksāt naftas rūpniecības analītiķiem par privātu prognozi, kas prognozē, ka nākamā gada laikā naftas cena pieaugs par 6 procentiem. Korelācijas koeficientu reiziniet ar 6, un pievienojiet rezultātu - 90 000 - savam Y-pārtveramajam daudzumam 380,000. Atbilde, 470 000, ir vienību skaits, ko jūs varētu pārdot, ja naftas cena pieaugs par 6 procentiem. Šo prognozi var izmantot, lai sagatavotu nākamā gada ražošanas grafiku. Jūs varat arī veikt regresiju, izmantojot dažādas naftas cenu izmaiņas, lai prognozētu labāko un sliktāko rezultātu. Protams, tās ir tikai prognozes, un vienmēr ir iespējams pārsteigumi. Ja nepieciešams, varat arī palaist regresijas ar vairākiem neatkarīgiem mainīgajiem.
