Pengembangan analisis regresi dimulai dengan cara memilih objek biaya, yaitu variabel terikat. Variabel
terikat mungkin disajikan pada tingkat yang luas, seperti total biaya pemeliharaan untuk seluruh
perusahaan, atau tingkat terperinci, seperti biaya pemeliharaan untuk setiap pabrik atau departemen.
Pemilihan tingkat agregat bergantung pada tujuan estimasi biaya, ketersediaan dan keandalan data,
serta pertimbangan biaya dan manfaat. Jika tujuan utamanya adalah keakuratan, tingkat analisis
terperinci sering kali lebih disukai.
(1) Relevan, yaitu variabel yang berubah ketika variabel terikat berubah, dan
(2) Bukan merupakan salinan dari variabel bebas lainnya.
Seringkali data dalam analisis regresi berupa jumlah angka dalam satuan dolar atau unit. Jenis variabel
lainnya, disebut juga variabel rekayasa (dummy variabel), yang mewakili kehadiran atau ketidakhadiran
suatu kondisi. Contohnya, variabel rekayasa dapat digunakan untuk menandai musiman. Jika akuntan
manajemen sedang mengestimasikan biaya produksi, dan jika biaya produksinya terlalu tinggi pada
bulan Maret, variabel rekayasa dapat digunakan dengan nilai 1 untuk bulan Maret dan 0 untuk bulan-
bulan lainnya.
Selain untuk mengestimasikan biaya, analisis regresi juga menyediakan ukuran kuantitatif dari ketepatan
dan keandalannya. Ketepatan mengacu pada keakuratan estimasi regresi, dan keandalan menunjukkan
apakah regresi mencerminkan hubungan aktual antarvariabel; yaitu apakah model regresi mungkin
terus-menerus memprediksi secara akurat? Ukuran-ukuran ini dapat membantu akuntan manajemen
dalam menilai kegunaan regresi tersebut. Empat ukuran utama tersebut, yaitu:
Sebagai contoh, suatu perusahaan sedang mengembangkan persamaan regresi untuk biaya tidak
langsung pada pabriknya. Perusahaan tersebut memproduksi barang sesuai pesanan. Kadang kala,
pesanan dan jumlah yang sangat besar meningkatkan biaya langsung dan tidak langsung pada bulan
tertentu. Biaya tidak langsung terutama terdiri dari biaya perlengkapan, pengendalian, pengujian
kualitas, upah lembur, dan biaya tenaga kerja tidak langsung lainnya. Regresi digunakan untuk membuat
anggaran biaya tidak langsung di tahun mendatang terutama untuk tujuan manajemen kas.
Seandainya jumlah jam tenaga kerja langsung maupun jumlah jam mesin di pabrik merupakan variabel
bebas yang baik untuk mengestimasikan biaya tidak langsung. Akuntan manajemen dapat
mengembangkan regresi untuk data tersebut dengan menggunakan Excel. Untuk menggunakan Excel,
gunakan Regression dari tab Data/Data Analysis, kemudian memilih rentang X dan Y untuk variabel
bebas dan terikat, lalu diperoleh hasil regresi.
Ketika analisis regresi melibatkan dua atau lebih dari dua variabel bebas, hal tersebut merupakan bentuk
aplikasi regresi linear berganda (multiple linear regression). Sebaliknya, dengan menggunakan satu
variabel bebas, merupakan bentuk aplikasi regresi linear sederhana (simple linear regression).
Kompetisi dalam bisnis perjudian sangat berfokus pada kepuasan dan loyalitas pelanggan. Agar menjadi
lebih kompetitif, Harrah (pemilik kasino) menggunakan analisis regresi untuk memprediksi kepuasan
pelanggan. Pendekatan yang digunakan oleh banyak perusahaan lainnya, meliputi UPS dan Google.
Model lima tahapan berikut menjelaskan bagaimana dan mengapa Harrah menggunakan analisis
regresi:
Regresi linier mengasumsikan hubungan linier antarvariabel, dan estimasi regresi tidak dapat diandalkan
ketika hubungan data bersifat nonlinier. Ketidaklinieran paling sering terjadi ketika pola deret berkala
terhadap data seperti: