Analisis de regresion

¿QUÉ ES EL ANÁLISIS DE REGRESIÓN? EXPLICACIÓN
El análisis de regresión es un modelo estadístico de pronóstico, esto se refiere a describir y evaluar la relación entre una variable dada (generalmente llamada la variable dependiente o relacionada) y una o más variables (generalmente llamadas variables

USO DEL ANÁLISIS DE REGRESIÓN. BENEFICIOS
El análisis de la regresión puede predecir elresultado de un indicador dominante determinado del negocio (variable relacionada) basado en sus interacciones con otros factores directivos (las variables explicativas). Por ejemplo: permite que usted prediga el volumen de ventas, usando la cantidad anterior de publicidad y el número de personal de ventas que usted emplea. Por supuesto, un modelo verdadero necesitaría más variables y es mucho máscomplejo.
Nadie puede realmente ver el futuro. Como sea, los métodos estadísticos modernos, los modelos econométricos y el software de inteligencia de negocio se pueden utilizar para pronosticar y para estimar qué va a suceder en el futuro.
Los modelos del Análisis de regresión se utilizan para ayudarnos a predecir el valor de una variable desconocida, con unas o más otras variables que valorespuedan ser predeterminados.

PASOS AL INTERIOR DEL ANÁLISIS DE REGRESIÓN. PROCESOLA PRIMERA ETAPA DEL PROCESO ES IDENTIFICAR LA VARIABLE QUE DEBEMOS PREDECIR (LA VARIABLE RELACIONADA). ENTONCES REALIZAMOS EL ANÁLISIS DE REGRESIÓN MÚLTIPLE, CENTRÁNDOSE EN LAS VARIABLES QUE DESEAMOS UTILIZAR COMO PREDICTORES (VARIABLES EXPLICATIVAS). EL ANÁLISIS DE REGRESIÓN MÚLTIPLE ENTONCES IDENTIFICARÁ LARELACIÓN ENTRE LA VARIABLE RELACIONADA Y LAS VARIABLES EXPLICATIVAS. ENTONCES, FINALMENTE ESTO SE PRESENTA COMO MODELO (FÓRMULA).

Análisis de regresión

En un Análisis de Regresión simple existe una variable respuesta o dependiente (y) que puede ser el número de especies, la abundancia o la presencia-ausencia de una sola especie y una variable explicativa oindependiente (x). El propósito es obtener una función sencilla de la variable explicativa, que sea capaz de describir lo más ajustadamente posible la variación de la variable dependiente. Como los valores observados de la variable dependiente difieren generalmente de los que predice la función, ésta posee un error. La función más eficaz es aquella que describe la variable dependiente con el menor errorposible o, dicho en otras palabras, con la menor diferencia entre los valores observados y predichos. La diferencia entre los valores observados y predichos (el error de la función) se denomina variación residual o residuos. Para estimar los parámetros de la función se utiliza el ajuste por mínimos cuadrados. Es decir, se trata de encontrar la función en la cual la suma de los cuadrados de lasdiferencias entre los valores observados y esperados sea menor. Sin embargo, con este tipo de estrategia es necesario que los residuos o errores estén distribuidos normalmente y que varíen de modo similar a lo largo de todo el rango de valores de la variable dependiente.
Estas suposiciones pueden comprobarse examinando la distribución de los residuos y su relación con la variable dependiente.Cuando la variable dependiente es cuantitativa (por ejemplo, el número de especies) y la relación entre ambas variables sigue una línea recta, la función es del tipo y= c + bx, en donde c es el intercepto o valor del punto de corte de la línea de regresión con el eje de la variable dependiente (una medida del número de especies existente cuando la variable ambiental tiene su mínimo valor) y b es lapendiente o coeficiente de regresión (la tasa de incremento del número de especies con cada unidad de la variable ambiental considerada). Si la relación no es lineal pueden transformarse los valores de una o ambas variables para intentar linearizarla. Si no es posible convertir la relación en lineal, puede comprobarse el grado de ajuste de una función polinomial más compleja. La función...