能够准确预测销售额的公司可以成功调整未来的生产水平，资源分配和营销策略，以匹配预期销售水平。这些行动有助于优化运营并实现利润最大化。回归模型根据自变量预测因变量（在本例中为销售额）的值。 Excel电子表格可以轻松处理这种类型的等式。
数据收集
决定一个自变量。例如，假设您的公司生产的产品的销售额与石油价格的变化密切相关。您的经验是，当石油价格上涨时，销售额会上升。要设置回归，请为过去几年的年度销售额创建电子表格列。创建第二列，显示每个销售年度中石油年度平均价格的百分比变化。要继续，您需要Excel Analysis ToolPak，您可以通过选择“选项”菜单上的“加载项”免费加载。
运行回归
从“数据”菜单上的“数据分析”项中选择“回归”。将自变量的范围标记为X轴，将因变量的范围标记为Y轴。为输出提供单元格范围并标记残差框。当您按“确定”时，Excel将计算线性回归并在输出范围内显示结果。回归代表一条直线，其斜率最适合数据。 Excel显示几个统计信息，以帮助您解释两个变量之间的相关强度。
解释结果
R平方统计数据表明自变量预测销售情况。在这个例子中，石油与销售额的R平方为89.9，这是由石油价格变化百分比解释的产品销售百分比。任何高于85的数字表示关系密切。在这个例子中，Y轴截距为380,000，表示如果石油价格保持不变，您将出售的产品数量。相关系数（在本例中为15,000）表明石油价格上涨1％将推动销售量增加15,000个单位。
使用结果
线性回归的值取决于您可以预测自变量的程度。例如，您可能向石油行业分析师支付私人预测，预测明年石油价格将上涨6％。将相关系数乘以6，并将结果 - 90,000 - 添加到您的Y截距量380,000。答案是470,000，即如果石油价格上涨6％，您可能会卖出的单位数量。您可以使用此预测来准备下一年的生产计划。您还可以使用不同的油价变动来运行回归，以预测最佳和最差情况的结果。当然，这些只是预测，而且总是有可能出现意外。如果合适，您还可以使用多个自变量运行回归。
