统计预测高手请进：公司销售预测案例分析

我司因为销售预测不准，导致产品积压严重，现有11个月的实际销售值，我分别用excel线性/二次曲线拟合，minitab多项式回归，和excel时间数列指数曲线拟合,对第12个月销售进行预测，从结果看，用指数曲线拟合最好（Rsq=1,S=0), 好得我都不敢相信！ 而线性/二次曲线拟合以及多项式回归结果却不理想。具体分析请见附件。
问题：
1.为什么用虚拟变量和指数曲线拟合的结果那么好，可信吗？ 如果有问题，问题出在那里？
2.为什么用excel和minitab分别进行二次曲线多项式回归，结果却不一样？
3.可能数据太少，在这样的条件下，还有其他更理想的预测方法吗？
我在论坛搜索了一下，好像关于用统计方法进行预测和决策方面的帖子不多，不知道为什么？
希望有高手指点迷津。
(这里好像不能上传excel和powerpoint 文件，只能贴过来，效果不好，郁闷阿！)
原始数据:
Month Month1 coded Month coded2 Month sales
2008/3 March 1 1 564
2008/4 Apr 2 4 11241
2008/5 May 3 9 35580
2008/6 Jun 4 16 38105
2008/7 Jul 5 25 33262
2008/8 Aug 6 36 57986
2008/9 Sep 7 49 148104
2008/10 Oct 8 64 43392
2008/11 Nov 9 81 44244
2008/12 Dec 10 100 82737
2009/1 Jan 11 121 5641
**excel 二次曲线拟合
sales二次曲线趋势拟合**

Regression Statistics
Multiple R 0.647965021
R Square 0.419858669
Adjusted R Square 0.274823336
Standard Error 35276.72488
Observations 11

ANOVA
df SS MS F Significance F
Regression 2 7205030443 3602515221 2.894871618 0.113275302
Residual 8 9955578544 1244447318
Total 10 17160608987

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept -44074.1697 38741.17818 -1.137656927 0.288186848 -133411.4867 45263.14731
coded Month 33913.5951 14838.17538 2.285563706 0.051621079 -303.2986489 68130.48886
coded2 Month -2475.544289 1204.32753 -2.055540729 0.073869853 -5252.728551 301.639973

拟合公式： sales=-44074.1697+33913.5951X-2475.544289X*X
2009/2 预测值为： 6410.593939
sales 指数曲线趋势拟合时间数列

Regression Statistics log10(sales in 2009/2)=5.399126584
Multiple R 1 sales in 2009/2= 250683.9817
R Square 1
Adjusted R Square 65535
Standard Error 0
Observations 11

ANOVA
df SS MS F Significance F
Regression 12 4.441742167 0.370145181 #NUM! #NUM!
Residual 0 0 65535
Total 12 4.441742167

minitab多项式回归
Polynomial Regression Analysis: sales versus coded2 多项式回归
The regression equation is
sales = 1889 + 2575 coded2 - 20.65 coded2**2
S = 33358.1 R-Sq = 48.1% R-Sq(adj) = 35.2%
Analysis of Variance
Source DF SS MS F P
Regression 2 8.25852E+09 4129257606 3.71 0.072
Error 8 8.90209E+09 1112761722
Total 10 1.71606E+10
Sequential Analysis of Variance
Source DF SS F P
Linear 1 689614709 0.38 0.555
Quadratic 1 7568900502 6.80 0.031