Regresión y Correlación EG

¿Qué es la regresión lineal simple y cómo se relaciona con la correlación?

Introducción a la correlación

• Se inicia el video explicando que antes de abordar la regresión lineal simple, es fundamental entender el concepto de correlación.

• Se introduce el diagrama de dispersión como herramienta para visualizar la relación entre dos variables cuantitativas, comúnmente denominadas x e y.

Diagrama de dispersión

• La nube de puntos en un diagrama indica si los datos presentan correlación; un patrón discernible sugiere una relación entre las variables.

• Si no hay un patrón reconocible en la nube de puntos, se concluye que no existe correlación entre los datos.

Tipos de correlaciones

• Se describen dos tipos principales de correlaciones: positivas (ambas variables aumentan juntas) y negativas (una variable aumenta mientras la otra disminuye).

• La fuerza o intensidad de estas relaciones se puede medir utilizando el coeficiente de correlación lineal de Pearson, que solo mide relaciones lineales.

Coeficiente de Correlación Lineal

• El coeficiente se representa comúnmente como "r" y varía entre -1 y 1; valores cercanos a cero indican una relación débil.

• Un valor cercano a 1 o -1 indica una fuerte relación positiva o negativa respectivamente.

Ejemplos visuales del ajuste

• Se presentan gráficos que ilustran diferentes niveles de ajuste: desde un buen ajuste lineal hasta casos donde no hay patrones discernibles.

• En algunos gráficos, aunque hay cierta correlación positiva, los puntos están más dispersos, lo que sugiere un ajuste menos preciso.

Prueba de hipótesis sobre la correlación

• Para determinar si el coeficiente es significativo, se utiliza una prueba donde la hipótesis nula establece que no hay correlación (coeficiente igual a cero).

Correlación vs Causalidad

• Se discute que probar una correlación no implica necesariamente establecer causalidad; se presenta el ejemplo humorístico sobre cigüeñas y bebés para ilustrar este punto.

Causalidad y Correlación en Estadística

Coincidencias y Causalidad Reversa

• La relación entre dos variables puede ser una coincidencia al azar, donde no hay conexión real entre ellas.

• Se presenta la causalidad reversa, donde es difícil identificar cuál variable causa el efecto debido a su correlación bidireccional.

Variables Comunes y Correlaciones

• Un ejemplo de correlación sin causalidad es el consumo de alcohol y el cáncer de pulmón; ambos pueden estar relacionados con una tercera variable como el tabaquismo.

• Las correlaciones suelen asociarse a variables cuantitativas, pero también se pueden medir asociaciones en variables cualitativas mediante coeficientes.

Coeficientes de Asociación

• El coeficiente de Pearson mide la dependencia entre variables, variando entre -1 (dependencia inversa) y 1 (dependencia directa).

• Este coeficiente es equivalente al coeficiente de correlación cuando se codifican adecuadamente las variables.

Riesgos Relativos y Coeficientes de Contingencia

• El riesgo relativo compara probabilidades entre situaciones A y B, indicando cuán probable es que ocurra una condición dada otra.

• El coeficiente de contingencia indica independencia absoluta con un valor máximo distinto a uno en tablas más complejas que 2x2.

Análisis de Regresión

• El análisis de regresión permite predecir valores (por ejemplo, peso basado en estatura), ajustando una línea recta a datos dispersos.

• La ecuación resultante ayuda a entender cómo las variables independientes afectan la variable dependiente.

Aplicaciones del Análisis Predictivo

• Se utiliza para responder preguntas sobre relaciones significativas entre variables, como rentabilidad empresarial o gastos familiares.

Modelos Econométricos y Regresión Lineal

Introducción a los Modelos Econométricos

• Los modelos econométricos identifican relaciones entre la variable dependiente (a pronosticar) y variables explicativas o independientes.

• Existen diferentes tipos de modelos: regresiones simples, múltiples, ecuaciones simultáneas y vectores autoregresivos. Estos pueden ser estáticos o dinámicos, dependiendo del uso de datos temporales o series cronológicas.

Tipos de Variables en Modelos

• Se distinguen dos tipos de variables: endógenas (valores determinados por el modelo) y exógenas (valores determinados fuera del modelo).

• Las variables exógenas pueden ser corrientes o retardadas, lo que indica si se relacionan con valores actuales o pasados.

Estructura del Modelo de Regresión Lineal Simple

• La forma básica del modelo es: Y = β₀ + β₁X + ε, donde Y es la variable respuesta, β₀ es el intercepto, β₁ es el coeficiente de la variable predictora X y ε representa el término de error.

• El modelo de mínimos cuadrados busca minimizar la distancia entre los puntos en un gráfico de dispersión y la recta de regresión para obtener el mejor ajuste.

Variabilidad en Modelos

• Se distingue entre variabilidad explicada (diferencias entre valores estimados y promedio), variabilidad no explicada (errores entre valores reales y estimados), y variabilidad total (la suma de ambas).

• Un buen modelo debe maximizar la variabilidad explicada en comparación con la no explicada.

Pruebas Estadísticas en Regresión

• Para validar los coeficientes del modelo se aplican pruebas de hipótesis; la hipótesis nula establece que un coeficiente es igual a cero.

• Se deben cumplir ciertos supuestos: relación lineal entre variables, distribución normal de errores e independencia entre ellos.

Validación del Modelo

• La existencia de una relación lineal puede observarse mediante diagramas de dispersión.

• La normalidad se puede probar usando histogramas para visualizar la distribución de errores.

Homocedasticidad y Autocorrelación

• La homocedasticidad se verifica observando gráficos donde los residuos deben distribuirse uniformemente alrededor del valor medio.

• Para comprobar autocorrelación se utiliza la prueba Durbin-Watson; valores entre 1.5 y 2.5 sugieren independencia en los residuos.

Evaluación del Modelo Predictivo

Análisis de Errores en Modelos Predictivos

Cuadrático Medio y Detección de Datos Atípicos

• El cuadrático medio penaliza las diferencias grandes al elevarlas al cuadrado, lo que ayuda a detectar datos atípicos en el modelo.

• Este método es útil para evaluar la precisión del modelo, ya que magnifica los errores significativos.

Error Absoluto Promedio del Porcentaje (MAPE)

• El MAPE se calcula como el promedio de las diferencias absolutas entre los valores pronosticados y los reales, expresándose como un porcentaje.

• La ventaja del MAPE radica en su interpretación atractiva, facilitando comparaciones entre diferentes series o conjuntos de datos.