ANALISIS DE REGRESION Y CORRELACION

En terminos generales, ambas relaciones se encargan de analizar la relacion que existen entre dos o

mas variables de una población. En la correlacion es mas cuantificada que en la de regresion que es

mas un modelo (en este caso la ecuación de una recta) de como las dos variables se relacionan

1. REGRESION.-Busca representar la relacion entre dos variables en una ecuación matemática.

Y= Es la proyección

Y = ßo + ß1X + ε
X= Variable Independiente

ßo= Es el valor de la ε= Numero de errores al ß1= Es el coeficiente

ordenada de la linea de regresion intentar de analisar la variable de regresion poblacional

 Condiciones para la regresion Lineal:

i. Linealidad.- La relacion entre ambas variables, deberá ser lineal, y para corroborar esto

puedes graficarla con el diagrama de dispersión.

ii. Distribucion normal de los residuos.- Con media igual a cero se puede comprobar a través

de un histograma o con un test de normalidad.

iii. Varianza de residuos constantes.- Su constante debe estar aproximadamente a lo largo del

eje x, puede corroborase a través de gráficos como el de scatterplot.

iv. Valores atípicos y de alta influencia.- Estos valores pueden generar una falsa correlacion

donde no existe.

v. Independencia o Auto-correlación.- Independencia entre los valores, para esto se puede

corroborar a través de los residuos, cuando estos siguen un patrón o tendencia.

Mayormente este tema utilizan mas en los campos de administración, donde uno quiere saber si su

empresa o negocio esta triunfando o no, o también lo utilizan para saber si pueden relacionar unos

temas con otros, como por ejemplo un entrenador quiere saber cuanta relacion pueden tener entre su

grupo de atacantes de voley con su defensoras en el centro.

2. CORRELACION.- Solo se necesita medir la intensidad de relacion de ambas variables.

 Coeficiente de correlación lineal simple (r ).-

r=0 r = +1 r = -1

Indica el valor de la intensidad de la la relacion entre las dos variables. “El cálculo de la correlación

entre dos variables es independiente del orden o asignación de cada variable a X e Y, mide

únicamente la relación entre ambas sin considerar dependencias.” Joaquin Amat, R. (Junio del 2016).

Correlacion lineal y Regresion lineal simple.

 Coeficiente de determinación (R2).- “Se interpreta como una medida de ajuste de los datos

observados y proporciona el porcentaje de la variación total explicada por la regresión. Siempre

es positivo. También se puede obtener el R² ajustado, el cual sí puede ser negativo en algunos

casos. Se busca que ambos valores sean similares para dar confianza al coeficiente de

determinación.” Halvonik, A. (23 de Abril del 2020). Análisis de Regresion y Correlacion.

EMJEMPLO DE EJERCICIO EN LA VIDA COTIDIANA

En determinado barrio se desea saber si existe alguna relación entre la edad de los vecinos y la

“percepción de inseguridad en el barrio”, medida en una escala del 0-10 donde el 0 representa

“totalmente seguro” y el 10 representa “totalmente inseguro”. Se realiza un pequeño pre-test con 10

individuos, obteniendo los siguientes datos:

Se pide:

a) Estudiar la relación entre las dos variables “edad” y “percepción de inseguridad” a través de

regresión lineal.

b) Representar gráficamente la nube de puntos y la recta que las relaciona. ¿Qué podemos decir de

esta relación?

c) ¿Qué puntuación sobre la inseguridad en el barrio obtendría un individuo de 25 años? ¿Y un

individuo de 70?

d) Estudiar la correlación de las variables e interpretar los coeficientes.

e) ¿Qué valor de la edad presenta mayor residuo? ¿Cuál es residuo para la edad de 42 años? ¿Y para

la edad de 31?
Solución

1. Tenemos dos variables y queremos observar su relación. Para ello, debemos definir cuál de ellas

será x y cuál y. En general, para esta definición debemos decidir qué variable es “independiente” (que

llamaremos x) y cuál es “dependiente” (que llamaremos y). Es importante tener en cuenta que esta

“dependencia” no hay que considerarla simplemente como una causa-efecto, pues las relaciones entre

variables, sobre todo en investigación social, son bastante más complejas. Pero sí podemos

comprobar, y ese será nuestro objetivo, cómo una variable se relaciona con la otra de tal forma que

cambios en una variable se asocian con cambios en la otra. En este caso, tiene sentido estudiar si la

percepción de inseguridad cambia en función de la edad, o dicho de otra manera, si la edad influye en

la percepción de inseguridad. Por eso, consideraremos:

x: edad

y: percepción de inseguridad en el barrio

Para estudiar la relación entre x e y mediante un modelo lineal necesitamos hallar la recta de

regresión:

Y para ello es imprescindible obtener los coeficientes a y b de la recta. Sabemos que a es el punto de

corte de la recta en el eje de ordenadas (u “ordenada en el origen”) y b es la pendiente de la recta, de

tal forma que su signo determinará el sentido positivo o negativo de esa pendiente. Primero hallamos b,

para lo que necesitamos calcular primero la covarianza ��� y la varianza de x (�2� ):

 ����
La covarianza es: ��� = �
− �� . Hallamos entonces los términos que la fórmula requiere:

����=2480 n=10

52
�=
437
=43,7 �= =5,2
10 10

Ya podemos calcular la covarianza:

���� 2480
��� = − �� = − 43,7 × 5,2 = 20, 76
� 10

Como la covarianza es ≠ 0 podemos afirmar que existe alguna relación entre las variables, aunque con

ella es difícil saber su intensidad, pues la covarianza no tiene un valor máximo o mínimo. Serán otros

los coeficientes que nos permitan determinar esa intensidad, y que calcularemos en otro apartado de

este ejercicio. Para el cálculo de b necesitamos también conocer la varianza de x:

NOTA: también, podemos utilizar esta otra

��� 20,76
fórmula de la varianza, equivalente a la anterior,
���
= 209,41 = 0,0991356 que nos simplifica bastante los cálculos:
�2�
�2� = − �2
�
Una vez hemos obtenido b, podemos calcular a:

� = � − �� = 5,2 − 0,0991356 × 43,7 = 0,8677742

RECTA DE REGRESION: Y = 0,8677742 + 0,0991356X

La recta de regresión tiene pendiente positiva (algo que también sabemos porque b>0). Por tanto, la

recta indica que conforme aumenta la edad, también aumenta la percepción de inseguridad en el

barrio.Si embargo, la recta solo muestra la relacion entre X e Y. Para ello, necesitamos otras medidas

que cuantifiquen la correlación, es decir la intensidad de esa relación.

2. Sustituimos en la recta de regresión los valores de X

Para x=25 y = 0,8677742 + 0,0991356 · 25 = 3,35 Para x=70 y = 0,8677742 + 0,0991356 · 70 = 7,8

Un individuo de 70 años puntuaría la inseguridad en el barrio con 7,8 puntos.Vemos, por lo tanto, que

hay una notable diferencia entre los individuos jóvenes respecto a los mayores en su percepción de

inseguridad.

3. Vamos a estudiar la correlación calculando en primer lugar, el coeficiente de correlación de

Pearson (r):
Sxy ��� = 20,76 ��� = 209,41 = 14,471
�=
Sx Sy �� =
(��−�)2
�
= 1,6613

��� 20,76
�= = = �, ����
�� �� 14,471 × 1,6613
Vemos que indica una correlación bastante alta entre las variables. Por tanto, para este colectivo de

vecinos, la edad correlacion de forma bastante importante con la percepción de inseguridad.

Coeficiente de determinacion (r2):

Esto indica que un 74,56% de la variación de Y es
explicado por la recta de regresión. Es decir,
�� = 0,8635 = �, ���� prácticamente las tres cuartas partes del
comportamiento de Y a partir de X se explica por la
relación establecida en la recta de regresión.

En el gráfico apreciamos que el punto que mas se separa del conjunto es x=53 por lo tanto deducimos

que para la persona de 53 años lo considera como “peor” su perspectiva.

HALLANDO EL RESIDUO:

Para x=42 y = 0,8677742 + 0,0991356 · 42 = 5,03 �� = (�� − ��) = 4 − 5,03 =− 1,03

Para x=31 y = 0,8677742 + 0,0991356 · 31 = 3,94 �� = (�� − ��) = 4 − 3,94 = 0,06

En este caso, el ajuste es mucho mejor, casi perfecto. El residuo es muy pequeño y la recta de
regresión pronostica muy bien la percepción de inseguridad en el individuo de esa edad.