W przedstawionych danych mamy typowy szereg czasowy: sprzedaż jest podana dla kolejnych lat. Gdy celem jest odpowiedź na pytania typu: "czy sprzedaż rośnie, maleje czy jest stabilna?" oraz "jaki jest ogólny kierunek zmian w czasie?", najbardziej adekwatna jest analiza trendów. Obejmuje ona opis przebiegu zjawiska w czasie (np. obserwację tendencji wzrostowej) i często jest pierwszym krokiem przed prognozowaniem.
Odpowiedź "Analiza porównawcza" bywa użyteczna, gdy porównuje się różne obiekty (np. oddziały, produkty, firmy) albo zestawia wyniki "przed i po" dla jednego okresu, ale sama w sobie nie akcentuje uchwycenia długookresowej tendencji w szeregu czasowym. W tym zadaniu kluczowa jest właśnie zmiana w czasie, a nie porównanie jednostek.
"Analiza korelacji" jest nieadekwatna, ponieważ korelacja wymaga co najmniej dwóch zmiennych (np. sprzedaż i wydatki marketingowe), aby badać siłę i kierunek współzależności. W tabeli występuje jedna zmienna merytoryczna (sprzedaż) obserwowana w czasie, więc nie ma podstaw do badania korelacji między zmiennymi.
"Analiza regresji" jest metodą modelowania zależności (np. sprzedaż jako funkcja czasu lub innych czynników). Co prawda regresji można użyć do modelowania trendu (np. linia trendu), ale w kontekście pytania o "najbardziej odpowiedni sposób analizy" dla prostego zestawienia rocznego, podstawową i najbardziej bezpośrednią odpowiedzią pozostaje analiza trendów jako kategoria opisowa. Regresja jest zwykle kolejnym, bardziej formalnym etapem, gdy chcemy estymować model i prognozować, a nie tylko wskazać tendencję.
Wskazówka egzaminacyjna: jeśli w danych widzisz kolejne okresy (miesiące/kwartały/lata) i jedną wielkość ekonomiczną, myśl najpierw o narzędziach szeregu czasowego: trend, sezonowość, dynamika, wykres liniowy. Korelacja i regresja częściej pojawiają się, gdy w treści są dwie lub więcej zmiennych oraz pytanie o ich zależność.
