Anlisis de regresin

Pronsticos y proyecciones.

Pronsticos y proyecciones.
a. Anlisis de regresin.

Conceptos clave
Regresin lineal simple.

La construccin de modelos de regresin, es el proceso que consiste en obtener una

ecuacin estimada de regresin que describa la relacin entre una variable dependiente y
una o diversas variables independientes. Lo ms importante en la construccin de un
modelo es hallar la forma funcional adecuada para la relacin y seleccionar las variables
independientes que se deban incluir en el modelo.

El anlisis de regresin, es hoy en da una herramienta muy importante en la

administracin, ya que esta se utiliza para el planteamiento de modelos de situaciones
tales como la relacin que existe entre el nivel de educacin de una persona y sus
ingresos, el volumen de ventas en relacin con la publicidad gastada o en el nmero de
asistentes a un cine dependiendo de la cantidad de poblacin de una localidad.

De forma general, podemos mencionar que este tipo de anlisis tiene dos propsitos, el
primero es comprender la relacin que existe entre variables tales como las ventas de un
restaurante de comida rpida y los gastos que se hacen para promocionar ese
restaurante. El segundo, es predecir el valor de una variable con base en el valor de la
otra.

Para un mejor entendimiento del modelo de regresin lineal simple es importante conocer
sus caractersticas ms relevantes, entre las que encontramos:

1. En los modelos de regresin lineal simple, existen dos variables cuantitativas e

independientes entre s, de las cuales se conocen sus valores y se pretenden
estudiar el comportamiento de una a partir de la otra

2. La variable que se pretende estudiar se denomina variable dependiente, mientras

que a la otra se le denomina variable independiente o explicativa.

3. A la variable dependiente normalmente se le denota con una y, mientras que a la

variable explicativa o independiente con una x.

4. El objetivo de la regresin lineal simple, es construir un modelo de funcin lineal

simple en que se busca definir una ecuacin til para establecer pronsticos a
travs de haber definido la relacin que puede existir entre las variables

MBA. Ricardo Saavedra 1

Anlisis de regresin

dependiente y, y la variable independiente x. El objetivo especfico del modelo, se

centra en obtener una ecuacin que muestre la relacin entre las variables x y y.

Para un mejor entendimiento de la aplicacin del modelo de regresin simple en la

elaboracin de pronsticos, supongamos que existe una cadena de restaurantes de
comida rpida, en la que sus mejores sucursales, en trminos de venta, son las que se
encuentran cerca de campus universitarios. Los gerentes de la empresa, creen que las
ventas mensuales de sus restaurantes (que denotaremos con una y), tienen una relacin
directa con el nmero de estudiantes (que denotamos con una x) de los campus cercanos
a los restaurantes, es decir, consideran que el volumen de ventas est en funcin con el
tamao de la poblacin estudiantil.

Utilizando el modelo de regresin lineal simple, es posible obtener una ecuacin que
muestre la relacin entre la variable dependiente y (volumen de ventas) y la variable
independiente x (nmero de estudiantes).

Necesitamos considerar que la poblacin consta de todos los restaurantes de la cadena,

que suman en total 10, y para cada uno de los restaurantes existe un valor x, que es el
nmero de estudiantes del campus universitario cercano a su ubicacin, adems de un
correspondiente valor y (ventas mensuales). La ecuacin que nos ayudar a describir la
relacin entre las variables se denomina como ecuacin de regresin simple estimada:

Matemticamente hablando, a la ecuacin de regresin simple estimada se le llama

tambin recta de regresin estimada, donde b0 es la interseccin de la recta con el eje
y, y b1 es la pendiente. Por lo que para determinar la ecuacin de regresin simple
estimada es necesario calcular la pendiente de la recta y la interseccin de la misma con
el eje y. Por otro lado, en la descripcin de la ecuacin, es la denominada variable
dependiente y X la independiente. Al definir la ecuacin, sta nos servir para poder
establecer un pronstico para , que se genera a partir de un valor asignado para X.

Para ilustrar esto de una forma prctica, regresemos al ejemplo de los restaurantes de
comida rpida, y a travs del uso del mtodo denominado como de mnimos cuadrados,
definamos la ecuacin de regresin simple estimada. En principio, consideremos los datos
con los que trabajaremos y que bsicamente contemplan las ventas promedio mensuales
de cada restaurante (y), y la poblacin estudiantil del campus universitario cercano a cada
restaurante (x).

MBA. Ricardo Saavedra 2

Anlisis de regresin

Poblacin de estudiantes y ventas mensuales en 10 restaurantes de comida rpida.

Poblacin de Ventas
Restaurante
estudiantes mensuales
i xi yi
(Miles) (Miles $)
1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202

Primero, para la realizacin del anlisis, tracemos el diagrama de dispersin para el

anlisis de regresin, el cual como se recordar utilizamos en el mdulo 1 para analizar la
relacin entre dos variables. Para trazarlo, colocamos la variable independiente x en el eje
horizontal y la variable dependiente y en el eje vertical.

Diagrama de dispersin que muestra la poblacin de estudiantes y las ventas.

MBA. Ricardo Saavedra 3

Anlisis de regresin

Recordemos que el diagrama de dispersin permite observar grficamente los datos y

obtener conclusiones acerca de la relacin entre las variables. Qu conclusiones
iniciales podramos obtener de la grfica? Se observa que las ventas parecen ser
mayores cerca del campus en los que la poblacin de estudiantes en mayor. Adems, en
estos datos se observa a travs de la recta trazada, que existe una relacin lineal positiva
entre x y y.

Con la conclusin a la que llegamos mediante el anlisis de la grfica de dispersin,

podemos establecer que existe como ya se mencion, una relacin lineal positiva.

Decidido esto, la tarea siguiente es usar los datos de la muestra (ventas, poblacin de
estudiantes), para determinar los valores de b0 y b1 en la ecuacin de regresin lineal
simple, utilizando la siguiente antes mencionada:

Donde

= Valor estimado de las ventas mensuales del restaurante.

b0 = Interseccin de la recta de regresin con el eje y.
b1= Pendiente de la recta de regresin.
X= Cantidad de la poblacin de estudiantes por restaurante.

Ahora bien, en la aplicacin del mtodo de los mnimos cuadrados se usan los datos de la
muestra para la obtencin de los valores de b0 y b1 que minimicen la suma de los
cuadrados de las desviaciones (diferencias) entre los valores observados de la variable
dependiente y los valores estimados de la variable independiente.

MBA. Ricardo Saavedra 4

Anlisis de regresin

Para el clculo aplicando el mtodo mencionado, utilizamos las siguientes frmulas:

b1 = (xi - x) (yi - y)
(xi - x)2

b0 = y - b1 x

Donde,
xi = Valor de la variable independiente en la observacin i.
yi = Valor de la variable independiente en la observacin i.
x = Promedio de la variable independiente.
y = media de la variable dependiente.

Para iniciar el clculo de b1, obtenemos primero los promedios de ambas variables:

Poblacin de Ventas
Restaurante
estudiantes mensuales
i xi yi
(Miles) (Miles $)

1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202

Promedios = 14 130

Y una vez que obtenemos los promedios, determinamos cada una de las columnas
necesarias para aplicar la frmula, con sus respectivas sumatorias:

MBA. Ricardo Saavedra 5

Anlisis de regresin

Poblacin de Ventas
Restaurante
estudiantes mensuales
2
i xi yi ( xi -x ) ( yi -y ) ( xi -x )( yi - y ) ( xi -x )
(Miles) (Miles $)

1 2 58 -12 -72 864 144

2 6 105 -8 -25 200 64
3 8 88 -6 -42 252 36
4 8 118 -6 -12 72 36
5 12 117 -2 -13 26 4
6 16 137 2 7 14 4
7 20 157 6 27 162 36
8 20 169 6 39 234 36
9 22 149 8 19 152 64
10 26 202 12 72 864 144

2,840 568
Promedios = 14 130

Aplicamos los valores a las frmulas:

b1 = (xi - x) (yi - y) = 2,840 = 5

568
(xi - x)2

Nota: Los valores de la frmula, se obtienen directamente de la tabla, en la que se van

realizando las operaciones hasta llegar a obtener el numerador y el denominador.

b0 = y - b 1 x = 130 - 5(14) = 60

Por lo tanto la ecuacin de regresin estimada es:

= 60 + 5X

Podemos observar en la ecuacin que la pendiente (b1=5), por lo que a medida que
aumenta el tamao de la poblacin estudiantil, aumentan las ventas. A travs de la
ecuacin definida, podemos interpretar y concluir que se espera que las ventas aumenten
5 por cada estudiante que tambin aumente.

MBA. Ricardo Saavedra 6

Anlisis de regresin

Con la ecuacin de regresin estimada podemos establecer un pronstico de ventas,

conociendo el tamao de la poblacin estudiantil, as por ejemplo, si sabemos que la
poblacin estudiantil de un campus universitario es de 15,000 estudiantes, las ventas
sern:

= 60 + 5(15) = 135

De manera que las ventas pronosticadas para el restaurante cercano a este campus
sern de 135,000. As, podemos utilizar la ecuacin para al sustituir la poblacin
estudiantil de cualquier campus, obtener las ventas estimadas.

Regresin lineal simple utilizando Excel.

Existe una forma sencilla para la obtencin de la ecuacin de regresin y el coeficiente de

correlacin utilizando Excel, la cual describimos a continuacin.

Paso 1: Cargamos los datos bajo anlisis en una hoja de Excel:

Una vez cargados los datos en la hoja, seleccionamos los datos de xi y de yi:

MBA. Ricardo Saavedra 7

Anlisis de regresin

Con los datos seleccionados, ubicamos en la barra de herramientas la funcin de

insertar, y vamos a grficas, seleccionando dispersin:

Una vez seleccionada, nos genera la grfica de dispersin de los datos que
seleccionamos:

MBA. Ricardo Saavedra 8

Anlisis de regresin

Ya con la grfica de dispersin nos ubicamos en ella y la seleccionamos (con doble click).
Desplegamos los diferentes tipos de grficas:

Y en los tipos de grficos que nos despliega el men, seleccionamos la que tiene una fx:

MBA. Ricardo Saavedra 9

Anlisis de regresin

Y nos despliega una grfica modificada de la siguiente forma:

Como podremos observar, nos despliega en la grfica la misma ecuacin de regresin

estimada que calculamos a travs del mtodo de los mnimos cuadrados, adems de la
lnea de tendencia que analizamos con anterioridad.

MBA. Ricardo Saavedra 10