¿Qué es la regresión gradual?
El análisis de regresión es un enfoque estadístico ampliamente utilizado que busca identificar relaciones entre variables. La idea es agrupar datos relevantes para tomar decisiones mejor informadas y es una práctica común en el mundo de las inversiones. La regresión paso a paso es la construcción iterativa paso a paso de un modelo de regresión que implica la selección automática de variables independientes. La disponibilidad de paquetes de software estadístico hace posible la regresión gradual, incluso en modelos con cientos de variables.
Tipos de regresión paso a paso
El objetivo subyacente de la regresión gradual es, a través de una serie de pruebas (pruebas F, pruebas t) encontrar un conjunto de variables independientes que influyan significativamente en la variable dependiente. Esto se hace con las computadoras a través de la iteración, que es el proceso de llegar a resultados o decisiones pasando por rondas repetidas o ciclos de análisis. Realizar pruebas automáticamente con la ayuda de paquetes de software estadístico tiene la ventaja de ahorrar tiempo para el individuo.
Para llevar clave
- El análisis de regresión es un enfoque estadístico que busca comprender y medir las relaciones entre variables independientes y dependientes. La regresión escalonada es un método que examina la significación estadística de cada variable independiente dentro del modelo. El enfoque de selección directa agrega una variable y luego prueba la significación estadística El método de eliminación hacia atrás comienza con un modelo cargado con muchas variables y luego elimina una variable para probar su importancia en relación con los resultados generales. La regresión gradual tiene muchas críticas, ya que es un enfoque que ajusta los datos en un modelo para lograr el resultado deseado.
La regresión gradual 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 variables independientes potenciales en el modelo y eliminando aquellas que no son estadísticamente significativas. Algunos usan una combinación de ambos métodos y, por lo tanto, existen tres enfoques para la regresión por pasos:
- La selección hacia adelante comienza sin variables en el modelo, prueba cada variable a medida que se agrega al modelo, luego mantiene las que se consideran estadísticamente más significativas, repitiendo el proceso hasta que los resultados sean óptimos. La eliminación hacia atrás comienza con un conjunto de variables independientes, eliminar uno a la vez, luego probar para ver si la variable eliminada es estadísticamente significativa. La eliminación bidireccional es una combinación de los dos primeros métodos que evalúa qué variables deben incluirse o excluirse.
Un ejemplo de una regresión gradual utilizando el método de eliminación hacia atrás sería un intento de comprender el uso de energía en una fábrica utilizando variables como el tiempo de funcionamiento del equipo, la edad del equipo, el tamaño del personal, las temperaturas exteriores y la época del año. El modelo incluye todas las variables; luego, cada una se elimina, una a la vez, para determinar cuál es el menos estadísticamente significativo. Al final, el modelo podría mostrar que la época del año y las temperaturas son más significativas, posiblemente sugiriendo que el consumo máximo de energía en la fábrica es cuando el uso del aire acondicionado es más alto.
Limitaciones de la regresión gradual
El análisis de regresión, tanto lineal como multivariado, se usa ampliamente en el mundo de la inversión actual. La idea es a menudo encontrar patrones que existieron en el pasado y que también podrían repetirse en el futuro. Una regresión lineal simple, por ejemplo, podría observar las relaciones precio / ganancias y los rendimientos de las acciones durante muchos años para determinar si las acciones con bajas relaciones P / E (variable independiente) ofrecen mayores retornos (variable dependiente). El problema con este enfoque es que las condiciones del mercado a menudo cambian y las relaciones que se mantuvieron en el pasado no necesariamente son ciertas en el presente o en el futuro.
Mientras tanto, el proceso de regresión gradual tiene muchas críticas e incluso hay llamadas para dejar de usar el método por completo. Los estadísticos señalan varios inconvenientes del enfoque, incluidos resultados incorrectos, un sesgo inherente en el proceso en sí mismo y la necesidad de una potencia informática significativa para desarrollar modelos de regresión complejos a través de la iteración.
