Regresión lineal: cómo entender una relación entre variables (con simulador)

Regresión lineal: cómo entender una relación entre variables (con simulador) | El Elefante Económico

El Elefante Económico

¿Cuánto más vendo si aumento el gasto en publicidad? ¿Cuánto me cuesta producir una unidad adicional? ¿Cuánto debería cobrar de alquiler por un local de 80 m²? Son preguntas sobre la relación entre dos variables, y la herramienta clásica para responderlas es la regresión lineal.

En este post la entendemos jugando: más abajo hay un simulador donde podés arrastrar puntos, agregar datos atípicos, subir el ruido y ver en vivo cómo reaccionan la recta, el R² y los intervalos de confianza.

1. La idea: una recta que resume la nube de puntos

La regresión lineal simple ajusta una recta ŷ = β₀ + β₁·x a un conjunto de datos, donde:

  • β₀ (ordenada al origen) es el valor esperado de Y cuando X vale cero.
  • β₁ (pendiente) es cuánto cambia Y, en promedio, por cada unidad adicional de X.

El método más usado es el de mínimos cuadrados ordinarios (MCO): entre todas las rectas posibles, elige la que minimiza la suma de los cuadrados de los residuos, es decir, de las distancias verticales entre cada punto y la recta.

2. Simulador de regresión lineal

Probá estos experimentos:

  1. Empezá con «Publicidad y ventas»: mirá la recta, el R² y el p-valor de la pendiente.
  2. Arrastrá un punto lejos de la nube: ¿cuánto cambia la pendiente?
  3. Tocá «Agregar valor atípico»: un solo dato extremo puede torcer toda la recta.
  4. Subí el ruido: la relación real no cambia, pero el R² cae y los intervalos se ensanchan.
  5. Elegí «Sin relación» y tocá «Nueva muestra» varias veces: a veces aparece una pendiente que parece significativa solo por azar.
  6. Tocá «Simular 500 muestras» y mirá cuánto varía la pendiente de una muestra a otra.
Resultados
Predicción
Residuos: ¿el modelo está bien especificado?
Los residuos deberían verse como una nube sin forma alrededor de cero. Un embudo (más dispersión a la derecha) o una curva indican que algún supuesto no se cumple.
Experimento: ¿cuánto cambia la pendiente de una muestra a otra?

3. Cómo leer los resultados

  • Pendiente (β₁): el efecto promedio de una unidad más de X sobre Y. Es el número que más suele interesar en la práctica.
  • Error estándar: cuánto variaría la estimación si repitiéramos el estudio con otra muestra. Cuanto menor, más precisa la estimación.
  • Estadístico t y p-valor: contrastan la hipótesis de que la pendiente real es cero. Un p-valor menor a 0,05 suele tomarse como evidencia de relación lineal, pero no mide su importancia práctica ni prueba causalidad.
  • Intervalo de confianza 95%: rango plausible para la pendiente real. Si incluye al cero, no se puede descartar que no haya relación.
  • R²: proporción de la variación de Y que explica el modelo. Un R² alto no garantiza un buen modelo, y uno bajo no implica que la relación no exista.
  • Error estándar residual: el desvío típico de los errores de predicción, en las unidades de Y.
  • Banda de confianza vs. banda de predicción: la primera acota dónde está la recta promedio; la segunda, dónde cae un dato individual nuevo, por eso es más ancha.

4. Supuestos y errores frecuentes

  • Linealidad: la relación debe ser aproximadamente una recta. Si hay curvatura, el modelo miente.
  • Homocedasticidad: la dispersión de los errores debe ser parecida en todo el rango de X.
  • Independencia de los errores: especialmente delicada con series de tiempo, donde cada dato depende del anterior.
  • Normalidad de los errores: importa para los intervalos y p-valores cuando hay pocos datos.
  • Valores atípicos: un punto extremo, sobre todo en los bordes de X, puede cambiar la recta. Probalo en el simulador.
  • Correlación no es causalidad: una pendiente significativa no demuestra que X cause Y.
  • Extrapolar: predecir fuera del rango de X observado es riesgoso, porque nada garantiza que la relación siga siendo lineal.

5. Aplicaciones en la empresa

  • Costos mixtos: en el escenario de costos, la ordenada estima el costo fijo y la pendiente el costo variable por unidad. Es una forma simple de separar ambos componentes a partir de datos históricos.
  • Ventas y publicidad: estimar cuánto se vende en promedio por cada unidad monetaria adicional invertida, con su margen de incertidumbre.
  • Precios y tasaciones: relacionar el precio con una característica, como la superficie.
  • Pronósticos simples: proyectar una variable en función de otra, siempre dentro del rango observado.

6. ¿Y en Excel?

Todo lo que mostró el simulador se puede calcular en Excel: PENDIENTE, INTERSECCION.EJE, COEFICIENTE.R2, ERROR.TIPICO.XY y PRONOSTICO.LINEAL dan los resultados básicos, y ESTIMACION.LINEAL con los dos últimos argumentos en VERDADERO devuelve también los errores estándar y otros estadísticos. Además, la herramienta «Análisis de datos → Regresión» produce una tabla completa con p-valores e intervalos de confianza.

Este simulador tiene fines educativos. Los datos de los escenarios son ficticios y generados al azar; no constituyen asesoramiento. Con datos reales, revisá siempre los supuestos del modelo antes de decidir.

Comentarios

Entradas populares de este blog

Diálogos con la I.A.: Los Eslavos: un pueblo, un territorio y una historia que ordena Europa

Diálogos con la I.A.: La presión demográfica y el empuje de las estepas: ¿por qué los eslavos migraron?

Próximos Diálogos y Escritos