Definicion de Regresión por pasos: definición, uso, ejemplo y limitaciones
Regresión por pasos: Un método estadístico utilizado para identificar las variables que tienen el mayor impacto en un resultado, al eliminar sistemáticamente aquellas que tienen un impacto menor. Se utiliza para ajustar modelos de predicción y controlar el sesgo.
Se usa para identificar las variables más importantes en un modelo predictivo y para eliminar el ruido en un modelo de regresión.
Ejemplo: En un estudio sobre el impacto de la edad, el salario y la educación en los ingresos de una persona, la regresión por pasos podría mostrar que la edad y la educación tienen un impacto significativo en los ingresos, mientras que el salario no tiene un impacto significativo.
Limitaciones: La regresión por pasos puede ser sensible a la selección de las variables iniciales, y puede variar dependiendo de la técnica utilizada para la selección de variables. También puede perder información importante al eliminar variables sistemáticamente.
¿Qué es la regresión por pasos?
La regresión por pasos es una construcción iterativa por pasos de un modelo de regresión que implica seleccionar variables independientes para usar en el modelo final. Implica agregar o eliminar secuencialmente posibles variables explicativas y probar la significancia estadística después de cada iteración.
La disponibilidad de paquetes de software estadístico hace posible la regresión gradual incluso en modelos con cientos de variables.
Resultados clave
- La regresión por pasos es un método que examina de forma iterativa la significancia estadística de cada variable independiente en un modelo de regresión lineal.
- El enfoque de selección directa comienza desde cero y agrega gradualmente cada nueva variable, probando su significancia estadística.
- El método de eliminación hacia atrás comienza con un modelo completo cargado con varias variables y luego elimina una variable para probar su importancia en relación con los resultados generales.
- Sin embargo, la regresión por pasos tiene sus desventajas, ya que es un enfoque que ajusta datos en un modelo para lograr el resultado deseado.
Tipos de regresión gradual
El objetivo principal de la regresión por pasos es utilizar una serie de pruebas (p. ej., pruebas F, pruebas t) para encontrar un conjunto de variables independientes que influyan significativamente en la variable dependiente. Esto se hace con la ayuda de computadoras a través de la iteración, que es el proceso de llegar a resultados o soluciones repitiendo rondas o ciclos de análisis. La ejecución automática de pruebas utilizando paquetes de software estadístico ahorra tiempo y reduce los errores.
La regresión por pasos se puede lograr probando una variable independiente a la vez e incluyéndola en el modelo de regresión si es estadísticamente significativa, o incluyendo todas las posibles variables independientes en el modelo y eliminando aquellas que no son estadísticamente significativas. Algunos utilizan una combinación de ambos métodos, por lo que existen tres enfoques para la regresión por pasos:
- Selección directa comienza sin variables en el modelo, prueba cada variable a medida que se agrega al modelo y luego retiene aquellas que se consideran estadísticamente más significativas, repitiendo el proceso hasta que los resultados sean óptimos.
- Liquidación inversa comienza con un conjunto de variables independientes, eliminando una a la vez y luego probando si la variable eliminada es estadísticamente significativa.
- Eliminación bidireccional es una combinación de los dos primeros métodos que comprueba qué variables deben incluirse o excluirse.
Ejemplo
Un ejemplo de regresión por pasos utilizando eliminación hacia atrás sería tratar de comprender el uso de energía en una planta utilizando variables como el tiempo de funcionamiento del equipo, la antigüedad del equipo, la cantidad de empleados, la temperatura exterior y la época del año. El modelo incluye todas las variables y luego elimina una por una para determinar cuál es menos significativa estadísticamente. En última instancia, el modelo puede mostrar que la época del año y la temperatura son más importantes, sugiriendo quizás que el consumo máximo de energía de la planta ocurre cuando el aire acondicionado está en su punto máximo.
Limitaciones de la regresión por pasos
El análisis de regresión, tanto lineal como multivariado, se utiliza ampliamente en el mundo de la economía y la inversión en la actualidad. La idea suele ser encontrar patrones que hayan existido en el pasado y que puedan repetirse en el futuro. Por ejemplo, una regresión lineal simple puede analizar las relaciones precio-beneficio y los rendimientos de las acciones durante muchos años para determinar si las acciones con relaciones P/E bajas (la variable independiente) ofrecen rendimientos más altos (la variable dependiente). El problema con este enfoque es que las condiciones del mercado cambian con frecuencia y las relaciones que han existido en el pasado no necesariamente serán válidas en el presente o en el futuro.
Mientras tanto, el proceso de regresión gradual tiene muchas críticas e incluso llamados a abandonar por completo el uso de este método. Los estadísticos señalan varias desventajas de este enfoque, incluidos resultados incorrectos, sesgo inherente en el proceso en sí y la necesidad de una potencia informática significativa para desarrollar modelos de regresión complejos mediante iteración.
Preguntas Frecuentes
1. ¿Qué es la regresión por pasos?
La regresión por pasos es una construcción iterativa por pasos de un modelo de regresión que implica seleccionar variables independientes para usar en el modelo final. Implica agregar o eliminar secuencialmente posibles variables explicativas y probar la significancia estadística después de cada iteración.
2. ¿Cuáles son los tipos de regresión gradual?
La regresión por pasos se puede lograr probando una variable independiente a la vez e incluyéndola en el modelo de regresión si es estadísticamente significativa, o incluyendo todas las posibles variables independientes en el modelo y eliminando aquellas que no son estadísticamente significativas. Algunos utilizan una combinación de ambos métodos, por lo que existen tres enfoques para la regresión por pasos:
- Selección directa comienza sin variables en el modelo, prueba cada variable a medida que se agrega al modelo y luego retiene aquellas que se consideran estadísticamente más significativas, repitiendo el proceso hasta que los resultados sean óptimos.
- Liquidación inversa comienza con un conjunto de variables independientes, eliminando una a la vez y luego probando si la variable eliminada es estadísticamente significativa.
- Eliminación bidireccional es una combinación de los dos primeros métodos que comprueba qué variables deben incluirse o excluirse.
3. ¿Cuáles son las limitaciones de la regresión por pasos?
El análisis de regresión, tanto lineal como multivariado, se utiliza ampliamente en el mundo de la economía y la inversión en la actualidad. La idea suele ser encontrar patrones que hayan existido en el pasado y que puedan repetirse en el futuro. Por ejemplo, una regresión lineal simple puede analizar las relaciones precio-beneficio y los rendimientos de las acciones durante muchos años para determinar si las acciones con relaciones P/E bajas (la variable independiente) ofrecen rendimientos más altos (la variable dependiente). El problema con este enfoque es que las condiciones del mercado cambian con frecuencia y las relaciones que han existido en el pasado no necesariamente serán válidas en el presente o en el futuro. Mientras tanto, el proceso de regresión gradual tiene muchas críticas e incluso llamados a abandonar por completo el uso de este método. Los estadísticos señalan varias desventajas de este enfoque, incluidos resultados incorrectos, sesgo inherente en el proceso en sí y la necesidad de una potencia informática significativa para desarrollar modelos de regresión complejos mediante iteración.
¿Problemas o dudas? Te ayudamos
Si quieres estar al día, suscríbete a nuestra newsletter y síguenos en Instagram. Si quieres recibir soporte para cualquier duda o problema, no dude en ponerse en contacto con nosotros en info@wikieconomia.org.