Компаније које могу тачно да прогнозирају продају могу успешно да прилагоде будуће нивое производње, алокацију ресурса и маркетиншке стратегије како би се ускладили са нивоом очекиване продаје. Ове акције помажу у оптимизацији пословања и максимизирању профита. Регресиони модел предвиђа вредност зависне варијабле - у овом случају продаје - на основу независне варијабле. Екцелова табела може лако да се носи са овом врстом једначине.
Прикупљање података
Одлучите се о независној варијабли. На пример, претпоставимо да ваша компанија производи производ са продајом која је уско повезана са променама цене нафте. Ваше искуство је да продаја расте када цена нафте расте. Да бисте подесили регресију, креирајте колону за табеларне прорачуне за годишњу продају у неком броју претходних година. Направите другу колону која показује процентуалну промену просечне цене нафте у односу на претходну годину у свакој продаји. Да бисте наставили, требат ће вам Екцел Аналисис ТоолПак, који можете бесплатно учитати одабиром "Адд-инс" у изборнику "Оптионс".
Покретање регресије
Изаберите "Регресија" из ставке "Анализа података" у менију "Подаци". Означите опсег независне променљиве као Кс-осу и ону зависне променљиве као И-осу. Дајте опсег ћелија за излаз и означите поља за остатке. Када притиснете "ОК", Екцел ће израчунати линеарну регресију и приказати резултате у вашем излазном опсегу. Регресија представља равну линију са нагибом који најбоље одговара подацима. Екцел приказује неколико статистичких података који ће вам помоћи да интерпретирате снагу корелације између ове две променљиве.
Тумачење резултата
Р-квадрат статистика показује колико добро независна варијабла предвиђа продају. У овом примеру, Р-квадрат нафте у односу на продају је 89,9, што је проценат продаје производа објашњен процентуалном променом цене нафте. Било који број изнад 85 означава јаку везу. И-интерцепт, у овом примјеру 380.000, показује количину производа коју бисте продали да је цијена нафте остала непромијењена. Коефицијент корелације, у овом случају 15.000, указује да би повећање цене нафте од 1% довело до повећања продаје за 15.000 јединица.
Коришћење резултата
Вредност линеарне регресије зависи од тога колико добро можете прогнозирати независну варијаблу. На примјер, аналитичарима нафтне индустрије можете платити приватну прогнозу која предвиђа повећање цијене нафте за 6 посто у наредној години. Помножите коефицијент корелације са 6, и додајте резултат - 90,000 - вашој И-пресјеци од 380,000. Одговор, 470.000, је број јединица које бисте вјероватно продали ако би цијена нафте порасла за 6 посто. Можете користити ово предвиђање да припремите свој план производње за наредну годину. Такођер можете покренути регресију користећи различите кретања цијена нафте да бисте предвидјели најбољи и најгори исход. Наравно, ово су само предвиђања, а изненађења су увијек могућа. Такође можете покренути регресије са више независних променљивих, ако је потребно.
