Analisis Regresion
Bettina Chavez HuamanLa regresión se puede definir como una relación funcional entre dos o más variables correlacionadas. Se utiliza para predecir una variable dada la otra. La relación se desarrolla normalmente con base a los datos observados. Estos se deben representar primero gráficamente para ver si parecen lineales o si, al menos, parte de ellos son lineales. La regresión lineal se refiere a los tipos especiales de regresión en la cual la relación entre la variable forma una línea recta. La línea de regresión lineal tiene la forma: Y = a + b X Donde: Y = Es el valor de la variable dependiente que se está resolviendo. A = Es la ordenada en el origen de Y B = Es la inclinación, y X = Es la variable independiente. (En el caso de series de tiempo X es la unidad de tiempo) La regresión lineal es útil en la proyección a largo plazo de las principales ocurrencias y de le planeación total. Por ejemplo, la regresión lineal sería de gran utilidad para proyectar las demandas de familias de productos. Aunque la demanda de cada uno de los productos de la familia puede variar mucho durante un periodo de tiempo, la demanda de la totalidad de la familia de productos es sorprendentemente uniforme. La restricción principal para el uso de la proyección de regresión lineal es, como su nombre lo indica, que los datos anteriores y las proyecciones futuras se asumen que recaen en una línea recta. Aunque esto limita su aplicación, si se emplea en un periodo de tiempo más corto, el análisis de regresión lineal, algunas veces puede ser utilizado. Por ejemplo, pueden existir segmentos cortos del periodo más largo que son más o menos lineales. La regresión lineal se utiliza tanto para la proyección de la serie de tiempos como para la proyección de relación casual. Cuando la variable dependiente (normalmente el eje vertical de la gráfica) cambia como resultado del tiempo (representado como el eje horizontal) se trata del análisis de la serie de tiempos. Si una variable cambia debida a la variación de otra variable, se trata de una relación casual (como, por ejemplo, el número de muertes por cáncer pulmonar se incrementa por el número de las personas que fuman). El ejemplo siguiente lo usaremos para comparar los modelos de proyección y los tipos de análisis. Ahora se utiliza para ajustar manualmente una línea, para el análisis de los mínimos cuadrados y para un ejemplo de descomposición. Ejemplo: Ajuste manual a una línea de tendencia.
