Grficas de datos y transformaciones

Se supone que durante la construccin de un modelo de regresin tanto x como y

entran en el modelo en forma lineal, pero tambin es aconsejable trabajar con un
modelo alternativo en el que x o y (o ambas) intervengan en una forma no lineal.
Se podra recomendar una transformacin; o bien, una simple graficacin de los
datos podra sugerir la necesidad de reexpresar las variables en el modelo. Un
modelo en el que x o y se transforman no debera considerarse como un modelo
de regresin no lineal. Por lo general denominamos a un modelo de regresin
como lineal cuando es lineal en los parmetros.
En otras palabras, suponga que el aspecto de los datos sugiere que debe hacerse
la regresin de y* en comparacin con la de x*, donde cada una de ellas es una
transformacin de las variables naturales x y y. Entonces, el modelo de la forma
y i = 0 + 1 x i + i; es lineal porque lo es en los parmetros 0 y 1.
y = 0 + 1 x + i

Es un modelo de regresin lineal.

La variable independiente o regresora, es el x.

La variable independiente es y.
Los parmetros son .

Log yi = 0 + 1 log x i + i

Aunque este modelo es no lineal en x y y, s lo es en los parmetros y por ello

recibe el tratamiento de un modelo lineal. Por otro lado, un ejemplo de modelo
verdaderamente no lineal es:
yi = 0 + 1 x 2 + i ; donde se debe estimar el parmetro 2, as como 0 y 1 .
El modelo es no lineal en .
Las transformaciones son muy numerosas; Decidimos incluir aqu algunas de ellas
y mostrar la apariencia de las grficas que sirven como herramientas diagnsticas;
Considere la tabla 11.6, donde se presentan varias funciones que describen
relaciones entre y y x que pueden producir una regresin lineal por medio de la
transformacin indicada.

Cules son las implicaciones de un modelo transformado?

Hay que mencionar dos puntos importantes.
El primero tiene que ver con la escritura formal del modelo una vez que se
hayan transformado los datos.
El modelo exponencial sirve como una buena ilustracin de esto. El modelo
en las variables (no transformadas) que produce un modelo de error aditivo
en las variables transformadas es dado por: yi = 0 e1 xi e i,
Al aplicar logaritmos es claro que se obtiene, ln yi = ln 0 + 1 x i + ln e i

El propsito de esta presentacin slo es recordar al lector que no debemos

considerar una transformacin tan slo como una manipulacin algebraica
a la cual se suma un error.
El segundo aspecto importante se refiere a la nocin de las medidas de

mejora. Las medidas evidentes de comparacin son, por supuesto, el valor

de R2 y el cuadrado medio de los residuales s2.