판매를 정확하게 예측할 수있는 회사는 예상 판매 수준에 맞게 향후 생산 수준, 자원 배분 및 마케팅 전략을 성공적으로 조정할 수 있습니다. 이러한 조치는 운영 최적화 및 이익 극대화에 도움이됩니다. 회귀 모델은 독립 변수에 따라 종속 변수 (이 경우 매출)의 가치를 예측합니다. Excel 스프레드 시트는 이러한 유형의 방정식을 쉽게 처리 할 수 있습니다.
데이터 수집
독립 변수를 결정하십시오. 예를 들어, 귀사가 석유 가격의 변화와 밀접한 관련이있는 판매 제품을 생산한다고 가정합니다. 당신의 경험은 기름 값이 올라갈 때 판매가 증가한다는 것입니다. 회귀를 설정하려면 지난 몇 년 동안의 연간 매출에 대한 스프레드 시트 열을 만듭니다. 각 판매 연도의 전년 대비 평균 오일 가격 변화율을 보여주는 두 번째 열을 만듭니다. 계속 진행하려면 "옵션"메뉴에서 "추가 기능"을 선택하여 무료로로드 할 수있는 Excel 분석 도구가 필요합니다.
회귀 분석하기
"데이터"메뉴의 "데이터 분석"항목에서 "회귀 분석"을 선택하십시오. 독립 변수의 범위를 X 축으로, 종속 변수의 범위를 Y 축으로 표시하십시오. 출력 셀 범위를 지정하고 잔차에 대한 상자를 표시하십시오. "OK"를 누르면 Excel에서 선형 회귀를 계산하고 결과를 출력 범위에 표시합니다. 회귀는 데이터에 가장 적합한 기울기가있는 직선을 나타냅니다. Excel은 두 변수 간의 상관 관계 분석에 도움이되는 몇 가지 통계를 표시합니다.
결과 해석
R- 제곱 통계는 독립 변수가 매출을 얼마나 잘 예측 하는지를 나타냅니다. 이 예에서 오일 대 판매의 R 제곱은 89.9이며 이는 석유 판매 가격의 퍼센트 변화로 설명되는 제품 판매의 비율입니다. 85 이상의 숫자는 강한 관계를 나타냅니다. Y 절편 (이 예에서는 380,000)은 유가가 변하지 않은 경우 판매 할 제품의 양을 보여줍니다. 상관 계수 (이 경우 15,000)는 석유 가격이 1 % 증가하면 판매량이 1 만 5 천 단위 증가 할 것임을 나타냅니다.
결과 사용하기
선형 회귀의 값은 독립 변수를 얼마나 잘 예측할 수 있는지에 달려 있습니다. 예를 들어, 석유 산업 분석가에게 내년에 석유 가격이 6 % 인상 될 것으로 예측하는 비공식 예측을 지불 할 수 있습니다. 상관 계수에 6을 곱하고 그 결과 인 90,000을 Y 절편 량 380,000에 더합니다. 답은 470,000이며 석유 가격이 6 % 상승하면 팔릴 가능성이있는 단위의 수입니다. 이 예측을 사용하여 다음 해의 생산 일정을 준비 할 수 있습니다. 최고 및 최악의 결과를 예측하기 위해 다른 유가 변동을 사용하여 회귀 분석을 실행할 수도 있습니다. 물론 이것은 단지 예측 일 뿐이며 항상 놀라움이 가능합니다. 필요한 경우 여러 독립 변수로 회귀 분석을 실행할 수도 있습니다.
