Si të testoni për tendencat në parashikimin e shitjeve

Si e dini nëse një tendencë parashikimi është reale? Nëse shihni një bazë që duket sikur po lëviz lart ose poshtë, a përfaqëson kjo një prirje reale apo është thjesht një ndryshim i rastësishëm? Për t'iu përgjigjur këtyre pyetjeve, duhet të futeni në probabilitet dhe statistika. Për fat të mirë, nuk duhet t'i futesh shumë larg - ndoshta deri në kyçin e dorës.

Treni themelor i mendimit shkon kështu:

Përdorni Excel për t'ju treguar se cila është korrelacioni midis të ardhurave nga shitjet dhe periudhave kohore të lidhura me to.
Nuk ka rëndësi nëse e përfaqësoj atë periudhë kohore si janar 2011, shkurt 2011, mars 2011. . . dhjetor 2016, ose si 1, 2, 3. . . 72.

Nëse nuk ka lidhje, siç matet nga korrelacioni, midis të ardhurave dhe periudhës kohore, nuk ka asnjë trend dhe nuk duhet të shqetësoheni për këtë.

Nëse ka është një lidhje në mes të hyrave dhe periudhave kohore, ju duhet të zgjidhni rrugën më të mirë për të trajtuar trendin.

Pasi Excel të llogarisë korrelacionin, duhet të vendosni nëse ai përfaqëson një marrëdhënie reale midis periudhës kohore dhe shumës së të ardhurave, apo nëse është thjesht një goditje me fat.
Nëse probabiliteti që është thjesht fat është më pak se 5 për qind, është një trend i vërtetë. (Asgjë magjike për 5 përqind, as - është konvencionale. Disa njerëz preferojnë të përdorin 1 përqind si kriter - është më konservator se 5 përqind, dhe ata ndihen pak më të sigurt.) Kjo ngre çështjen e rëndësisë statistikore: Çfarë niveli probabiliteti a kërkon para se të vendosësh që diçka (këtu, një korrelacion) është McCoy i vërtetë?

Ekzistojnë metoda të ndryshme për testimin e rëndësisë statistikore të një koeficienti korrelacioni. Këtu janë tre metoda të njohura:

• Testoni korrelacionin drejtpërdrejt dhe krahasoni rezultatin me shpërndarjen normale.
• Testoni korrelacionin drejtpërdrejt dhe krahasoni rezultatin me shpërndarjen t ( shpërndarja t, megjithëse e ngjashme me kurbën normale, supozon se po përdorni një mostër të vogël dhe jo një popullsi pafundësisht të madhe).
• Konvertoni korrelacionin me transformimin Fisher (i cili konverton një koeficient korrelacioni në një vlerë që përshtatet në kurbën normale) dhe krahasoni rezultatin me shpërndarjen normale.

Ekzistojnë metoda të tjera të njohura për testimin e rëndësisë statistikore të një koeficienti korrelacioni. Secili jep një rezultat paksa të ndryshëm. Në praktikë, pothuajse gjithmonë do të merrni të njëjtin vendim (korrelacioni është ose nuk është dukshëm i ndryshëm nga zero), pavarësisht nga metoda që zgjidhni.

Nëse arrini në përfundimin se tendenca që mat korrelacionin është reale (dhe kur probabiliteti është më pak se 1 përqind që korrelacioni është një fantazmë, ndoshta duhet ta pranoni këtë përfundim), keni edhe dy pyetje për t'i bërë vetes:

• A duhet të përdorni një qasje parashikimi që trajton mirë tendencat? Ju do të mendoni se nëse zbuloni një prirje, duhet të përdorni një qasje parashikimi që trajton mirë tendencat. Kjo është shpesh e vërtetë, por jo domosdoshmërisht. Supozoni se në vend që të përdorni periudhën kohore si një nga variablat në analizën tuaj të korrelacionit, keni përdorur diçka të tillë si të ardhurat nga shitjet e bëra nga konkurrenca.

Nëse të ardhurat e konkurrencës po rrëshqasin ashtu siç janë tuajat (ose nëse të dy grupet e të ardhurave po rriten), do të gjeni një lidhje të mundshme të rëndësishme midis të ardhurave tuaja dhe konkurrencës. Por është shumë e mundur - madje e mundshme - që të mos ketë asnjë lidhje reale, shkakësore midis të ardhurave të tyre dhe tuajat. Mund të ndodhë që edhe e juaja edhe e tyre janë të ndërlidhura me faktorin e vërtetë shkakësor: Madhësia e tregut të përgjithshëm po ndryshon. Në atë rast, ndoshta do të ishte shumë më mirë të përdorni një masë të madhësisë së përgjithshme të tregut si variablin tuaj parashikues. Në këtë skenar, madhësia e tregut ka një lidhje të drejtpërdrejtë, shkakësore me të ardhurat tuaja, ndërsa të ardhurat e konkurrencës tuaj kanë vetëm një lidhje indirekte me të ardhurat tuaja.

• A duhet të hiqni dorë nga të dhënat? Një variabël i fshehur, si një ndryshim i qëndrueshëm në madhësinë e përgjithshme të një tregu, mund t'ju bëjë të besoni se një variabël parashikues dhe ndryshorja që dëshironi të parashikoni janë të lidhura drejtpërdrejt, kur në fakt nuk janë. Ose parashikuesi dhe parashikimi mund të ndryshojnë në mënyra të ngjashme sepse të dyja janë të lidhura me kohën.

Mënyra për të trajtuar këtë lloj situate është që së pari të largohen të dy variablat me anë të një transformimi.

Ose mund të preferoni të bëni parashikimin tuaj duke përdorur një qasje që nuk i trajton domosdoshmërisht mirë tendencat, të tilla si mesataret lëvizëse ose zbutja e thjeshtë eksponenciale. Një arsye për ta bërë këtë është se mund të zbuloni se qasja e regresionit me grupin tuaj të të dhënave nuk është një parashikues aq i saktë sa mesatarja lëvizëse ose zbutja. Përsëri, shikoni nëse mund t'i transformoni të dhënat për të hequr trendin.