REGRESIÓN LINEAL

Definición
En estadística, la regresión lineal o ajuste lineal es un modelo
matemático usado para aproximar la relación de dependencia entre
una variable dependiente  variables independientes  con  y un
término aleatorio .Este método es aplicable en muchas situaciones en las que
se estudia la relación entre dos o más variables o predecir un comportamiento,
algunas incluso sin relación con la tecnología. En caso de que no se pueda
aplicar un modelo de regresión a un estudio, se dice que no hay correlación
entre las variables estudiadas. Este modelo puede ser expresado como:

donde:

el término   es la intersección o término "constante", las   son los

parámetros respectivos a cada variable independiente, y   es el número de
parámetros independientes a tener en cuenta en la regresión. La regresión lineal
puede ser contrastada con la regresión no lineal.
Ejemplo de una regresión lineal con una variable dependiente y una variable
independiente.
El término lineal se emplea para distinguirlo del resto de técnicas de regresión,
que emplean modelos basados en cualquier clase de función matemática. Los
modelos lineales son una explicación simplificada de la realidad, mucho más
ágiles y con un soporte teórico mucho más extenso por parte de
la matemática y la estadística.
Pero bien, como se ha dicho, se puede usar el término lineal para distinguir
modelos basados en cualquier clase de aplicación.

El modelo de regresión lineal

El modelo de regresión lineal será aplicado en aquellos casos en los que la
variable independiente Y sea continua. El modelo lineal relaciona la variable
dependiente   con   variables regresoras   con   
o cualquier transformación de éstas que generen
un hiperplano de parámetros  desconocidos:

donde   es una variable aleatoria que recoge todos aquellos factores de la

realidad no controlables u observables y que por tanto se asocian con el azar, y
es la que confiere al modelo su carácter estocástico. En el caso más sencillo,
con una sola variable explícita, el hiperplano es una recta:

El problema de la regresión consiste en elegir unos valores determinados para los

parámetros desconocidos  , de modo que la ecuación quede completamente
especificada. Para ello se necesita un conjunto de observaciones o una muestra
proveniente de este modelo. En una observación  ésima 
cualquiera, se registra el comportamiento simultáneo de la variable dependiente y
las variables explícitas (las perturbaciones aleatorias se suponen no observables).

Los valores escogidos como estimadores de los parámetros  , son

los coeficientes de regresión sin que se pueda garantizar que coincidan con
parámetros reales del proceso generador. Por tanto, en

Los valores  son por su parte estimaciones o errores de la perturbación

aleatoria. Ei es el residuo e indica la bondad del ajuste realizado para cada punto.
Se calcula de la siguiente forma:
n= número de datos. Se compara F0 con valor F, crítico con valor de significación
α, 1, y n-2 grados de libertad concluyendo: Si F0< Ft, el modelo es apropiado, Si
F0> Ft, el modelo utilizado no es apropiado.
Hipótesis del modelo de regresión lineal clásico

Tipos de modelos de regresión lineal

Existen diferentes tipos de regresión lineal que se clasifican de acuerdo a sus
parámetros: