历年订单预测未来销售量数据如下图，如何预测2019年1季度的销售量？

历年订单预测未来销售量数据如下图，如何预测2019年1季度的销售量？

根据过去的订单预测未来的销售

假设有一组日历年每个季度的销量数据如下图所示，那么如何预测2019年第一季度的销量呢？

Excel的实现

1. 计算截距。公式：

=拦截（销售数据集，X变量集）

第一个参数：销售数据集相当于回归方程中的y=a+bx；

第二个参数：序数根相当于回归方程中的x y=a+bx；

本例中的公式如下：

=INTERCEPT(C2:C21,A2:A21)

结果=62.94

2.计算b斜率。公式：

=Slope(销售数据集使用回归分析法可以预测销售额，X变量集)

参数与 Intercept 函数相同。

本例中的公式如下：

=SLOPE(C2:C21,A2:A21)

结果=6.29

3. 直接计算预测销售额。公式：

=Forecast(预测X变量，销售数据集，X变量集)

本例中的公式如下：

=FORECAST(A22,C2:C21,A2:A21)

2019年第一季度的预测销量直接计算为：195.06。

预测结果

1. 结果数据

2. 结果图形

财务管理中的回归分析

在掌握大量观测数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式（称为回归方程）。在回归分析中，当研究的因果关系只涉及因变量和一个自变量时使用回归分析法可以预测销售额，称为单变量回归分析；当研究的因果关系涉及因变量和两个或多个自变量时，称为多元回归分析。另外，回归分析根据描述自变量与因变量因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。

回归分析公式如下：

y=a+bx

a 称为截距，b 称为斜率。a、b的计算方法如下：

b=∑xy－n·∑x∑y/[∑x?－n·(∑x)?]a=∑y－b·∑x/n