回归有很多种，最常见最简单的是线性回归，线性回归的基本方程很简单就是一元一次方程：y = bx + a
Excel提供以下函数，用于基于回归线预测任何x的y值。
SLOPE（数组1，数值2）=所述的回归线的斜率
INTERCEPT（数组1，数值2）=如上所述的回归线的y截距
Excel 2016引入了一个新函数FORECAST.LINEAR，它等效于FORECAST的线性回归
简单的线性回归，可以直接用excel自带函数进行预测，但通常，我们的数据都是有季节性，趋势性的，所以，这个时候我们需要同时考虑季节和趋势，用相加或者相乘的模式。
那如果有多个相关变量，多重回归呢？道理是一样的。
我们可以把方程变成Y=β0+β1X1+β2X2+…+e
另外除了图形，我们可以通过计算r，判断是否两列参数相关
CORREL(array1,array2)
CORREL函数返回两个单元格区域的相关系数。使用相关系数确定两个属性之间的关系。例如，您可以检查一个位置的平均温度和空调使用情况之间的关系。越接近1或-1，越相关
也可以直接用excel的data analysis工具直接计算得出
和指数平滑一样，当回归同时有季节因素和趋势的话，我们需要把这些因素相加或者相乘得到预测：
Yt=Level+Trend+Seanality+Noise
Yt= Level*Trend*Seanality*Noise
有些参数相关是指数趋势模式，我们需要取log后，转化成一次指数平滑，再进行预测分析，然后再反log。
利用两次趋势模型（Quadratictrend model）可以相对更好对有季节性的数据进行预测
在视频的案例中，我们就是利用这一方法来获得季节和趋势，利用回归的特性来实现预测。
多重回归的方法类似，只是把时间轴换成其他的参数的变量，如果在日常预测中，我们的价格，性别，年龄等都是对销售有影响的，可以利用这些参数来观察是否有回归特性并在这个基础上得出预测值。
相关好文如下，点击即可阅读
如何用Excel做供应链网络优化（通俗易懂）
最实用的呆滞物料处理方案
供应链神人：不用系统也能处理海量订单
一个真实的供应链九宫格ABCXYZ降本案例
ABCXYZ策略分类在需求计划和供应计划中的应用
物料计划中如何使用Excel实现一对多反向查询功能
有了ERP 软件，供应链人为什么还依赖 Excel 表格？
Excel新技能 -- 产能与销售策略最优决策分析
为什么很多公司的ERP系统用得还不如Excel