Introducción a la regresión lineal

Análisis de regresión Coeficientes Diagrama de dispersión Mínimos cuadrados Parámetros Recta de regresión Relación estadística Relación funcional Relación lineal Variables

El objeto de un análisis de regresión es investigar la relación estadística que existe entre una variable dependiente (Y) y una o más variables independientes (, ... ). Para poder realizar esta investigación, se debe postular una relación funcional entre las variables. Debido a su simplicidad analítica, la forma funcional que más se utiliza en la práctica es la relación lineal.  Cuando solo existe una variable independiente, esto se reduce a una línea recta:

donde los coeficientes b0 y b1 son parámetros que definen la posición e inclinación de la recta.  (Nótese que hemos usado el símbolo especial  para representar el valor de Y calculado por la recta.  Como veremos, el valor real de Y rara vez coincide exactamente con el valor calculado, por lo que es importante hacer esta distinción.)

El parámetro b0, conocido como la "ordenada en el origen," nos indica cuánto es Y cuando X = 0.  El parámetro b1, conocido como la "pendiente," nos indica cuánto aumenta Y por cada aumento de una unidad en X.  Nuestro problema consiste en obtener estimaciones de estos coeficientes a partir de una muestra de observaciones sobre las variables Y y X. En el análisis de regresión, estas estimaciones se obtienen por medio del método de mínimos cuadrados.

Cuadro 1.  Operaciones Mensuales en una Empresa de Transporte de Pasajeros.                      Costos      Millas                     Totales    Vehículo                       (miles)      (miles)     Mes Nº          Y              X             1            213.9        3147         2            212.6        3160         3            215.3        3197         4            215.3        3173         5            215.4        3292         6            228.2        3561         7            245.6        4013         8            259.9        4244         9            250.9        4159       10            234.5        3776       11            205.9        3232       12            202.7        3141       13            198.5        2928       14            195.6        3063       15            200.4        3096       16            200.1        3096       17            201.5        3158       18            213.2        3338       19            219.5        3492       20            243.7        4019       21            262.3        4394       22            252.3        4251       23            224.4        3844       24            215.3        3276       25            202.5        3184       26            200.7        3037       27            201.8        3142       28            202.1        3159       29            200.4        3139       30            209.3        3203       31            213.9        3307       32            227.0        3585       33            246.4        4073 Fuente: J. Johnston, Análisis Estadístico de los Costes (Barcelona: Sagitario, S. A., 1966), p. 118.

Como ejemplo, consideremos las cifras del Cuadro 1, que muestra datos mensuales de producción y costos de operación para una empresa británica de transporte de pasajeros por carretera durante los años 1949-52 (la producción se mide en términos de miles de millas-vehículo recorridas por mes, y los costos se miden en términos de miles de libras por mes). Para poder visualizar el grado de relación que existe entre las variables, como primer paso en el análisis es conveniente elaborar un diagrama de dispersión, que es una representación en un sistema de coordenadas cartesianas de los datos numéricos observados. En el diagrama resultante, en el eje X se miden las millas-vehículo recorridas, y en el eje Y se mide el costo de operación mensual. Cada punto en el diagrama muestra la pareja de datos (millas-vehículo y costos de operación) que corresponde a un mes determinado. Como era de esperarse, existe una relación positiva entre estas variables: una mayor cantidad de millas-vehículo recorridas corresponde un mayor nivel de costos de operación.

Por otro lado, también se aprecia por qué este gráfico se denomina un diagrama de "dispersión": no existe una relación matemáticamente exacta entre las variables, ya que no toda la variación en el costo de operación puede ser explicada por la variación en las millas-vehículo. Si entre estas variables existiera una relación lineal perfecta, entonces todos los puntos caerían a lo largo de la recta de regresión, que también ha sido trazada y que muestra la relación "promedio" que existe entre las dos variables. En la práctica, se observa que la mayoría de los puntos no caen directamente sobre la recta, sino que están "dispersos" en torno a ella. Esta dispersión representa la variación en Y que no puede atribuirse a la variación en X.

• Textos básicos
   - Introducción
   - Estimación de la recta de regresión y del coeficiente de determinación
   - Regresión múltiple
   - Regresión no lineal

• Referencias

• Ejercicios de aplicación a casos concretos

  • Caso A - Elecciones en Florida

  • Caso B Ley de Okun: Desempleo y Crecimiento Económico, USA 1966-95.

  • Caso C Ley de Okun: Desempleo y Crecimiento Económico, USA 1929-54.

  • Caso D Ley de Okun: Desempleo y Crecimiento Económico, Alemania 1960-1981.

  • Caso E Función de consumo

Volver al índice