Anlisis de Regresin

El anlisis de regresin comprende el estudio de la relacin entre dos

variables que se caracterizan por ser cuantitativas, de tal manera que
podamos conocer si existe alguna asociacin entre las variables, y de
ser as, profundizar en el nivel de fuerza y la forma en que estn
relacionadas. Como indica Mara Garca Centeno en su publicacin en
el diario econmico Expansin: Es un procedimiento estadstico que
analiza la relacin que existe entre una variable dependiente (Y) y
una o ms variables independientes (X1, X2,..., Xk). Si slo se utiliza
una variable independiente se tratara de un anlisis de regresin
simple y si se utiliza ms de una variable independiente sera un
anlisis de regresin mltiple.
Se debe partir por un anlisis de datos y de un diagrama de
esparcimiento donde se marcan en forma de puntos y cada punto
sobre el diagrama representa un par de puntos, uno correspondiente
a la escala X y el otro a la escala Y. Posteriormente se procede al
anlisis de regresin que consiste principalmente en dos objetivos a
lograr, los cuales describe Liliana Orellana en su artculo de Regresin
de la Universidad de Buenos Aires: a) derivar una ecuacin y una
lnea que represente la ecuacin para describir la forma de la relacin
entre variables. b) Estimar una variable, llamada variable
dependiente, a partir de otra variable o variables, llamadas variables
independientes, basadas en la relacin descrita por la ecuacin de
regresin. Es importante mencionar que el diagrama de
esparcimiento tambin indica si la relacin entre las dos variables es
positiva o negativa. Cuando hay una tendencia para que grandes
valores de X estn apareados con grandes valores de Y y pequeos
valores de X apareados con pequeos valores de Y se dice que es
positiva. Y por otro lado cuando hay una tendencia para que grandes
valores de X estn apareados con pequeos valores de Y y viceversa,
se dice que es negativa.
Un factor muy importante es el anlisis de correlacin que representa
el grado de variacin conjunta entre dos o ms variables. Este anlisis
es definido y aclarado por Liliana Orellana como: El clculo
concerniente al grado de relacin est basado en la ecuacin de
regresin. Sin embargo, es posible realizar el anlisis de correlacin
sin realmente una ecuacin de regresin. Ntese que un alto grado de
correlacin no indica relacin causa-efecto entre dos variables. Es
decir que se puede obtener un alto grado de correlacin cuando la
relacin no tenga un significado real. El anlisis de regresin y
correlacin puede ser simple, mltiple y parcial. El simple se refiere
solo a dos variables, mientras que la mltiple y parcial trata con tres o
ms variables, manteniendo una sola variable dependiente.

Existen trminos que representan cuantitativamente los anlisis de

datos que se realizan, como son la desviacin estndar, los
coeficientes de correlacin y de determinacin. La desviacin
estndar es el valor que puede ser usado para medir el error de
estimacin de los valores individuales de una variable, basados en la
lnea de regresin. El uso ms comn es la desviacin estndar de la
variable Y. Al ser una medida de dispersin, Lilian Mora la define en
relacin al mercado de la siguiente manera: Es til para buscar
probabilidades de que un evento ocurra, o en el caso del mercado
burstil, determinar entre que rango de precios puede moverse un
determinado activo, y determinar qu tipo de activos pueden ser ms
voltiles que otros. Los mercados cuyos precios se mueven
lentamente son mercados de baja volatilidad, los mercados cuyos
precios se mueven a alta velocidad son mercados de alta volatilidad.
Otras medidas de los datos son los coeficientes de determinacin y
correlacin. El primero es una medida estadstica de la fiabilidad del
modelo estimado a los datos. Es representado por R2 que indica la
proporcin de la variacin total en la variable dependiente. Permite
elegir entre varios modelos cual es el ms adecuado. Respecto al
segundo, de cierta mayor complejidad es definida por Liliana Orellana
como: Medida estadstica que analiza el grado de dependencia entre
dos variables, es decir, como se ver afectada una variable
determinada, conociendo la variacin de una segunda variable. Toma
valores entre -1 y 1, indicando dependencia directa si es positiva o
inversa si es negativa, siendo el 0 la independencia total. Es la raz
cuadrada del coeficiente de determinacin.
CASO DE ESTUDIO: Proyectar las ventas de River S.A. 5 aos.
Se presentan las ventas de la empresa River S.A. desde el ao 2005
de esta manera en miles de dlares:

El comportamiento a travs del tiempo se muestra en este grfico:

Para pronosticar tenemos muchas distribuciones posibles de las

cuales elegiremos la ms fiable para obtener nuestro pronstico:

Lineal:

y = 3096,8x + 114587
R = 0,5376

Exponencial:

y = 115238e0,0234x
R = 0,5372

Potencial

y = 114482x0,0896
R = 0,4699

Logartmica:

y = 11856ln(x) + 113711
R = 0,4619

Analizando la medida de variacin (R) de la variable dependiente

(ventas) de la independiente (aos) notamos que la distribucin ms
confiable entre las que tenemos es la lineal:
y = 3096,8x + 114587
R = 0,5376
Es con esta ecuacin con la que se trabajar el pronstico:
Aos
Ventas
Pronosticadas

11
12
13
14
15
1486 1517 1548 1579 1610
52
49
45
42
39

Ventas Pronosticadas
162000
160000
158000
156000
154000
152000
150000
148000
146000
144000
142000
11

12

13

14

15

Bibliografa

Mara del Carmen Garca Centeno. (2014). Anlisis de

Regresin. 03/09/2016, de Expansin Sitio web:
http://www.expansion.com/diccionario
economico/analisis-de-regresion.html
Liliana Orellana. (2008). Regresin Lineal Simple. 03/09/2016,
de Universidad de Buenos Aires - Facultad de Matemtica Sitio
web:
http://www.dm.uba.ar/materias/estadistica_Q/2011/1/clase
%20regresion%20simple.pdf

Erick Lahura. (2003). EL COEFICIENTE DE CORRELACIN Y

CORRELACIONES ESPREAS . 03/09/2016, de Departamento
de Economa, PUCP Sitio web:
http://departamento.pucp.edu.pe/economia/images/document
os/DDD218.pdf