前の予測では、前期、前々期の対応週のデータの平均を取って予測値としましたが、今度は、回帰分析を使ってみます。

回帰分析は、いくつかの独立変数Xnから従属変数Yを求める方法です。

つまりあるデータは、複数のパラメータにより

Y=a1X1+a2X2+a3X3+…+anXn+b

と表され、変数Xの値によって変化するという考え方です。

今回のケースでは、各週の売上データしかないので、1週前~4週前の売上データと、51週前~53週前の売上データをパラメータとして、それぞれの係数を求めます。

この辺は、今の時代は便利なもので、Excelなどの表計算ソフトを使うことによって、簡単に求められます。ただし、1年目については、前年データが無いので、その前のデータは1年目と2年目の平均で置き換えました。

その計算結果を使って予測したのが下のグラフになります。

データ予測

こちらも何となく良い感じに予測しています。

回帰分析の良いところは、売上データだけではなく、場合によっては他のデータもパラメータとできるところ、また、計算結果から、どのパラメータの寄与率が高いか、ある程度、想定できることです。

今回の場合は、52週前(ちょうど一年前)のデータの寄与が他のパラメータに比べて大きいということが見て取れます。