我有以下数据集（.csv 格式），其中包含：

• 100 列：$\textbf{Period}$（以年为单位，例如 2017 年、2018 年、...、2028 年），$\textbf{Gross Revenue}$,$\textbf{Region}$（例如 APAC、NEMEA 等），其他 97 列$\textbf{factors}$（例如，客户数量、生产的商品数量等）。

• 1,000,000 行

在哪里$\textbf{Period}$, 只有 2017 年是实际数据，而 2018, ..., 2028 年是$\textbf{planned}$，从某种意义上说，这些年的数据是公司期望在未来这些年承诺和接收的数据。

现在，我想预测每个的总销售额$\textbf{Region}$2018 年。

我尝试使用逐步回归，但逐步产生的线性模型对于大多数预测变量具有 NA 值，并且还有 t 检验产生的概率。

我咨询了一些在数据科学和分析领域工作的朋友，他们都告诉我，2018 年无法预测。

考虑到数据的状态，是否可以这样做？对此的一些见解将不胜感激！