5 claves para validar tu regresión lineal

-
Cuando ajustamos un modelo de regresión lineal, no basta con obtener los coeficientes. El verdadero desafío es validar que el modelo es confiable y que las inferencias que hacemos son legítimas.

La regresión lineal se basa en supuestos críticos. Si estos no se cumplen, nuestros estimadores pierden propiedades importantes y las conclusiones pueden ser engañosas.

Te presentamos una guía visual y práctica para validar tu modelo de regresión lineal paso a paso.




 

Entradas más populares de este blog

Análisis Técnico: Significancia Global e Individual

-
Imagen
  ¡Hola a todos! Bienvenidos a este espacio de aprendizaje. Soy Jesús Aguilar y hoy vamos a profundizar en un paso crítico: la Inferencia Estadística. Muchas veces realizamos una regresión, pero, ¿Cómo sabemos si nuestros resultados son realmente fiables o si son solo producto del azar? Hoy aprenderemos a validar nuestros modelos mediante la significancia global e individual, usando las herramientas que hemos desarrollado en Excel. A través de este recurso audiovisual, hemos demostrado la validación técnica de nuestro modelo de regresión. Los invitamos a revisar las tablas ANOVA y de Coeficientes adjuntas para contrastar los resultados de significancia global e individual presentados.
Read more »

Inferencia Lineal Aplicada – Recorrido por los temas del blog

-
Inferencia Lineal Aplicada – Recorrido por los temas del blog Bienvenido a nuestro blog académico "Inferencia Lineal Aplicada". En este video te damos un recorrido general por los cuatro temas clave que desarrollamos en nuestro espacio: Supuestos del modelo lineal: La base de todo. Exploramos qué condiciones debe cumplir un modelo para ser válido. Estimación por mínimos cuadrados: El método matemático para encontrar la "mejor" línea o plano que se ajusta a tus datos. Significancia global e individual: La herramienta para saber si tus resultados son estadísticamente relevantes (como vimos en el post anterior). Aplicaciones prácticas con Excel: Llevamos la teoría a la práctica con hojas de cálculo paso a paso. Conoce la estructura de nuestro blog y prepárate para explorar cada contenido con nosotros. Este es tu punto de partida para dominar la inferencia lineal.
Read more »

Estimación por mínimo cuadrado (MCO) ( simple y múltiple)

-
 ¿Alguna vez te has preguntado cómo los economistas o científicos de datos le dan números a las relaciones entre variables? ¿Cómo sabemos que si sube el precio, realmente bajan las ventas? La respuesta mágica, aunque no tanto, se llama Mínimos Cuadrados Ordinarios, o MCO. Hoy no solo vamos a entender su concepto, sino que vamos a sentirlo. Vamos a ver por qué es el rey del análisis de regresión. ‎Imagina que tienes un montón de datos en una nube de puntos. Quieres dibujar una línea recta que los represente lo mejor posible. El MCO es el criterio que usamos para trazar ESA línea. Pero no vale cualquier línea. El MCO busca la línea que haga que los errores sean lo más pequeños posibles. ¿Qué es el error? Es la distancia vertical entre cada punto real y la línea que hemos dibujado. Esa distancia es el residuo. El MCO eleva esos residuos al cuadrado (para que no se cancelen los positivos con los negativos) y los suma todos. La línea ganadora es la que hace que esa suma de cuadrados sea...
Read more »