Regresión y Correlación

La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una

forma de estimación.

En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos
muéstrales para saber qué es y cómo se relacionan entre si dos o más variables en una población.
El análisis de correlación produce un número que resume el grado de la correlación entre dos
variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha
relación.

El análisis de correlación generalmente resulta útil para un trabajo de exploración cuando un

investigador o analista trata de determinar que variables son potenciales importantes, el interés
radica básicamente en la fuerza de la relación. La correlación mide la fuerza de una entre
variables; la regresión da lugar a una ecuación que describe dicha relación en términos
matemáticos

Los datos necesarios para análisis de regresión y correlación provienen de observaciones de

variables relacionadas.

Regresión lineal

La regresión lineal simple comprende el intento de desarrollar una línea recta o ecuación
matemática lineal que describe la reacción entre dos variables.

La regresión puede utilizadas de diversas formas. Se emplean en situaciones en la que las dos
variables miden aproximadamente lo mismo, pero en las que una variable es relativamente
costosa, o, por el contrario, es poco interesante trabajar con ella, mientras que con la otra variable
no ocurre lo mismo.

La finalidad de una ecuación de regresión seria estimar los valores de una variable con base en los
valores conocidos de la otra.

Otra forma de emplear una ecuación de regresión es para explicar los valores de una variable en
término de otra. Es decir, se puede intuir una relación de causa y efecto entre dos variables. El
análisis de regresión únicamente indica qué relación matemática podría haber, de existir una. Ni
con regresión ni con la correlación se pude establecer si una variable tiene “causa “ciertos valores
de otra variable.

1. Ecuación de regresión Múltiple. - La forma general de la ecuación de regresión múltiple con dos
variables independientes es:

Y' = a + b1X1 + b2X2

X1, X2: Variables Independientes

a: es la ordenada del punto de intersección con el eje Y.

b1: Coeficiente de Regresión (es la variación neta en Y por cada unidad de

variación en X1.).
b2: Coeficiente de Regresión (es el cambio neto en Y para cada cambio

unitario en X2).

Prueba Global. - esta prueba investiga básicamente si es posible que todas las variables
independientes tengan coeficientes de regresión neta iguales a 0.

2. Marco Teórico

A fin de facilitar la comprensión del presente trabajo definiremos algunos conceptos básicos.

Análisis de Correlación. - Es el conjunto de técnicas estadísticas empleado para medir la intensidad

de la asociación entre dos variables.

El principal objetivo del análisis de correlación consiste en determinar qué tan intensa es la
relación entre dos variables. Normalmente, el primer paso es mostrar los datos en un diagrama de
dispersión.

Diagrama de Dispersión. - es aquel grafico que representa la relación entre dos variables.

Variable Dependiente. - es la variable que se predice o calcula. Cuya representación es "Y"

Variable Independiente. - es la variable que proporciona las bases para el cálculo. Cuya
representación es: X1, X2, X3.......

Coeficiente de Correlación. - Describe la intensidad de la relación entre dos conjuntos de variables

de nivel de intervalo. Es la medida de la intensidad de la relación lineal entre dos variables.

El valor del coeficiente de correlación puede tomar valores desde menos uno hasta uno, indicando
que mientras más cercano a uno sea el valor del coeficiente de correlación, en cualquier dirección,
más fuerte será la asociación lineal entre las dos variables. Mientras más cercano a cero sea el
coeficiente de correlación indicará que más débil es la asociación entre ambas variables. Si es igual
a cero se concluirá que no existe relación lineal alguna entre ambas variables.

Análisis de regresión. - Es la técnica empleada para desarrollar la ecuación y dar las estimaciones.

Ecuación de Regresión. - es una ecuación que define la relación lineal entre dos variables.

Ecuación de regresión Lineal: Y’ = a + Bx

Ecuación de regresión Lineal Múltiple: Y’ = a + b1X1 + b2X2 + b3X3...

Principio de Mínimos Cuadrados. - Es la técnica empleada para obtener la ecuación de regresión,

minimizando la suma de los cuadrados de las distancias verticales entre los valores verdaderos de
"Y" y los valores pronosticados "Y".

Análisis de regresión y Correlación Múltiple. - consiste en estimar una variable dependiente,

utilizando dos o más variables independientes.
Correlación

El análisis de correlación se encuentra estrechamente vinculado con el análisis de regresión y

ambos pueden ser considerados de hecho como dos aspectos de un mismo problema.

La correlación entre dos variables es - otra vez puesto en los términos más simples - el grado de
asociación entre las mismas. Este es expresado por un único valor llamado coeficiente de
correlación (r), el cual puede tener valores que oscilan entre -1 y +1. Cuando “r” es negativo, ello
significa que una variable (ya sea “x” o “y”) tiende a decrecer cuando la otra aumenta (se trata
entonces de una “correlación negativa”, correspondiente a un valor negativo de “b” en el análisis
de regresión). Cuando “r” es positivo, en cambio, esto significa que una variable se incrementa al
hacerse mayor la otra (lo cual corresponde a un valor positivo de “b” en el análisis de regresión).

Los valores de “r” pueden calcularse fácilmente en base a una serie de pares de datos de “x” e “y”,
utilizando la misma table y montos que se indican en el Paso 2 de la sección “regresión” de este
capítulo. De este modo “r” puede ser obtenido - indirectamente - a partir de la relación.