重回帰モデルは売上予測するための最良の武器である

重回帰モデルとは、２つ以上の変数を使った1次式（乗数のない多項式）で、特定の数値を予測する数式モデルで、

ｙ＝a1＊ｘ1+a2＊ｘ2+・・・+an＊xn　+　a0

のような形式で表される。

ｙが予測する数で、目的変数とも、従属変数とも呼ばれる。通常は、これが「売上予測値」となる。

ｘ1からｘｎが、そのYを求めるために用いられる複数の変数で、説明変数とも、独立変数とも呼ばれる。通常は、これが、数値化された立地要因である。

また、この説明変数の個数は２個以上10個以下である。11個以上でもたいていは問題にはならないが、流石にそんなに説明変数が多いということは、物事を単純化して表現するためのモデルとしては、不誠実として嫌われている。

さて、「重回帰分析」とは、このｘ1からｘnの説明変数と、目的変数Yとの関係として最適のa1～an、およびａ0（説明変数とは無関係な定数）の組合せを見つけるための作業を言う。この作業においてはさまざまな技術的ノウハウおよび立地経験・ノウハウを必要とする。

最適の組合せを見つけるには、すでに分かっているサンプル、すなわち既存店を用いる。

ｙには、既存店の売上が一般的である。ただし、これ以外にも客数や契約数、あるいは買取額なども使われる。

説明変数ｘに用いられるものの多くはさまざまな立地要因（や商圏要因）だが、中には店舗面積や間口、営業時間、営業経過年月など店に固有なデータなども用いられる。

いずれにせよ、店舗の業種業態やタイプなどによって、使われる要因が異なることが多く、どんな場合にもまったく共通して用いることができる要因は極めて少ない。

重回帰モデルを精緻に作り上げると、実際の（未知の立地にできる）店舗の売上をきわめて精度の高い数値で予測することができる。

ちなみに、日本マクドナルドは、すでに1980年代にそれを成功させ、実用化していた。マクドナルドの正確な店舗開発の裏にはこの武器があったのだ。

そのマクドナルドた吉野家を店舗数で追い抜いたＺ社も同様である。

ただし、重回帰モデルはやはり他の武器と同様、慣れてない人、初心者がいきなり使うと大きな事故の元となるので要注意である。