最小二乗法

観測値と予測値の差（残差）の2乗の合計が最小になるように、直線や曲線の係数を決める方法。回帰分析で回帰式を求める代表的な手法であり、表計算ソフトの近似曲線もこれを使っている。

観測データに最もよく当てはまる直線や曲線を求める方法で、各データの実測値と予測値の差（残差）を2乗した和が最小になるように係数を決める。回帰分析で回帰式を求める標準的な方法であり、需要予測で過去の実績から傾向線を引く際にも使う。

サービスに対する現在の需要を把握し、将来の需要を予測するとともに、サービスの需要と消費の状況を監視・報告するサービスマネジメントのプロセス。結果は容量・能力管理での資源の計画に用いる。

時系列データについて、一定の期間の平均値を、期間を1つずつずらしながら順に求める手法。短期的な変動をならして傾向を把握するために用い、直近の一定期間の平均を次の期の予測値とする需要予測の方法（移動平均法）にも使われる。

1つの説明変数で目的変数を説明・予測する回帰分析。データの関係を y＝ax＋b の直線（回帰直線）で表し、係数は最小二乗法で求める。

2つ以上の説明変数で1つの目的変数を説明・予測する回帰分析。y＝a1x1＋a2x2＋…＋b の形で表す。説明変数どうしの相関が強いと結果が不安定になる多重共線性に注意が必要である。

目的変数と、それに影響する説明変数との関係を数式（回帰式）で表し、要因の影響の大きさの把握や予測に使う統計手法。説明変数が1つの単回帰分析、複数の重回帰分析、目的変数が2値のロジスティック回帰分析などがある。回帰式は変数間の関連を表すにすぎず、因果関係を示すとは限らない。

時系列データに、一定の間隔で同じような変動が繰り返し現れる性質。曜日による売上の変動や年単位の季節変動などがあり、傾向変動や不規則変動と分けて捉えることで需要予測の精度を高められる。周期の有無や長さは、自己相関やグラフの形から調べる。