売上予測を重回帰分析で行う理由

売上予測を重回帰分析で行うのは理由がある。

本来、因果関係がはっきりしている物事なら、演繹的に答えが出る。

もし、交通量・通行量が多くなることに比例してお客さんの数が増えることが、因果関係としてはっきりしているのなら、重回帰分析をする必要はなく、キャッチ率法で売上予測が出る。

人が多く通れば、そのぶん、店に接触する（店を見たりすることを含む）数も増えるだろう。客数が増えて売上も高くなる。

自然にはそう考えてもおかしくはない。

しかし、こと人間の起こす現象はけっこう複雑な因果関係になっており、一筋縄ではいかない。

店の前を通る人は、みな同じではない。同じように店を見ることはないし、気分・機嫌によって見えたり見えなかったりもする。

仮に、見える確率が同じであったとしても、そこから先の行動（反応）は、人によってみんな違う。

ああそうか、で終わる人もいれば、ちょっと中を見てみようと思う人もいる。

積極的に周りの人を連れて店に入る人もいよう。そう、千差万別の反応をするものだ。

ちなみに、キャッチ率は、マクドナルドで調べたところ最大で50％を超えることもあるが、２％に満たないこともある。

つまり、交通量・通行量は因果関係としてさほど定かではない要素である。

このように売上をもたらす因果関係は多くある。

店が大きいほどお客さんを収容しサービスを提供しやすい。

間口がひろいほど店の入りやすい。だから売上は高くなる。

遠くから店が見えるほど売上は高くなる。

店の近くに人々が多く住んでいるほどお客は来る。

競合店がすくないほど、自店の売上は高い。

周辺住民の可処分所得が高いほど購買単価が高い。

近くでイベントが多いと売れる。

晴れている日が多いほど売れる。宅配飲食業は雨が降る日が多いほど売れる。

近くに駅があると売れる。

などなどたくさんの因果関係が考えられる。

だからこそ、重回帰分析なのである。

もちろん、すべての要因が必要なわけではない。要因は10個以下に絞らないといけない。

しかし、10個の強烈な要因を揃えれば、精度の高い売上予測モデルを構築することができる。

売上予測は、人間を相手にするからこそ、因果関係は一様ではない。

多くの因果関係について、それぞれ特別に数値化したデータを用意すれば、その重要度に応じて、影響度の高い取り込み方ができる。

それが、重回帰分析の特質である。

重要度がかなり低ければ　ｔ値（ティーチ）は1未満であり、高いほどｔ値は高くなる。

ここが重回帰分析の優れた効用と言える。