Regressionsmodell anpassen für Lagerumschlag prognostizieren

Verwenden Sie diese Option Regressionsmodell anpassen, um mehrere Prädiktoren zu verwenden, um die Umlaufzeit der Aktie vorherzusagen.

Dieses Beispiel gilt fürLieferkette Modul. Weitere Informationen finden Sie unterwww.minitab.com/supply-chain-module.

Beispiel

Die Bestandsrotation ist die Anzahl der Tage, bis der Lagerbestand erschöpft ist. Um die Bestandsrotation zu berechnen, dividieren Sie zunächst den durchschnittlichen Bestandswert durch den Gesamtumsatz für den gleichen Zeitraum. Multiplizieren Sie dann dieses Verhältnis mit der Anzahl der Tage im Zeitraum.

In diesem Umsatztage ist Fehler die Antwortvariable. Einkommen ist ein stetiger Prädiktor, und Kinder ist ein kategorialer Prädiktor. Die Prädiktoren können möglicherweise Unterschiede bei der Faserfestigkeit erklären.

C1	C2	C3-T
`Umsatztage`	`Verkaufsförderung`	`Artikel`
43,8	4	Jeans
41,5	1	Hose
63,1	6	Kurz
29,9	6	Röcke

Vorgehensweise

Wählen Sie Lösungen Module > Funktionen > Supply Chain KPIs, und wählen Sie dann die Option aus Abschießen.
Wählen Sie unter Lagerbestand die Option Lagerumschlag aus.
Wählen Sie Lagerumschlag prognostizieren aus, und klicken Sie dann auf OK.
Wählen Sie Regressionsmodell anpassen aus, und klicken Sie dann auf OK.
Geben Sie im Feld Antworten die Spalte mit den Messdaten ein. Die Antwortvariable wird auch als y-Variable bezeichnet.
Geben Sie im Feld Stetige Prädiktoren die Spalten mit numerischen Daten ein, anhand derer möglicherweise Änderungen der Antwortvariablen erklärt oder prognostiziert werden können. Die Prädiktoren werden auch als x-Variablen bezeichnet.
Geben Sie im Feld Kategoriale Prädiktoren die kategorialen Klassifikationen oder Gruppenzuweisungen ein, z. B. einen Typ von Rohmaterialien, anhand derer möglicherweise Änderungen der Antwortvariablen erklärt oder prognostiziert werden können. Die Prädiktoren werden auch als x-Variablen bezeichnet.
Klicken Sie auf OK.

Tipp

Weitere Informationen zu dieser Analyse erhalten Sie im Hilfe Hauptdialogfeld.