En análisis de regresión es una herramienta de frecuente uso en Estadística que permite estudiar y valorar las relaciones entre diferentes variables cuantitativas tenidas en cuenta mediante la construcción de una ecuación.
El esquema básico de análisis de regresión plantea un proceso o modelo en el cual se analiza la relación entre una variable dependiente (porque es influida por el resto) y una o varias variables independientes o fijas (las que influyen en el objeto de estudio). Gracias procesos de regresión estadística es posible entender el modo en que la dependiente es afectada por cambios en los valores de las independientes.
Las principales aplicaciones de este elemento estadístico son la predicción o previsión de hechos a partir de unos datos determinados, teniendo en cuenta el grado de influencia (en Estadística se conoce a esto como correlación lineal) de las diferentes variables en los mismos a raíz de la experiencia que aporta esta información.
Desde un punto de vista más teórico, la regresión permite estimar su esperanza condicional (el valor promedio que adopta dadas el resto de variables). Alternativamente otro objetivo es construir una función de regresión para poder estimarla mediante distribuciones de probabilidad.
Cuando solo se tiene en cuenta una variable independiente hablamos de regresión lineal simple, mientras que si existen más se trataría de regresión lineal múltiple. Además existe una modalidad conocida como regresión de cuadrados mínimos ordinarios, más compleja y en la cual la ecuación estimada proviene de calcular otra que minimiza la suma de las distancias elevadas al cuadrado entre los puntos de datos de la muestra y los valores pronosticados por la ecuación.
Aplicaciones prácticas del análisis de regresión
Este tipo de estudios tiene aplicaciones para la vida cotidiana, desde el estudio de accidentes de tráfico en una determinada zona geográfica hasta comprobar si un plan de estudios es recomendable o no desde el punto de vista de la tasa de abandono escolar, por ejemplo.
Crítica al análisis de regresión
Una crítica común a este tipo de modelo de predicción matemática es no son óptimo, pues suele confundir correlación con causalidad. Esto quiere decir que las conclusiones que aporta este tipo de procesos están siempre sujetas a factores que pueden influir en su exactitud, como la falta de información sobre lo estudiado o la existencia de fallos en la medición o recolección de datos.
