単回帰分析で売上予測をするときの注意点

単回帰分析とは、1つの（単）変数のみで目的変数を説明する（回帰させる）モデル式を作ることである。

つまり、一つの要因だけで売上予測をしようと言うことであるが、はっきり言って、こうして作られる売上予測モデルで正確な売上予測は望めない。

たとえば、売上と相関が高い（相関係数が0.3以上になる）要因のなかで、一つだけでも売上予測に使えそうな要因は、せいぜい居酒屋の売上予測モデルなどで用いる「店舗面積」くらいである。この要因の相関係数は、居酒屋チェーンで0.7になったことがある。

とは言え、単回帰分析で売上予測モデルを使った場合、その精度はきわめて低い。１０００万円と予測して、実際の結果が６００万円とか１６００万円とかになってしまう感じである。

しかし、それでも、他の要因を説明変数にするより、格段と”マシ”である。

例えば、通行量をもとに売上予測する手法、キャッチ率法はまったくあてにならない。通行量と売上との相関は大きくてもせいぜい0.5止まりだからだ。

もちろん、商圏人口を使っても、それは同様だ。

だから、私は、ずうっと「通行量」や「商圏人口」だけで売上予測をしてはいけないと言い続けてきた。

売上予測に使うのであれば、複数の変数を使うことができる重回帰分析にするべきである。

もちろん、それが売上予測でなければ、単回帰分析は多くの場合、威力を発揮する。

たとえば、日本のデフレ化の原因として、人口の減少を挙げる学者や評論家がいるが、これが誤っていることは、単回帰分析をすれば一発でわかる。

世界各国をサンプルとした「人口の伸び率」と「経済発展の伸び率（GDPの伸び率）」は相関関係が著しく低く単回帰モデルは作れない。

これに対して、政府の財政支出の伸び率は、GDPの伸び率ときわめて強い相関関係にある（下図　0.97）。

したがって、日本のデフレ化（GDPが伸びない）の原因は、政府の財政支出の伸び率がまったくないこと（緊縮財政を行っていること）にあることが一発でわかる。

財政支出が0だから、GDP伸び率も0なのである。

単回帰分析はこういう時に使うと正確に物事を知ることができる。