Hvernig veistu hvort spáþróun er raunveruleg? Ef þú sérð grunnlínu sem lítur út fyrir að vera að reka upp eða niður, táknar það raunverulega þróun eða er það bara tilviljunarkennd afbrigði? Til að svara þessum spurningum þarftu að fara inn í líkindi og tölfræði. Sem betur fer þarftu ekki að fara of langt inn í þá - kannski djúpt í úlnlið.
Grunnhugsunin er svona:
Notaðu Excel til að segja þér hver fylgnin er á milli sölutekna og tengdra tímabila.
Það skiptir ekki máli hvort ég tákni það tímabil sem janúar 2011, febrúar 2011, mars 2011. . . desember 2016, eða sem 1, 2, 3. . . 72.
Ef það er ekkert samband, mælt með fylgni, milli tekna og tímabils, þá er engin þróun og þú þarft ekki að hafa áhyggjur af því.
Ef samband er á milli tekna og tímabila verður þú að velja bestu leiðina til að takast á við þróunina.
Eftir að Excel hefur reiknað út fylgnina þarftu að ákveða hvort það tákni raunverulegt samband milli tímabils og tekjuupphæðar, eða hvort það sé bara happaskot.
Ef líkurnar á því að þetta sé bara heppni eru minni en 5 prósent, þá er það raunveruleg þróun. (Ekkert galdra um 5 prósent, heldur - það er hefðbundið. Sumir kjósa að nota 1 prósent sem viðmiðun þeirra - það er meira íhaldssamt en 5 prósent, og þeim finnst örlítið öruggara.) Þetta vekur spurningu um tölfræðilega marktekt: Hvaða líkindastig þarftu áður en þú ákveður að eitthvað (hér, fylgni) sé hinn raunverulegi McCoy?
Til eru ýmsar aðferðir til að prófa tölfræðilega marktekt fylgnistuðuls. Hér eru þrjár vinsælar aðferðir:
- Prófaðu fylgnina beint og berðu niðurstöðuna saman við normaldreifingu.
- Prófaðu fylgnina beint og berðu niðurstöðuna saman við t-dreifinguna (t-dreifingin, þó hún sé svipuð og normalkúrfan, gerir ráð fyrir að þú sért að nota lítið úrtak frekar en óendanlega stórt þýði).
- Umbreyttu fylgni við Fisher umbreytingu (sem breytir fylgnistuðli í gildi sem passar inn í normalferilinn) og berðu niðurstöðuna saman við normaldreifingu.
Aðrar vinsælar aðferðir til að prófa tölfræðilega marktekt fylgnistuðuls eru til. Hver skilar aðeins mismunandi niðurstöðu. Í reynd muntu næstum alltaf taka sömu ákvörðun (fylgnin er eða er ekki verulega frábrugðin núlli), óháð því hvaða aðferð þú velur.
Ef þú kemst að þeirri niðurstöðu að stefnan sem fylgnin mælir sé raunveruleg (og þegar líkurnar eru minni en 1 prósent á að fylgnin sé draugur, ættir þú líklega að samþykkja þá niðurstöðu), hefurðu tvær spurningar í viðbót til að spyrja sjálfan þig:
- Ættir þú að nota spáaðferð sem höndlar þróun vel? Þú myndir halda að ef þú uppgötvaðir þróun ættir þú að nota spáaðferð sem höndlar þróun vel. Það er oft satt, en ekki endilega. Segjum sem svo að í stað þess að nota tímabil sem eina af breytunum í fylgnigreiningunni þinni, notaðirðu eitthvað eins og sölutekjur af samkeppnisaðilum.
Ef tekjur keppninnar eru að minnka eins og þínar eru (eða ef báðar tekjur eru að vaxa), muntu finna líklega marktæka fylgni milli tekna þinna og keppninnar. En það er alveg mögulegt - jafnvel líklegt - að það sé ekkert raunverulegt orsakasamband á milli tekna þeirra og þinna. Það getur verið að bæði þitt og þeirra séu í tengslum við raunverulegan orsakaþátt: Stærð heildarmarkaðarins er að breytast. Í því tilviki væri þér líklega miklu betra að nota mælikvarða á heildarmarkaðsstærð sem spábreytu þína. Í þessari atburðarás hefur markaðsstærð beint orsakasamhengi við tekjur þínar, en tekjur samkeppnisaðila þinna hafa aðeins óbeint samband við tekjur þínar.
- Ættir þú að aftra gögnunum? Falin breyta, eins og stöðug breyting á heildarstærð markaðar, getur leitt til þess að þú trúir því að spábreyta og breytan sem þú vilt spá fyrir séu beintengd, þegar þau eru það í raun ekki. Eða spárinn og spáin geta breyst á svipaðan hátt vegna þess að þær eru báðar tengdar tíma.
Leiðin til að takast á við svona aðstæður er að stöðva báðar breyturnar fyrst með umbreytingu.
Eða þú gætir frekar viljað gera spá þína með því að nota nálgun sem höndlar ekki endilega þróun vel, svo sem hreyfanleg meðaltöl eða einföld veldisjöfnun. Ein ástæða fyrir því að gera þetta er sú að þér gæti fundist að aðhvarfsaðferðin með gagnasettinu þínu sé ekki eins nákvæm spámaður og hlaupandi meðaltal eða jöfnun. Aftur, athugaðu hvort þú getur umbreytt gögnunum til að fjarlægja þróunina.