Satışları doğru bir şekilde tahmin edebilen şirketler, beklenen satış seviyesine uyacak şekilde gelecekteki üretim seviyelerini, kaynak tahsisini ve pazarlama stratejilerini başarıyla ayarlayabilir. Bu işlemler işlemleri optimize etmeye ve karı maksimize etmeye yardımcı olur. Bir regresyon modeli, bağımlı bir değişkenin (bu durumda, satışların) bağımsız bir değişkene dayalı değerini tahmin eder. Bir Excel elektronik tablosu bu tür bir denklemle kolayca başa çıkabilir.
Veri toplama
Bağımsız bir değişkene karar verin. Örneğin, şirketinizin, petrol fiyatındaki değişiklikleri yakından takip eden satışlara sahip bir ürün ürettiğini varsayalım. Deneyiminiz, petrolün fiyatı arttığında satışların artmasıdır. Regresyonu ayarlamak için, önceki satışların bir kısmı boyunca yıllık satışlarınız için bir elektronik tablo sütunu oluşturun. Satış yıllarının her birindeki yıllık ortalama petrol fiyatındaki yüzde değişimini gösteren ikinci bir sütun oluşturun. Devam etmek için, "Seçenekler" menüsünde "Eklentiler" i seçerek ücretsiz olarak yükleyebileceğiniz Excel Analysis ToolPak'e ihtiyacınız olacak.
Regresyonu Çalıştırmak
"Veri" menüsündeki "Veri Analizi" maddesinden "Regresyon" u seçin. Bağımsız değişkenin aralığını X ekseni ve bağımlı değişkenin aralığını Y ekseni olarak işaretleyin. Çıkış için bir hücre aralığı verin ve artıkların kutularını işaretleyin. "Tamam" tuşuna bastığınızda, Excel doğrusal regresyon hesaplar ve sonuçları çıktı aralığınızda görüntüler. Regresyon, verilere en iyi uyan eğimli düz bir çizgiyi temsil eder. Excel, iki değişken arasındaki ilişkinin gücünü yorumlamanıza yardımcı olacak çeşitli istatistikler görüntüler.
Sonuçları Yorumlama
R-kare istatistiği, bağımsız değişkenin satışları ne kadar iyi tahmin ettiğini gösterir. Bu örnekte, petrolün satışa karşı karesi 89.9'dur; bu, petrol fiyatlarındaki değişim yüzdesiyle açıklanan ürün satışlarının yüzdesidir. 85'in üzerindeki herhangi bir sayı, güçlü bir ilişki olduğunu gösterir. Y örneğinde bu örnekte 380.000, petrol fiyatı değişmeden kalırsa satacağınız ürün miktarını gösterir. Korelasyon katsayısı, bu durumda, 15.000, petrol fiyatındaki yüzde 1'lik bir artışın satışları 15.000 birim arttıracağını gösteriyor.
Sonuçları Kullanma
Doğrusal regresyonun değeri, bağımsız değişkeni ne kadar iyi tahmin edebileceğinize bağlıdır. Örneğin, petrol endüstrisi analistlerine, gelecek yıla göre petrol fiyatında yüzde 6 artış öngören özel bir tahmin için ödeme yapabilirsiniz. Korelasyon katsayısını 6 ile çarpın ve sonucu - 90.000 - Y-kesişim miktarınız olan 380.000'e ekleyin. Cevap, 470.000, petrol fiyatı yüzde 6 artarsa muhtemelen satacağınız birim sayısıdır. Bu öngörüyü, gelecek yıl için üretim programınızı hazırlamak için kullanabilirsiniz. En iyi ve en kötü durum sonucunu tahmin etmek için farklı petrol fiyatı hareketlerini kullanarak regresyonu çalıştırabilirsiniz. Tabii ki, bunlar sadece tahminler ve sürprizler her zaman mümkün. Gerektiğinde, birden fazla bağımsız değişken içeren regresyonları da çalıştırabilirsiniz.
