歡迎來到預算編製的分析技術！

你好！歡迎來到管理會計 (MA) 學習旅程中最實用的部分之一。你可以把這一章看作是商業決策的「水晶球」。在編製預算時，我們不能僅靠猜測來預估明年會發生什麼；我們需要利用數據做出精明的預測。本節將向你展示如何透過分析過往數據來預測未來的成本和銷售額。別擔心如果你不是「數學高手」，我們會一步步拆解所有內容！

1. 高低點法 (High-Low Method)：入門捷徑

在進入複雜的數學計算之前，我們通常會先使用高低點法。它的作用很簡單：將半變動成本 (Semi-variable cost) 拆分為固定成本 (Fixed cost) 和變動成本 (Variable cost) 兩部分。

類比： 想像你的每月電話費帳單。無論你使用多少數據，你都要支付一筆基本費用（固定成本），此外，每使用 1GB 數據還需額外收費（變動成本）。高低點法就是透過觀察你帳單最高和最低的兩個月份，幫你算出這兩項具體金額。

操作步驟 (Step-by-Step)：

1. 識別最高和最低的作業水平 (Activity level)（例如：生產單位數量或工作小時數）。
2. 計算差額：找出這兩個點在作業單位和總成本上的差距。
3. 計算單位變動成本 (b)：
\( Variable\ Cost\ per\ Unit\ (b) = \frac{Change\ in\ Total\ Cost}{Change\ in\ Activity\ Level} \)
4. 計算總固定成本 (a)：
\( Fixed\ Cost\ (a) = Total\ Cost - (Variable\ Cost\ per\ unit \times Activity\ Level) \)

快速複習：請務必根據作業水平（單位/小時）來選擇最高點和最低點，而不是根據成本金額！

重點總結：高低點法操作快速且簡單，但由於它只觀察兩個數據點而忽略了中間的所有變化，因此可能不夠精確。

2. 線性回歸 (Linear Regression)：最佳擬合線

如果說高低點法是「快速草圖」，那麼線性回歸就是高解析度的照片。它利用所有可用的數據點，找出成本與作業水平之間最精確的關係。

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

其中：
y = 總成本（「應變數」——取決於我們做了多少業務）
a = 總固定成本（「截距」——當作業水平為零時的成本）
b = 單位變動成本（「斜率」——直線的傾斜度）
x = 作業水平（「自變數」——例如：生產單位）

如何求出 'a' 和 'b'

在考試中，題目通常會給你數據的總和（如 \( \sum x \)、 \( \sum y \) 等）。你只需將它們代入以下公式即可：
\( b = \frac{n\sum xy - \sum x \sum y}{n\sum x^2 - (\sum x)^2} \)
\( a = \frac{\sum y}{n} - \frac{b\sum x}{n} \)
註：'n' 是你擁有的數據組數量。

常見錯誤：區分 \( (\sum x)^2 \) 和 \( \sum x^2 \) 非常重要：
- \( (\sum x)^2 \) 代表：先將所有 x 相加，然後將總和平方。
- \( \sum x^2 \) 代表：先將每個 x 分別平方，然後將這些平方值相加。

重點總結：線性回歸比高低點法更準確，因為它考慮了所提供的每一個數據點。

3. 相關性與判定係數 (Correlation and Determination)

僅僅因為我們能在數據點之間畫出一條線，並不代表數據之間真的存在關聯。我們使用相關性 (Correlation) 來檢視關係有多「強」。

相關係數 (r)

r 值告訴我們數據點與直線的擬合程度。它永遠介於 -1 到 +1 之間：
- +1： 完全正相關（隨著作業水平上升，成本也完美地同步上升）。
- -1： 完全負相關（一個數值上升，另一個則下降）。
- 0： 完全無相關（數據看起來就像混亂的雲團）。

判定係數 (r²)

將相關係數平方 (\( r \times r \))，即可得到 r²。這是考試中非常熱門的考點！
r² 告訴我們 y 的變化中，有多少百分比是由 x 的變化所引起的。

舉例：如果 r = 0.9，則 r² = 0.81 (或 81%)。這意味著 81% 的成本變化是由產量造成的，其餘 19% 則受其他因素（如運氣或浪費）影響。

冷知識：相關並不等於「因果」。冰淇淋銷量和鯊魚攻擊事件都在夏天增加，這並不代表吃冰淇淋會「導致」鯊魚攻擊！這兩者只是同樣與天氣炎熱有關而已。

4. 時間序列分析 (Time Series Analysis)

時間序列只是一組隨時間記錄的數據（例如過去 3 年每月的銷售額）。我們透過分析它來找出規律。

時間序列的四個組成部分：

1. 趨勢 (Trend, T)： 長期的潛在移動方向（是整體上升、下降還是保持平穩？）。
2. 季節性變動 (Seasonal Variation, S)： 定期重複的短期規律（例如：冬天賣出的外套較多）。
3. 週期性變動 (Cyclical Variations, C)： 長期的經濟週期（繁榮與衰退）。
4. 隨機變動 (Random Variations, R)： 不可預測的「偶發」事件（例如罷工或突如其來的風暴）。

移動平均法 (Moving Averages)

為了找出趨勢，我們需要平滑掉季節性的「高低起伏」。我們使用移動平均法來達成：透過對數據區段（例如一次取 4 個季度）計算平均值，季節性的高峰會消失，剩下的就是「真實」的趨勢。

計算季節性變動 (S)

考試可能會要求使用以下兩種模型：
1. 加法模型 (Additive Model)： 實際結果 = 趨勢 + 季節性變動 \( (Y = T + S) \)
2. 乘法模型 (Multiplicative Model)： 實際結果 = 趨勢 × 季節因子 \( (Y = T \times S) \)

記憶小撇步：
- 加法 (A)dditive 使用絕對 (A)bsolute 數值（例如：夏天銷售量增加 200 件）。
- 乘法 (M)ultiplicative 使用倍數/百分比 (M)ultipliers（例如：夏天銷售量是平常的 1.2 倍）。

重點總結：預測未來時：首先算出未來期間的趨勢，然後應用季節性調整（相加或相乘）即可得到最終預測結果。

5. 限制與陷阱

雖然這些技術很棒，但並非完美無缺。如果你的預測不是 100% 準確，別擔心——沒有任何預測是完美的！原因如下：

1. 外推法 (Extrapolation)： 這意味著在過往數據範圍「之外」預測未來。這是有風險的，因為我們假設過去的趨勢會永遠持續下去。
2. 環境變化： 通脹、新競爭對手或科技變革都可能使過去的數據失去參考價值。
3. 線性假設： 我們假設成本以直線移動，但現實中，成本往往會出現「階梯式」（階梯成本）或曲線變化。

快速複習箱：
- 高低點法： 快速但準確度較低。
- 回歸分析： 數學上的「最佳擬合線」。
- r²： X 解釋了多少比例的 Y。
- 趨勢： 長期的方向。
- 季節性： 重複出現的規律。

最後鼓勵：你已經完成了分析技術的學習！這些本質上只是你工具箱中的工具。練習辨識該使用哪一種工具（這是趨勢嗎？這屬於固定成本嗎？），久而久之這些數學計算就會成為你的本能。祝你學習愉快！