売上予測の方法は帰納法である

売上予測の方法は、すべからく帰納法であって、演繹法では不可能である。

ちなみに、演繹法とは、上位の概念（原因法則）から下位の概念（さまざまな結論・推論）を解明していく思考方法である。

これに対して、帰納法とは、下位の概念を分析していき、上位の概念を見つけ出していこうとすることである。

科学とは帰納法であることが多い。論理学や数学は演繹法である。物理学はもともと帰納法であったがアインシュタインの相対性原理あたりから演繹法が多くなり、現在の宇宙物理学などは演繹法に限りなく近い。

売上予測の世界では、演繹法と言われる手法のなかでもっとも有名なものが「ハフモデル」である。

これは、人と店との間に重力ならぬ吸引力という引き合う力を想定し、その吸引力は、人と店までの距離（ないし時間距離）に反比例し、店の魅力（その魅力の代替として店舗面積を使うことが多い）に比例するというものだ。

そして、人がかたまって住む地域をたくさん（M個）設定し、そうした地域から到達可能な店をすべて対象（N個）とすることで、M×N通りの吸引力関係を導き出す。このことによって、人々（M個）が、どれだけの確率で、店（N個）のうちの対象となる店（A店）に向かう可能性があるかを算出するものである。

人間の活動を自然界の物理法則かなにかのようになぞらえることで、この演繹法による売上予測を成立させている。

西洋の計量経済学者のお得意の「数値化」手法とも言える。

しかし、残念ながら、このハフモデルは、米国のように広い空間があるように地域では説得力を持つのかもしれないが、少なくとも日本国内での適用は精度が低すぎて使い物にならない。

にもかかわらず、「商圏分析」を優れた機能として売り出している「ジオグラフィックインフォメーションシステム（GIS：地理情報システム）」ソフトを売る企業には、このハフモデルを採用しているところが多い。

やはり、「演繹法」という手法がなんらかの”確からしさ”を醸し出しているのだろう。

とはいえ、やはり高い精度を求めるなら、帰納法による売上予測が最適である。

すなわち、重回帰分析であり、その分析で得られる重回帰式（重回帰モデル）こそ正統な売上予測の方法だと言える。

これからも、売上予測に関わる発見は、この重回帰分析を中心とした帰納法で見つけられていくだろう。