REGRESIÓN LINEAL

El análisis de regresión lineal es una técnica estadística que permite estimar el

efecto de una variable sobre otra, es decir, la relación existente entre las variables.
Se relaciona con el coeficiente r de Pearson, debido a que entre mayor sea la
correlación entre las variables, mayor será la capacidad de predicción. Se emplea
para predecir las puntuaciones de una variable a partir de las puntuaciones de otra
variable. Existe la regresión simple la cual implica a únicamente dos variables y
regresión múltiple, que implica más de dos variables. Básicamente el análisis de
regresión lineal se basa en explorar y cuantificar la relación entre una variable
dependiente  (Y) y una o más variables conocidas como independientes o
predictoras (X1, X2, ..., Xk), para así desarrollar una ecuación lineal con fines
predictivos.

En la figura --, se tiene un diagrama de dispersión el cual permite una idea

aproximada sobre la relación existente entre dos variable, el grado de relación
lineal existente entre las variables es posible cuantificarse al observar en que
sentido la nube de puntos se puede ajustar a una línea recta.

Figura --. Diagrama de dispersión de dos variables con regresión lineal

Fuente: https://goo.gl/images/wJv2JQ
Debido a que cada punto representa el resultado de la intersección de las
puntuaciones en ambas variables, es posible resumir el diagrama de dispersión a
una línea; siempre y cuando exista una tendencia. Esta línea es la recta de
regresión y se expresa mediante la ecuación de regresión lineal:
Y = a + bX
En donde:
Y representa el valor de la variable dependiente que se desea predecir
a es la ordenada en el origen (intersección)
b la pendiente dela recta
X es el valor de la variable independiente.

Cabe aclarar que la regresión lineal es útil unicamente con relaciones lineales y es
posible calcular la ecuación de la recta si se conoce: la media y desviación
estandar de cada una de las variables, y el coeficiente de correlación entre las
variables.

Sy
b=r xy
Sx

a=Ý −b X́