Como testar a tendências na previsão de vendas

Video: �� Nuvens de Ichimoku, a estratégia perfeita para ganhar com as tendências

Como você sabe se uma tendência previsão é real? Se você ver uma linha de base que parece que está flutuando para cima ou para baixo, isso representa uma tendência real ou é apenas variação aleatória? Para responder a essas perguntas, você tem que entrar em probabilidade e estatística. Felizmente, você não tem que entrar na deles longe demais - pulso de profundidade, talvez.

O trem básica do pensamento é a seguinte:

1. Usar o Excel para dizer o que a correlação é entre receitas de vendas e os seus períodos de tempo associados.
   Não importa se eu represento esse período de tempo, em janeiro 2011, fevereiro de 2011, Março de 2011. . . 2016 dezembro, ou como 1, 2, 3. . . 72.
2. Se não há nenhuma relação, medida pela correlação, entre as receitas e período de tempo, não há nenhuma tendência, e você não precisa se preocupar com isso.
3. Se lá é a relação entre as receitas e períodos de tempo, você tem que escolher a melhor maneira de lidar com a tendência.
4. Depois de Excel calcula a correlação, você tem que decidir se ele representa um relacionamento real entre o período de tempo e valor da receita, ou se é apenas um tiro de sorte.
   Se a probabilidade de que é ele é apenas sorte é inferior a 5 por cento, que é uma tendência real. (Nada mágico cerca de 5 por cento, quer - é convencional Algumas pessoas preferem usar 1 por cento como seu critério - é mais conservador do que 5 por cento, e eles se sentem um pouco mais seguro.). Isso levanta a questão da significância estatística: Qual o nível de probabilidade você exige antes de decidir que algo (neste caso, uma correlação) é o verdadeiro McCoy?

Existem vários métodos para testar a significância estatística de um coeficiente de correlação. Aqui estão três métodos populares:

• Testar a correlação directa e comparar o resultado para a distribuição normal.
• Testar a correlação directa e comparar o resultado com o t-distribuição (A distribuição t, embora semelhante à curva normal, assume que você está usando uma amostra pequeno em vez de um infinitamente grande população).
• Converter a correlação com o transformação Fisher (Que se converte um coeficiente de correlação para um valor que se encaixa na curva normal) e comparar o resultado para a distribuição normal.

Video: Teste frio de magnetron

Outros métodos populares para testar a significância estatística de um coeficiente de correlação existe. Cada retorna um resultado ligeiramente diferente. Na prática, você quase sempre tomar a mesma decisão (a correlação é ou não é significativamente diferente de zero), independentemente do método que você escolher.

Se você concluir que a tendência das medidas de correlação é real (e quando a probabilidade é de menos de 1 por cento que a correlação é um fantasma, você provavelmente deve aceitar essa conclusão), você tem mais duas perguntas a perguntar-se:

• Se você usar uma abordagem de previsão que lida com tendências bem? Você acha que se detectou uma tendência, você deve usar uma abordagem de previsão que lida com tendências bem. Isso é muitas vezes verdade, mas não necessariamente. Suponha que em vez de usar período de tempo como uma das variáveis ​​em sua análise de correlação, você usou algo como receitas de vendas feitas pela concorrência.
  

Se as receitas da competição estão deslizando como o seu são (ou se ambos os conjuntos de receitas estão crescendo), você vai encontrar uma correlação provável significativa entre suas receitas e competição de. Mas é bem possível - até provável - que não há nenhuma relação real, causal entre suas receitas e os seus. Pode ser que ambos seus e deles estão correlacionados com o fator causal real: O tamanho do mercado global está mudando. Nesse caso, você provavelmente seria muito melhor fora de usar uma medida da dimensão global do mercado como seu variável de previsão. Neste cenário, o tamanho do mercado tem uma relação direta, de causalidade com a sua receita, enquanto a receita da sua competição tem apenas uma relação indireta para sua receita.

• Se você retirada da tendência dos dados? A variável oculta, tal como uma mudança consistente no tamanho total de um mercado, pode levar você a acreditar que uma variável de previsão e a variável que deseja previsão estão diretamente relacionados, quando na verdade eles não são. Ou o preditor e a previsão pode mudar de forma semelhante, porque eles estão ambos relacionados com Tempo.

A maneira de lidar com este tipo de situação é a retirada da tendência ambas as variáveis ​​pela primeira vez por meio de uma transformação.

Ou você pode preferir fazer a sua previsão usando uma abordagem que não necessariamente lidar com tendências bem, como médias móveis ou suavização exponencial simples. Uma razão para isso é que você pode encontrar a abordagem de regressão com o seu conjunto de dados não é tão preciso um previsor como médias móveis ou alisamento. Mais uma vez, veja se você pode transformar os dados para remover a tendência.