L’analisi di regressione è un metodo per determinare la relazione tra due insiemi di variabili quando un insieme dipende dall’altro. Negli affari, l’analisi di regressione può essere utilizzata per calcolare l’efficacia della pubblicità sulle vendite o il modo in cui la produzione è influenzata dal numero di dipendenti che lavorano in uno stabilimento. L’analisi di regressione può anche mostrare se non esiste alcuna relazione tra le variabili. Ad esempio, potresti scoprire che il denaro speso per gli annunci sul sito web aumenta le vendite ma gli annunci sui giornali non hanno alcun effetto.
Determina la tua ipotesi
Seleziona due variabili che ritieni siano correlate. Una variabile deve dipendere dall’altra. Ad esempio, potresti voler determinare se le vendite dipendono dall’importo speso in pubblicità o se la produzione settimanale è influenzata dai giorni in cui porti la colazione. Sebbene ogni singola variabile possa dipendere da più di un fattore, per l’analisi di regressione, scegliere solo due variabili alla volta. Raccogli quanti più dati possibili relativi alla tua ipotesi. Il monitoraggio della pubblicità nell’arco di un anno darà risultati più accurati rispetto al monitoraggio di un singolo mese.
Traccia i dati
In alcuni casi, un grafico a linee di base che utilizza un’app per fogli di calcolo ti mostrerà la correlazione tra due set di variabili. Ad esempio, il numero di dipendenti di produzione che lavorano ogni giorno dovrebbe influire sui numeri di produzione di quel giorno. Se inserisci entrambi i set di variabili in colonne separate in un foglio di calcolo, puoi creare un grafico a linee in cui la prima colonna è l’asse x e la seconda colonna è l’asse y. Una linea relativamente retta mostra una correlazione tra le variabili. Poiché nulla è perfetto nel mondo reale, una linea perfettamente retta sarebbe rara.
Utilizzo dei grafici a dispersione
Un grafico a linee non è sempre utile in un’analisi di regressione nel mondo reale. Ad esempio, correlare la spesa pubblicitaria con le vendite raramente creerà una linea retta, perché la pubblicità odierna potrebbe non influire sulle vendite per un giorno, una settimana o anche un mese dopo. In questi casi, l’utilizzo di un grafico a dispersione ti aiuterà a vedere la relazione tra entrambi. I grafici a dispersione tracciano ciascun intervallo di variabili indipendentemente dall’altro, fornendo due modelli di punti sul grafico. Se entrambi i gruppi di punti hanno uno schema simile, esiste una correlazione tra le variabili.
Utilizzo della funzione PREVISIONE
In passato, era necessario creare un’equazione per fare previsioni dall’analisi di regressione. Raramente queste equazioni erano facili da calcolare o semplici come x = y2. Oggi è possibile utilizzare la funzione PREVISIONE presente nella maggior parte dei programmi di fogli di calcolo per determinare quale sarà la variabile dipendente quando si immette la variabile indipendente. Inserisci semplicemente la funzione “= PREVISIONE” con i tuoi set di variabili in entrambe le colonne e il foglio di calcolo calcolerà la previsione per te. Fai attenzione a non fare affidamento su questo per la previsione oltre il tuo intervallo di dati. Se determini di vendere 1,000 unità per ogni $ 1,000 spesi in pubblicità, ciò non significa che spendere $ 1 milione in annunci garantirà 1 milione di unità vendute.