Análisis de regresión

El análisis de regresión es un procedimiento eficaz y flexible para conocer las relaciones

asociativas entre una variable dependiente métrica y una o más variables independientes. El
análisis de regresión se refiere a la naturaleza y al grado de asociación entre variables y no
implica ni asume causalidad alguna, es decir, El uso de los términos variables dependientes
o de criterio, y de variables independientes o predictivas en el análisis de regresión, surge
de la relación matemática entre las variables. Estos términos no implican que la variable
criterio sea dependiente de las variables independientes en un sentido causal.

La importancia de este método estadístico radica en que es una de las más indicadas en
las ciencias sociales para determinar, entre otras cosas, cuáles variables tienen que ver con
el desarrollo de un suceso, cuáles variables afectarán la toma de una decisión, cuáles
variables permitirán predecir la ocurrencia de un fenómeno, entre otros. A esta situación no
es ajeno el marketing, pues en él se evalúa, entre otras, aspectos como las decisiones
empresariales, el comportamiento de los consumidores, la calificación del desempeño de un
producto o servicio, entre otras ejecuciones de mercado hechas por las empresas

El análisis de regresión se caracteriza por: 1. Determinar si las variables independientes

explican una variación significativa en la variable dependiente: para saber si existe una
relación; 2. Determinar qué cantidad de la variación de la variable dependiente puede
explicarse mediante las variables independientes: la fuerza de la relación; 3. Determinar la
estructura o forma de la relación: la ecuación matemática que relaciona las
variables independiente y dependiente; 4. predecir los valores de la variable dependiente y
5. Controlar otras variables independientes al evaluar las contribuciones de una variable
específica o de un conjunto de variables.

Tipos de análisis de regresión

Regresión bivariada: procedimiento para derivar una relación matemática, en forma de

ecuación, entre una sola variable dependiente métrica y una sola variable independiente
métrica. Ejemplo en el supuesto ¿Es posible explicar las variaciones en las ventas, en
términos de la variación de los gastos publicitarios?
 Regresión múltiple: Técnica estadística que simultáneamente desarrolla una relación
matemática entre dos o más variables independientes y una variable dependiente de
intervalo. Por ejemplo: ¿La variación en la participación de mercado podría explicarse por
el tamaño de la fuerza de ventas, los gastos publicitarios y el presupuesto para la promoción
de ventas?

Regresión progresiva: consiste en seleccionar, a partir de un gran número de variables

predictivas, un pequeño subconjunto de variables que expliquen la mayoría de la variación
de la variable dependiente o de criterio. En este procedimiento, las variables predictivas
participan o se eliminan, una a la vez, de la ecuación de regresión.

Análisis de correlación

La correlación es una forma simple pero poderosa de observar la relación lineal entre
dos variables métricas. La correlación es una de las ideas básicas del análisis estadístico de
datos a la hora de establecer relaciones entre dos variables cuantitativas. La correlación es
una medida de asociación entre variables cuantitativas que expresa la fuerza o la intensidad
de la relación entre dos variables así como la dirección de la misma, siempre y cuando esta
relación sea de tipo lineal.

Tipos de análisis de correlación

Correlación producto-momento: Estadístico que resume la fuerza de la asociación

entre dos variables métricas. En la investigación de mercados con frecuencia nos
interesamos en resumir la fuerza de la asociación entre dos variables métricas, por ejemplo:
¿Qué tan fuerte es la relación entre las ventas y los gastos en publicidad? O ¿Hay una
asociación entre la participación de mercado y el tamaño de la fuerza de ventas?

Correlación parcial: medida de la asociación entre dos variables después de controlar o

hacer un ajuste para los efectos de una o más variables adicionales. Se utiliza para
responder preguntas como: ¿Cuál es la fuerza de la asociación entre las ventas y los gastos
de publicidad cuando se controla el efecto del precio? O ¿Se relaciona la percepción que
tienen los consumidores de la calidad con la manera en que perciben el precio, cuando se
controla el efecto de la imagen de marca?
 Correlación no métrica: medida de correlación para dos variables no métricas, que se
basa en los rangos para calcular la correlación. Las variables no métricas no tienen
propiedades escalares de intervalo o de razón, y no asumen una distribución normal

Serie cronológica del consumo aparente

Se llama serie cronológica o temporal a aquella sucesión de observaciones en la que
alguno de sus caracteres se mide en unidades de tiempo. Esta trata una cantidad variable
dependiente y como función del tiempo. Las principales aplicaciones de las series
cronológicas son las proyecciones; cabe destacar que las proyecciones no son valores
determinantes que tienen que ocurrir necesariamente en el futuro, son valores estimados o
esperados y estos resultados pueden variar dependiendo de varios factores que de forma
directa e indirecta participen en los resultados de una serie cronológica.

Las empresas industriales y comerciales deben de realizar un examen sobre la forma

como la producción y venta de sus artículos han sido afectados en el pasado por diferentes
factores con el objeto de hacer una estimación, diagnóstico o previsión para el futuro a fin
de estar en condiciones de trazar planes de desarrollo de la empresa.