Syarikat-syarikat yang secara tepat boleh meramalkan jualan dapat berjaya menyesuaikan tahap pengeluaran masa depan, peruntukan sumber dan strategi pemasaran untuk menyesuaikan dengan tahap jualan yang dijangkakan. Tindakan ini membantu mengoptimumkan operasi dan memaksimumkan keuntungan. Model regresi meramalkan nilai pemboleh ubah bergantung - dalam kes ini, jualan - berdasarkan pembolehubah bebas. Spreadsheet Excel dapat dengan mudah mengendalikan persamaan jenis ini.
Perhimpunan Data
Tentukan pembolehubah bebas. Sebagai contoh, anggaplah syarikat anda menghasilkan produk dengan jualan yang rapat dengan perubahan harga minyak. Pengalaman anda adalah kenaikan jualan apabila harga minyak meningkat. Untuk menubuhkan regresi, buat lajur spreadsheet untuk jualan tahunan anda untuk beberapa tahun sebelumnya. Buat lajur kedua yang menunjukkan perubahan peratusan pada harga rata-rata setahun minyak dalam setiap tahun jualan. Untuk meneruskan, anda memerlukan Alat Analisis Excel Excel, yang boleh anda muat secara percuma dengan memilih "Tambahan" pada menu "Pilihan".
Menjalankan Regresi
Pilih "Regresi" dari item "Analisis Data" pada menu "Data". Tandakan jajaran pembolehubah bebas sebagai paksi-X dan pemboleh ubah bergantung sebagai paksi-Y. Berikan julat sel untuk output dan tandakan kotak untuk sisa. Apabila anda menekan "OK," Excel akan mengira regresi linear dan memaparkan hasil dalam julat keluaran anda. Regresi mewakili garis lurus dengan cerun yang paling sesuai dengan data. Excel memaparkan beberapa statistik untuk membantu anda menafsirkan kekuatan korelasi antara kedua pembolehubah tersebut.
Mentafsirkan Keputusan
Statistik R-squared menunjukkan betapa ramalan pembolehubah bebas bebas. Dalam contoh ini, R-kuadrat minyak berbanding jualan ialah 89.9, iaitu peratus jualan produk yang dijelaskan oleh perubahan peratusan harga minyak. Mana-mana angka di atas 85 menunjukkan hubungan yang kuat. Potongan Y, dalam contoh ini 380,000, menunjukkan jumlah produk yang akan anda jual jika harga minyak kekal tidak berubah. Pekali korelasi, dalam kes ini 15,000, menunjukkan bahawa peningkatan harga 1 peratus dalam harga minyak akan memacu jualan sebanyak 15,000 unit.
Menggunakan Keputusan
Nilai regresi linear bergantung pada seberapa baik anda boleh meramal pembolehubah bebas. Sebagai contoh, anda mungkin membayar penganalisis industri minyak untuk ramalan peribadi yang meramalkan kenaikan harga minyak sebanyak 6 peratus pada tahun hadapan. Keluarkan pekali korelasi sebanyak 6, dan tambahkan hasilnya - 90,000 - dengan jumlah potongan Y anda sebanyak 380,000. Jawapannya, 470,000, adalah bilangan unit yang mungkin anda jual jika harga minyak naik 6 peratus. Anda boleh menggunakan ramalan ini untuk menyediakan jadual pengeluaran anda untuk tahun yang akan datang. Anda juga boleh menjalankan regresi menggunakan pergerakan harga minyak yang berbeza untuk meramalkan hasil terbaik dan terburuk. Sudah tentu, ini hanya ramalan, dan kejutan selalu mungkin. Anda juga boleh menjalankan regresi dengan pelbagai pemboleh ubah bebas, jika sesuai.
