Динамические регрессионные модели позволяют учитывать причинные факторы, такие как цены и другие экономических показателей в ваших прогнозах. Динамические регрессионные модели – сочетание стандартных моделей регрессионных операций с возможностью использования динамических условиях, охватывающих тенденции, сезонность. В результате получается более точная модель.
   Четко определенные динамической регрессионной модели позволяет понять взаимосвязь между переменными и допускает сценарии вида “что если”. К примеру, ваша модель динамической регрессии включает в себя стоимость по сути “объясняющую” переменную, количественной взаимосвязи между ценами продаж, модель же позволяет создавать различных ценовые сценарии. “Что, если мы поднимаем цену?”, “Что, если мы ее снизим?”. Генерация полного набора таких альтернативных сценариев может помочь вам определить эффективную ценовую стратегию.
   Четко определенные динамические модели регрессии отражает связь между зависимой переменной и одной или несколькими независимыми переменными. Если эти независимые переменные находятся под вашим контролем (например, цены, рекламные акции и т.д.), или, если они ведут показателей это может оказаться серьезной проблемой.
   Большинство методов прогнозирования могут быть в значительной степени автоматизированы экспертной системой (например Forecast Pro), которая выполняет различные статистические тесты, а затем выбирает и строит окончательную модель.
   Регрессия несет немного иной подход. Это один из методов прогнозирования в экспертной системе, где знание техники и опыт создания моделей конкретным исполнителем оказываются довольно полезными. Создание динамической регрессионной модели, как правило, итерационная процедура, начинаеся она с первоначальной модели и в процессе экспериментирования добавляюся или удаляются независимые переменные и динамические условия до тех пор, пока не получится приемлемая модель. Экспертной системы предоставляет полный спектр самостоятельной интерпретации гипотез, чтобы помочь вам в этом процессе.
   Динамическая регрессия является мощным методом прогнозирования, она позволяет учитывать влияние независимых переменных на ваш прогноз. Если спрос на ваши товары или услуги зависит от причинных переменных, и Вы можете получить исторических данных и достоверных прогнозы этих переменных, то следует рассмотреть возможность использования динамической регрессии.