欢迎来到预算编制的分析技术！

你好！欢迎来到管理会计 (MA) 学习旅程中最实用的部分之一。你可以把这一章看作是商业决策的“水晶球”。在编制预算时，我们不能仅靠猜测来预估明年会发生什么；我们需要利用数据做出精明的预测。本节将向你展示如何通过分析过往数据来预测未来的成本和销售额。别担心如果你不是“数学高手”，我们会一步步拆解所有内容！

1. 高低点法 (High-Low Method)：入门捷径

在进入复杂的数学计算之前，我们通常会先使用高低点法。它的作用很简单：将半变动成本 (Semi-variable cost) 拆分为固定成本 (Fixed cost) 和变动成本 (Variable cost) 两部分。

类比： 想象你的每月电话费账单。无论你使用多少数据，你都要支付一笔基本费用（固定成本），此外，每使用 1GB 数据还需额外收费（变动成本）。高低点法就是通过观察你账单最高和最低的两个月份，帮你算出这两项具体金额。

操作步骤 (Step-by-Step)：

1. 识别最高和最低的作业水平 (Activity level)（例如：生产单位数量或工作小时数）。
2. 计算差额：找出这两个点在作业单位和总成本上的差距。
3. 计算单位变动成本 (b)：
\( Variable\ Cost\ per\ Unit\ (b) = \frac{Change\ in\ Total\ Cost}{Change\ in\ Activity\ Level} \)
4. 计算总固定成本 (a)：
\( Fixed\ Cost\ (a) = Total\ Cost - (Variable\ Cost\ per\ unit \times Activity\ Level) \)

快速复习：请务必根据作业水平（单位/小时）来选择最高点和最低点，而不是根据成本金额！

重点总结：高低点法操作快速且简单，但由于它只观察两个数据点而忽略了中间的所有变化，因此可能不够精确。

2. 线性回归 (Linear Regression)：最佳拟合线

如果说高低点法是“快速草图”，那么线性回归就是高解析度的照片。它利用所有可用的数据点，找出成本与作业水平之间最精确的关系。

其核心公式就是线性方程式 (Linear Equation)：
\( y = a + bx \)

其中：
y = 总成本（“应变量”——取决于我们做了多少业务）
a = 总固定成本（“截距”——当作业水平为零时的成本）
b = 单位变动成本（“斜率”——直线的倾斜度）
x = 作业水平（“自变量”——例如：生产单位）

如何求出 'a' 和 'b'

在考试中，题目通常会给你数据的总和（如 \( \sum x \)、 \( \sum y \) 等）。你只需将它们代入以下公式即可：
\( b = \frac{n\sum xy - \sum x \sum y}{n\sum x^2 - (\sum x)^2} \)
\( a = \frac{\sum y}{n} - \frac{b\sum x}{n} \)
注：'n' 是你拥有的数据组数量。

常见错误：区分 \( (\sum x)^2 \) 和 \( \sum x^2 \) 非常重要：
- \( (\sum x)^2 \) 代表：先将所有 x 相加，然后将总和平方。
- \( \sum x^2 \) 代表：先将每个 x 分别平方，然后将这些平方值相加。

重点总结：线性回归比高低点法更准确，因为它考虑了所提供的每一个数据点。

3. 相关性与判定系数 (Correlation and Determination)

仅仅因为我们能在数据点之间画出一条线，并不代表数据之间真的存在关联。我们使用相关性 (Correlation) 来检视关系有多“强”。

相关系数 (r)

r 值告诉我们数据点与直线的拟合程度。它永远介于 -1 到 +1 之间：
- +1： 完全正相关（随着作业水平上升，成本也完美地同步上升）。
- -1： 完全负相关（一个数值上升，另一个则下降）。
- 0： 完全无相关（数据看起来就像混乱的云团）。

判定系数 (r²)

将相关系数平方 (\( r \times r \))，即可得到 r²。这是考试中非常热门的考点！
r² 告诉我们 y 的变化中，有多少百分比是由 x 的变化所引起的。

举例：如果 r = 0.9，则 r² = 0.81 (或 81%)。这意味着 81% 的成本变化是由产量造成的，其余 19% 则受其他因素（如运气或浪费）影响。

冷知识：相关并不等于“因果”。冰淇淋销量和鲨鱼攻击事件都在夏天增加，这并不代表吃冰淇淋会“导致”鲨鱼攻击！这两者只是同样与天气炎热有关而已。

4. 时间序列分析 (Time Series Analysis)

时间序列只是一组随时间记录的数据（例如过去 3 年每月的销售额）。我们通过分析它来找出规律。

时间序列的四个组成部分：

1. 趋势 (Trend, T)： 长期的潜在移动方向（是整体上升、下降还是保持平稳？）。
2. 季节性变动 (Seasonal Variation, S)： 定期重复的短期规律（例如：冬天卖出的外套较多）。
3. 周期性变动 (Cyclical Variations, C)： 长期的经济周期（繁荣与衰退）。
4. 随机变动 (Random Variations, R)： 不可预测的“偶发”事件（例如罢工或突如其来的风暴）。

移动平均法 (Moving Averages)

为了找出趋势，我们需要平滑掉季节性的“高低起伏”。我们使用移动平均法来达成：通过对数据区段（例如一次取 4 个季度）计算平均值，季节性的高峰会消失，剩下的就是“真实”的趋势。

计算季节性变动 (S)

考试可能会要求使用以下两种模型：
1. 加法模型 (Additive Model)： 实际结果 = 趋势 + 季节性变动 \( (Y = T + S) \)
2. 乘法模型 (Multiplicative Model)： 实际结果 = 趋势 × 季节因子 \( (Y = T \times S) \)

记忆小撇步：
- 加法 (A)dditive 使用绝对 (A)bsolute 数值（例如：夏天销售量增加 200 件）。
- 乘法 (M)ultiplicative 使用倍数/百分比 (M)ultipliers（例如：夏天销售量是平常的 1.2 倍）。

重点总结：预测未来时：首先算出未来期间的趋势，然后应用季节性调整（相加或相乘）即可得到最终预测结果。

5. 限制与陷阱

虽然这些技术很棒，但并非完美无缺。如果你的预测不是 100% 准确，别担心——没有任何预测是完美的！原因如下：

1. 外推法 (Extrapolation)： 这意味着在过往数据范围“之外”预测未来。这是有风险的，因为我们假设过去的趋势会永远持续下去。
2. 环境变化： 通胀、新竞争对手或科技变革都可能使过去的数据失去参考价值。
3. 线性假设： 我们假设成本以直线移动，但现实中，成本往往会出现“阶梯式”（阶梯成本）或曲线变化。

快速复习箱：
- 高低点法： 快速但准确度较低。
- 回归分析： 数学上的“最佳拟合线”。
- r²： X 解释了多少比例的 Y。
- 趋势： 长期的方向。
- 季节性： 重复出现的规律。

最后鼓励：你已经完成了分析技术的学习！这些本质上只是你工具箱中的工具。练习辨识该使用哪一种工具（这是趋势吗？这属于固定成本吗？），久而久之这些数学计算就会成为你的本能。祝你学习愉快！