Encargo Académico 02 - Grupo 2

Encargo Académico 02: Grupo 2
Tema: Regresión Lineal
Selección de Variables
El número de variables debe ser seleccionado de manera que no se genere un
sobreajuste del modelo (cálculo de muchos Betas) ni falte información relevante para el
estudio realizado, lo cual generaría un mayor sesgo y un menor poder predictivo.
(Baíllo, 2022).
Las variables seleccionadas deben estar basadas en dos conceptos fundamentales:
- Teoría: En el caso de que se esté utilizando una variable dependiente
económica, la selección debe realizarse de manera que esté sustentada por la
teoría. Por ejemplo: Si se desea realizar una regresión Lineal en base a la
variable PBI, este debe estar en función del consumo, balanza comercial, tipo de
cambio, nivel de impuestos, entre otros, este tipo de modelos han sido bastante
discutidos durante muchos años y se puede encontrar bastante información en
papers especializados. (El ejemplo propuesto fue realizado en base a nuestros
conocimientos personales.)
- Correlación: En caso se esté realizando una regresión Lineal en base a una
variable que se pueda tener dentro de una empresa como el nivel de ventas, uno
de los indicadores más confiables es el coeficiente de correlación, debido a que
este debe ser elevado entre la variable dependiente y las variables independiente,
sin embargo, se debe cuidar que exista un nivel elevado de correlación entre las
variables independientes, debido a que se puede generar el problema de
multicolinealidad. (La explicación realizada se ha dado en base a nuestros
conocimientos personales.)
Evaluación del Modelo

Para la evaluación del modelo, se deben considerar algunas métricas, de manera que se
pueda medir la bondad de ajuste del modelo, la robustez de los predictores y la
confiabilidad del pronóstico que se pueda realizar a base de este.
- R : El indicador R cuadrado, muestra la distancia al cuadrado entre la

2
predicción y el dato real, mientras que este esté más cercano a 1, significa que el
modelo tiene un alto nivel de exactitud, sin embargo, se puede hablar de
sobreajuste del modelo cuando se tienen valores muy cercanos a 1. (MathWorks,
2024)
- Error Cuadrático Medio (MSE): Es la media de los errores de
estimación al cuadrado, es un indicador bastante popular, debido a que pondera
en mayor medida a los errores más grandes que a los pequeños y al igual que el
R cuadrado, muestra la precisión del modelo. (Statdeveloper, 2023)
- Error medio absoluto (MAE): Es La media del valor absoluto de los
errores, es una medida popular, debido a su simpleza para interpretar, sin
embargo, al ser un promedio, no pondera de manera diferente los errores grandes
y los pequeños. (Statdeveloper, 2023)
Aplicación
Aplicación 1: Aplicación del análisis de regresión lineal simple para la estimación de
los precios de las acciones de Facebook, Inc (Brenes Gonzáles, 2017).
- Se utilizó la regresión simple para poder buscar una relación entre la variable
dependiente (Precio mensual de las acciones) y la variable independiente
(tiempo expresado en meses).
- Se determinó que existe una relación lineal positiva entre la variable dependiente
e independiente, sin embargo, no se realizó el análisis de los residuos para ver si
distribuían normal y el modelo pueda ser utilizado para realizar la predicción.
- De acuerdo con las conclusiones del artículo, logró hacer una predicción de 10
meses en el futuro, indicando que el precio promedio sería de 170 dólares.
- El indicador de bondad de ajuste R cuadrado indica 0.966, lo cual va en relación
con el alto nivel de correlación que se mostraba entre la variable dependiente e
independiente.
Aplicación 2: Optimización de precios en el comercio minorista (Schäfer, 2023)
- Como se sabe, la regresión lineal es el resultado de un método de optimización,

en donde se busca minimizar los errores de estimación, por lo cuales una
herramienta ideal para la optimización de precios.
- En el caso que se desee realizar una optimización de precios, se puede realizar
un análisis a los datos históricos, diferenciando por productos, promociones y
precios de los competidores, de manera que se pueda realizar un modelo de
fijación de precios para decidir un óptimo.
- De esta manera, el comerciante podrá ver cómo afectar a su demanda las
variaciones en los precios.

Encargo Académico 02 - Grupo 2

Cargado por

Copyright:

Formatos disponibles

Encargo Académico 02 - Grupo 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Encargo Académico 02 - Grupo 2

Cargado por

Copyright:

Formatos disponibles

Encargo Académico 02: Grupo 2

Tema: Regresión Lineal

Evaluación del Modelo

- R : El indicador R cuadrado, muestra la distancia al cuadrado entre la

Aplicación 2: Optimización de precios en el comercio minorista (Schäfer, 2023)

- Como se sabe, la regresión lineal es el resultado de un método de optimización,

También podría gustarte