Cómo desarrollar y utilizar un modelo de regresión para la Previsión de ventas
Las empresas que pueden predecir con exactitud las ventas pueden adaptarse con éxito los futuros niveles de producción, asignación de recursos y estrategias de marketing para que coincida con el nivel de ventas anticipadas. Estas acciones ayudan a optimizar las operaciones y maximizar los beneficios. Un modelo de regresión pronostica que el valor de una variable dependiente - en este caso, las ventas - basan en una variable independiente. Una hoja de cálculo de Excel puede manejar fácilmente este tipo de ecuación.
La recolección de datos
Video: PRONOSTICO DE VENTAS UTILIZANDO EL METODO DE MINIMOS CUADRADOS
Video: regresion lineal multiple usando analisis de datos de EXCEL
Decidir sobre una variable independiente. Por ejemplo, supongamos que su empresa produce un producto con ventas que unen estrechamente a los cambios en el precio del petróleo. Su experiencia es que las ventas suben cuando el precio del petróleo sube. Para configurar la regresión, cree una columna de hoja de cálculo para sus ventas anuales de más de un número determinado de años anteriores. Crear una segunda columna muestra el cambio porcentual en el precio medio año tras año de aceite en cada uno de los años de ventas. Para continuar, tendrá las herramientas para análisis de Excel, que se puede cargar de forma gratuita mediante la selección de "add-ins" en el menú "Opciones".
Ejecución de la regresión
Video: Regresion Lineal en Excel para Pronósticos
Elija "regresión" del tema "Análisis de datos" en el menú "Datos". Marque la gama de la variable independiente como el eje X y el de la variable dependiente como el eje Y. Dar un rango de celdas para la salida y marcar las casillas de los residuos. Cuando se pulsa "OK", Excel calculará la regresión lineal y mostrar los resultados en el rango de salida. La regresión representa una línea recta con una pendiente que mejor se ajuste a los datos. Excel muestra varias estadísticas para ayudarle a interpretar la fuerza de la correlación entre las dos variables.
Interpretación de los resultados
El estadístico R-cuadrado indica qué tan bien los pronósticos de ventas de la variable independiente. En este ejemplo, el R-cuadrado de aceite frente a las ventas es 89,9, que es el porcentaje de las ventas de productos explicadas por el porcentaje de cambio en el precio del petróleo. Cualquier número por encima de 85 indica una relación fuerte. La ordenada en el origen, en este ejemplo 380.000, muestra la cantidad de producto que le vender si el precio del petróleo se mantuvo sin cambios. El coeficiente de correlación, en este caso 15.000, indica que un aumento del 1 por ciento en el precio del petróleo podría impulsar las ventas por 15,000 unidades.
Análisis de los resultados
El valor de la regresión lineal depende de qué tan bien puede pronosticar la variable independiente. Por ejemplo, usted podría pagar analistas de la industria del petróleo para obtener la previsión privada que predice un aumento del 6 por ciento en el precio del petróleo durante el próximo año. Multiplicar el coeficiente de correlación entre 6, y añadir el resultado - 90.000 - a la cantidad ordenada en el origen de 380.000. La respuesta, 470.000, es el número de unidades lo más probable sería vender si el precio del petróleo subió un 6 por ciento. Puede utilizar esta predicción para preparar su programa de producción para el próximo año. También puede ejecutar la regresión utilizando diferentes movimientos de los precios del petróleo para predecir un resultado mejores y peores de los casos. Por supuesto, estos son sólo predicciones, y las sorpresas son siempre posibles. También puede ejecutar regresiones con múltiples variables independientes, en su caso.