売上予測は統計分析の頂点だ。

売上予測は統計分析の頂点だと言える。

もちろん、それは、「統計分析の王様」とも言われる重回帰分析を使うからだが、売上予測に使う統計分析はそれだけではない。

勝利か敗北か、あるかないか、儲かるか儲からないか、晴れるか晴れないか、というような二者択一の判定をするたべの「判別分析」は、重回帰分析に次に役立つ統計分析である。

しかも、売上予測に関わるようなモデルの場合、例えば、月商1000万円に到達するか、しないかなどを目的変数にした判別分析モデルは、すでに作った重回帰モデルの説明変数をそのまま使うことができる。

だから、分析作業はわりあい簡単だ。

また、店舗の分類をするとき、「統計的に」どう分類した方が良いかを探ったり、既存店を「商圏の質」や商圏規模などによって分類するために、主成分分析や因子分析、そして、クラスター分析を行う。

重回帰分析・判別分析・主成分分析・因子分析・クラスター分析、こういった分析を総称して、「多変量解析」と呼ぶ。

（ちなみに、多変量解析は、実は、基礎統計よりも易しい。基礎統計から始めると挫折する人が多いが、多変量解析は素人から始めてもすぐ熟練出来て、実践的だ。だから、会社員になったら是非とも多変量解析を経験して見るべきだ。今は、安いアプリがいっぱい出ている）

「統計的に」というのは、間違いがないようにという意味でもある。偶然的な要因を極力排除するためである。

例えば、主成分分析を行うと、サンプルをどういう要因で分類したら良いかがわかる。

サンプルの属性はたくさんあるが、単に「人口だけで分類すれば良い」と人間は思いつくが、本当にそれで良いの？というわけである。

例えば、同じ人口でも、昨年の人口もあれば、６年前の人口もある。人口伸び率の高い商圏もあれば、高齢者人口が減少している商圏もある。

すると、そういった切り口は、一切無視して、人口だけで分類すればよいという考えはいかに無謀であるかわかるだろう。

店舗面積にしてもそうだ。店舗面積には、厨房や倉庫、事務所を含む場合もあれば、契約面積か、売場面積、設計面積かによっても違う。

１Ｆの面積と２階の面積、駐車場の面積、などなどあるわけであって、それらのすべてを「何らか考慮したい」と思えば、出てくるのが主成分分析である。

そして、総合的に判断するための第１主成分を求めれば良いわけである。

この第１主成分を求めれば、人口の総合得点、店舗面積の総合得点が求まる。

これだけで不足と感じるなら、第２主成分を使えば良い。

この第２主成分は、第１主成分に対して、全く相関がない。相関係数は必ず０である。

だから、第１主成分と第２主成分はお互いに何の関係もない成分である。

しかし、何らかの意味がある。その意味付けができるなら、是非とも使うべきである。