ERRORES COMUNES EN EL ANLISIS DE REGRESIN

Los siguientes son algunos errores comunes que afectan la validez de las conclusiones de
un Anlisis de Regresin.

Relacin no lineal. El mtodo de mnimos cuadrados que busca el mejor ajuste a una
lnea recta. Si la relacin entre las variables no es lineal, la distribucin propuesta para
los estimadores es falsa.

Varianza no homognea. Si la varianza de los errores cambia con los valores de X

entonces los errores estndares, los tests y los intervalos de confianza obtenidos son
inapropiados.

Errores correlacionados. Los errores estndares calculados, as como los tests y los
intervalos de confianza suponen que los errores son independientes. Cuando este supuesto
se viola las conclusiones pueden ser errneas.

Errores no normales. Los tests e intervalos de confianza presentados, basados en la

distribucin t y la F, suponen que para cada valor de X la distribucin de la variable Y es
normal. El no cumplimiento de este supuesto invalida estos procedimientos
(especialmente cuando el tamao de muestra es pequeo).

Casos influyentes. Los estimadores de mnimos cuadrados son muy poco robustos. Un
nico dato outlier puede modificar sustancialmente la recta estimada.

Variables omitidas. Si otras variables afectan a ambas X e Y simultneamente nuestra

estimacin de la pendiente puede subestimar o sobrestimar la verdadera relacin entre X
eY

Interpolacin fuera del rango. Los modelos de regresin son vlidos como ecuaciones
de interpolacin sobre el rango de las variables utilizadas en el modelo. No pueden ser
vlidas para extrapolacin fuera de este rango.
Los outliers u observaciones malas. Pueden distorsionar seriamente el ajuste de
mnimos cuadrados. En la figura, la observacin A parece ser un outlier o valor malo
ya que cae muy lejos de la lnea de ajuste de los otros datos. Debe investigarse esta
observacin.
 Y
*
* * *
**
*A * **
** *
**
* * *
**
* *

Fig. 1 Localizacin de un outlier

Relacin entre variables. Si se encuentra que dos variables estn relacionadas

fuertemente, no implica que la relacin sea causal, se debe investigar la relacin causa
efecto entre ellas. Por ejemplo, el nmero de enfermos mentales vs. nmero de licencias
recibidas.

Relacin entre la variable regresora (x) y desconocida (y). Por ejemplo, al tratar de
predecir la carga elctrica el da de maana en relacin con la mxima temperatura de
maana, primero debe estimarse cul es esa temperatura.