Bedrijven die nauwkeurig de verkoop kunnen voorspellen, kunnen toekomstige productieniveaus, toewijzing van middelen en marketingstrategieën aanpassen aan het verwachte aantal verkopen. Deze acties helpen de operaties te optimaliseren en de winst te maximaliseren. Een regressiemodel voorspelt de waarde van een afhankelijke variabele - in dit geval de omzet - op basis van een onafhankelijke variabele. Een Excel-spreadsheet kan dit type vergelijking gemakkelijk verwerken.
Gegevens verzamelen
Bepaal een onafhankelijke variabele. Stel dat uw bedrijf een product produceert met verkopen die nauw aansluiten bij veranderingen in de olieprijs. Je ervaring is dat de verkoop stijgt wanneer de olieprijs stijgt. Als u de regressie wilt instellen, maakt u een spreadsheetkolom voor uw jaarlijkse omzet over een aantal voorgaande jaren. Maak een tweede kolom met de procentuele verandering in de gemiddelde olieprijs op jaarbasis in elk van de verkoopjaren. Om verder te gaan, hebt u de Excel Analysis ToolPak nodig, die u gratis kunt laden door "Add-ins" in het menu "Opties" te selecteren.
De regressie uitvoeren
Kies "Regressie" uit het item "Gegevensanalyse" in het menu "Gegevens". Markeer het bereik van de onafhankelijke variabele als de X-as en die van de afhankelijke variabele als de Y-as. Geef een celbereik voor de uitvoer en markeer de vakjes voor resten. Wanneer u op "OK" drukt, zal Excel de lineaire regressie berekenen en de resultaten weergeven in uw uitvoerbereik. De regressie vertegenwoordigt een rechte lijn met een helling die het beste bij de gegevens past. Excel toont verschillende statistieken om u te helpen de sterkte van de correlatie tussen de twee variabelen te interpreteren.
Interpretatie van de resultaten
De R-kwadraatstatistiek geeft aan hoe goed de onafhankelijke variabele de verkoop voorspelt. In dit voorbeeld is de R-kwadraat van olie versus verkoop 89,9, wat het percentage van de productverkoop is, verklaard door de procentuele verandering in de olieprijs. Elk getal boven 85 duidt op een sterke relatie. Het Y-snijpunt, in dit voorbeeld 380.000, toont de hoeveelheid product die u zou verkopen als de olieprijs ongewijzigd zou blijven. De correlatiecoëfficiënt, in dit geval 15.000, geeft aan dat een stijging van 1 procent van de olieprijs de verkoop met 15.000 eenheden zou opdrijven.
De resultaten gebruiken
De waarde van de lineaire regressie hangt af van hoe goed u de onafhankelijke variabele kunt voorspellen. U kunt bijvoorbeeld olie-industrieanalisten betalen voor een privéprognose die een stijging van 6 procent van de olieprijs voorspelt in het komende jaar. Vermenigvuldig de correlatiecoëfficiënt met 6 en voeg het resultaat - 90.000 - toe aan uw Y-snijpunt van 380.000. Het antwoord, 470.000, is het aantal eenheden dat u waarschijnlijk zou verkopen als de olieprijs met 6 procent zou stijgen. U kunt deze voorspelling gebruiken om uw productieplanning voor het komende jaar voor te bereiden. U kunt de regressie ook uitvoeren met verschillende bewegingen van de olieprijs om een uitkomst voor de beste en de slechtste case te voorspellen. Dit zijn natuurlijk slechts voorspellingen en verrassingen zijn altijd mogelijk. U kunt ook regressies uitvoeren met meerdere onafhankelijke variabelen, indien van toepassing.
