El Elefante Económico
¿Cuánto más vendo si aumento el gasto en publicidad? ¿Cuánto me cuesta producir una unidad adicional? ¿Cuánto debería cobrar de alquiler por un local de 80 m²? Son preguntas sobre la relación entre dos variables, y la herramienta clásica para responderlas es la regresión lineal.
En este post la entendemos jugando: más abajo hay un simulador donde podés arrastrar puntos, agregar datos atípicos, subir el ruido y ver en vivo cómo reaccionan la recta, el R² y los intervalos de confianza.
1. La idea: una recta que resume la nube de puntos
La regresión lineal simple ajusta una recta ŷ = β₀ + β₁·x a un conjunto de datos, donde:
- β₀ (ordenada al origen) es el valor esperado de Y cuando X vale cero.
- β₁ (pendiente) es cuánto cambia Y, en promedio, por cada unidad adicional de X.
El método más usado es el de mínimos cuadrados ordinarios (MCO): entre todas las rectas posibles, elige la que minimiza la suma de los cuadrados de los residuos, es decir, de las distancias verticales entre cada punto y la recta.
2. Simulador de regresión lineal
Probá estos experimentos:
- Empezá con «Publicidad y ventas»: mirá la recta, el R² y el p-valor de la pendiente.
- Arrastrá un punto lejos de la nube: ¿cuánto cambia la pendiente?
- Tocá «Agregar valor atípico»: un solo dato extremo puede torcer toda la recta.
- Subí el ruido: la relación real no cambia, pero el R² cae y los intervalos se ensanchan.
- Elegí «Sin relación» y tocá «Nueva muestra» varias veces: a veces aparece una pendiente que parece significativa solo por azar.
- Tocá «Simular 500 muestras» y mirá cuánto varía la pendiente de una muestra a otra.
3. Cómo leer los resultados
- Pendiente (β₁): el efecto promedio de una unidad más de X sobre Y. Es el número que más suele interesar en la práctica.
- Error estándar: cuánto variaría la estimación si repitiéramos el estudio con otra muestra. Cuanto menor, más precisa la estimación.
- Estadístico t y p-valor: contrastan la hipótesis de que la pendiente real es cero. Un p-valor menor a 0,05 suele tomarse como evidencia de relación lineal, pero no mide su importancia práctica ni prueba causalidad.
- Intervalo de confianza 95%: rango plausible para la pendiente real. Si incluye al cero, no se puede descartar que no haya relación.
- R²: proporción de la variación de Y que explica el modelo. Un R² alto no garantiza un buen modelo, y uno bajo no implica que la relación no exista.
- Error estándar residual: el desvío típico de los errores de predicción, en las unidades de Y.
- Banda de confianza vs. banda de predicción: la primera acota dónde está la recta promedio; la segunda, dónde cae un dato individual nuevo, por eso es más ancha.
4. Supuestos y errores frecuentes
- Linealidad: la relación debe ser aproximadamente una recta. Si hay curvatura, el modelo miente.
- Homocedasticidad: la dispersión de los errores debe ser parecida en todo el rango de X.
- Independencia de los errores: especialmente delicada con series de tiempo, donde cada dato depende del anterior.
- Normalidad de los errores: importa para los intervalos y p-valores cuando hay pocos datos.
- Valores atípicos: un punto extremo, sobre todo en los bordes de X, puede cambiar la recta. Probalo en el simulador.
- Correlación no es causalidad: una pendiente significativa no demuestra que X cause Y.
- Extrapolar: predecir fuera del rango de X observado es riesgoso, porque nada garantiza que la relación siga siendo lineal.
5. Aplicaciones en la empresa
- Costos mixtos: en el escenario de costos, la ordenada estima el costo fijo y la pendiente el costo variable por unidad. Es una forma simple de separar ambos componentes a partir de datos históricos.
- Ventas y publicidad: estimar cuánto se vende en promedio por cada unidad monetaria adicional invertida, con su margen de incertidumbre.
- Precios y tasaciones: relacionar el precio con una característica, como la superficie.
- Pronósticos simples: proyectar una variable en función de otra, siempre dentro del rango observado.
6. ¿Y en Excel?
Todo lo que mostró el simulador se puede calcular en Excel: PENDIENTE, INTERSECCION.EJE, COEFICIENTE.R2, ERROR.TIPICO.XY y PRONOSTICO.LINEAL dan los resultados básicos, y ESTIMACION.LINEAL con los dos últimos argumentos en VERDADERO devuelve también los errores estándar y otros estadísticos. Además, la herramienta «Análisis de datos → Regresión» produce una tabla completa con p-valores e intervalos de confianza.
Este simulador tiene fines educativos. Los datos de los escenarios son ficticios y generados al azar; no constituyen asesoramiento. Con datos reales, revisá siempre los supuestos del modelo antes de decidir.