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