Regresyon analizi gibi istatistiksel analizler ve modeller, işletmelerin finansal durumlarını ve ürün taleplerini tahmin etmeleri gerektiğinde son derece yararlı olabilir. Bu makalede regresyon analizinin bu hedeflere ulaşmada nasıl yardımcı olabileceğini öğreneceğiz.
Regresyon Analizi Nedir?
Regresyon analizi, bağımsız değişkenler (bir değişken veya daha fazla) ile tek bir bağımlı değişken arasındaki korelasyonu belirlemeye çalışan istatistiksel bir araçtır. Bu çok fazla terminoloji! Şimdi kelimeleri tek tek inceleyelim.
Korelasyon, iki şeyin birlikte değişme derecesidir. Herhangi iki şey birbiriyle ilişkilidir, -1 ile 1 arasında, 0 ile hiç bir korelasyon yoktur. Basit bir iş örneği ele alalım. Bir şirket reklamcılık için 10.000 TL daha yatırdığında ne olur? Mantıken, satışlar artacaktır. Bir analiz yapabilir ve reklamı 10.000 TL artırdığımızda, satışların 30.000 TL arttığını görebiliriz. Bu bizi olumlu bir şekilde ilişkilendirdiklerine inanmamıza yol açacaktır. Yani, birindeki (reklamdaki) olumlu bir değişiklik başka bir şeydeki (satış) olumlu bir değişikliğe yol açar.
Olumlu korelasyon varsa, negatif korelasyon da vardır. Bazen buna ters korelasyon denir. Bu, bir bağımsız değişken yükseldiğinde bağımlı değişkenin düştüğü anlamına gelir. Fiyatla bağımlı değişkenimiz – tahmin etmeye çalıştığımız değişken – sadık kalalım ve fiyatı reklam yerine bağımsız değişkenimiz olarak kullanalım. Fiyatları artırdığımızda satışlarda ne olacağını düşünüyorsunuz? Bu doğru: satışlar azalıyor. Dolayısıyla, fiyat ve satış arasında ters bir korelasyon vardır: fiyatın artması ve satışların azalması.
Devam etmeden önce bu iki değişken türünü anladığımızdan emin olalım. Regresyon analizinde her zaman bir bağımlı değişkenimiz var. Buna bağımlı denir, neye bağlıdır? Bu doğru: bağımsız değişkenler. Bunlar, bağımlı değişken gibi çok sayıda şey olabilir.
İşletmelerde Regresyon Analizi
Sadece bir bağımlı değişken ve bir bağımsız değişkenin birkaç basit örneğini kullandık, ancak biraz daha karmaşık olduğunu düşünelim. Bir regresyon analizinde, birden fazla bağımsız değişken olabilir. Ama bunlar ne olabilir? Gerçekçi bir iş örneğine ihtiyacımız var.
Hayali olarak şu işi kurlım: bir limonata standı? Fatma, yaz boyunca kardeşinin beyzbol maçlarında bir limonata standı kurdu. Her hafta sonu, satışlarını kaydediyor ve biraz yukarı ve aşağı gidebileceklerini fark ediyor ve neden olduğundan emin değil. Böylece, daha fazla veri kaydetmeye karar verir.
Ertesi yaz, sadece satışları yerine, günle ilgili notlar almaya başlar. Nerede kuruldu? O gün kaç kişi geldi? Ne kadar sıcaktı? O gün limonata satan başka biri var mıydı? Bir alıştırma olarak, Fatma’nın yaptığı her bir soruyu düşünün ve satışları nasıl etkileyebileceklerini düşünün.
İlk sorusu için – nerede kurulduğu – basketbol saha parkındaki ana yolda. Ayrıca bazı takımların daha fazla hayranı olduğunu fark etti, bu yüzden kaç kişinin geleceğini bu şekilde ölçüyor. Sıcaklık ölçmek için yeterince kolaydır. Başka birinin satış yapmasına ne dersiniz? Bu başlangıçta zor bir şey gibi geliyor, ancak ikili değişken olarak biliniyor : evet ya da hayır. Böylece, sayısal değerler açısından 1 = evet ve 0 = hayır.
Regresyon Denklemi
Microsoft Excel’deki gerçek matematik ve egzersiz hantal olabilir, bu yüzden doğrudan regresyon denklemine atlayalım. Fatma tüm verilerine girdikten sonra, bilgisayara bağımlı değişkeninin ne olduğunu (bardak limonata) ve tüm bağımsız değişkenlerin ne olduğunu (kavşak merkezine uzaklık, fanlar, sıcaklık ve rekabet) söyler:
Y = 76-2.2 ( X1 ) +.57 ( X2 ) +.27 ( X3 ) – 46 ( X4 )
Bütün bu matematik ne anlama geliyor? İlk olarak, değişkenlerimizi gözden geçirelim.
- Y değişkeni her zaman bağımlı değişkendir veya değişken sen tahmin etmeye çalışıyorlar. Bu durumda, Fatma’nın kaç bardak limonata satacağıdır.
- Bundan sonraki terimlerin her biri, önceki bağımsız değişkenlerimizden biriyle ilişkili bir katsayıdır. Bizim hikayemiz problemde kavşakta gelen konumdur X1.
Peki -2.2 ( X1 ) ne anlama geliyor? Bu denklemdeki maçı düşünün. Fatma ana geçitten 0 metre uzakta olsaydı, o zaman X1 = 0 ve -2.2 * 0 = 0. Y’nin cevabı ya da kaç bardak limonata sattığı üzerinde hiçbir etkisi olmazdı. Orta yoldan 5 metre uzakta olsaydı ne olacak? O zaman X1 = 5, yani -2.2 * 5 = -11, bu yüzden 11 daha az bardak limonata satacağını varsayabiliriz.
Fatma’nın bu denklemi olduğu için, ne kadar su, limonata, şeker ve bardak getireceğini tahmin etmek zorunda kalmayacak. Oldukça iyi bir fikri olabilir. Geçitten 3 metre uzakta, 600 hayranı olan büyük bir haftasonunda 92 derece sıcaklıkta bir yer bulup bulamadığını düşünün. Son olarak, orada limonata satan başka biri olacak (unutmayın, bu X4 = 1 yapar ). Sizce Fatma ne kadar satacak?
390 ile gelmeliydin (yuvarlatılmış, çünkü Fatma kısmi bir bardak limonata satamaz!). Fatma için 800 bardak hazırlamak ve getirmek için 400-450 bardak limonata (iyimser olabilir!) Satmayı planlamak çok daha güzel, ama sonra sadece 200 satış yaparsa… Bu işteki gerilemenin gücüdür.
Makale Özeti
Regresyon analizi, seçilen bir değişkeni tahmin etmek için kullanılabilecek değişkenler arasındaki ilişkileri araştıran istatistiksel bir araçtır. Bu analiz birçok farklı çalışma alanında kullanılmaktadır ve işletme özellikle yararlı olabileceği bir analizdir. Bağımsız değişkenlerin bağımlı değişkeninizi nasıl etkileyebileceği hakkında bir fikriniz olduğunda, analiz etmenize ve hatta size tahmin bilgileri vermenize yardımcı olabilecek bir regresyon modeline doğru çalışmaya başlayabilirsiniz.
Size bazı değişkenler ve katsayılar sağlayan bir model aldıktan sonra, matematiği çözebilir ve modelinizin gerçek sonucu tahmin etmede ne kadar iyi olduğuna bağlı olarak bir tahmin elde edebilirsiniz. Ne kadar çok kullanırsanız, o kadar çok bilgi toplar ve model o kadar iyi olur.
