Una ecuación de regresión no solo produce números: cada coeficiente debe interpretarse con sus unidades, su rango de aplicación y la incertidumbre de las predicciones.
La recta estima el valor de la variable respuesta y a partir de un valor de la variable explicativa x. La interpretación correcta depende de qué representan x e y en el problema.
La pendiente b es el cambio promedio estimado en y cuando x aumenta una unidad, dentro del intervalo estudiado.
La palabra “promedio” es importante: la pendiente describe el comportamiento de la recta, no obliga a que cada individuo cambie exactamente esa cantidad.
| Signo | Interpretación |
|---|---|
| b > 0 | Al aumentar x, la predicción de y aumenta. |
| b < 0 | Al aumentar x, la predicción de y disminuye. |
| b = 0 | La recta predice el mismo valor de y para todo x. |
El signo indica dirección, pero no informa por sí solo si la relación es fuerte, útil o causal.
Las unidades de b son las unidades de y divididas por las unidades de x. Si x está expresada en horas e y en puntos, b se expresa en puntos por hora.
Escribir las unidades evita interpretaciones ambiguas y permite detectar errores de escala, como confundir minutos con horas o pesos con miles de pesos.
El intercepto a es el valor estimado de y cuando x = 0. Su interpretación es directa solo si x = 0 tiene sentido y se encuentra cerca del rango de datos observado.
Un intercepto matemáticamente necesario no siempre representa una situación real. Puede ser una consecuencia de extender la recta hasta x = 0.
Para obtener una predicción se reemplaza x en la ecuación:
La lectura correcta es: “para una observación con x = 4, el modelo estima un valor de y cercano a 65,7”. No significa que todas las observaciones con x = 4 tengan exactamente ese resultado.
Un residuo positivo indica que el valor observado está por encima de la recta; uno negativo, que está por debajo. La magnitud del residuo muestra cuánto se aparta un caso de la predicción.
Una buena revisión consiste en graficar los residuos contra x. Si forman una curva, un abanico o grupos, la recta puede estar ocultando una estructura importante.
La recta proporciona una estimación central para y. Una predicción individual tiene más variabilidad que la media de todos los casos con el mismo x, por lo que su intervalo suele ser más amplio.
En informes formales conviene acompañar la predicción con un intervalo de confianza o de predicción. La ecuación sola no expresa toda la incertidumbre.
Interpretar la pendiente dentro del rango de x observado es más seguro. Si los datos abarcan de 1 a 6 horas, una predicción para x = 4 es interpolación.
Una predicción para x = 20 es extrapolación: supone que la misma tendencia continúa mucho más allá de la información disponible. La pendiente puede cambiar fuera del rango estudiado.
No siempre se pueden comparar pendientes directamente. Primero hay que revisar las unidades. Una pendiente de 2 metros por segundo no se compara sin convertir unidades con otra expresada en centímetros por minuto.
También hay que considerar el rango de x, la escala de medición y si ambas rectas se ajustaron sobre poblaciones comparables.
La correlación es simétrica: correlacionar x con y da el mismo resultado que correlacionar y con x. La regresión no es simétrica: la recta de y sobre x no es igual a la recta de x sobre y.
La correlación ayuda a describir la asociación lineal. La regresión agrega una dirección de predicción y una ecuación con unidades.
Una pendiente positiva no prueba que aumentar x provoque un aumento en y. La relación puede estar explicada por una tercera variable, por una selección particular de los datos o por una causalidad inversa.
Para afirmar causalidad se necesitan argumentos teóricos y un diseño apropiado, como un experimento o un estudio observacional cuidadosamente controlado.
Un punto extremo puede cambiar el intercepto y la pendiente. Un punto con un valor x muy alejado tiene especial capacidad de modificar la recta, incluso si su residuo no parece enorme.
Antes de eliminar una observación, se debe comprobar si es un error de carga, una medición válida o una señal de que se necesitan grupos o modelos diferentes.
El siguiente código ajusta la recta, interpreta sus coeficientes, calcula una predicción para x = 4 y dibuja la recta junto con los datos.
const datos = [
{ x: 1, y: 52 },
{ x: 2, y: 56 },
{ x: 3, y: 61 },
{ x: 4, y: 65 },
{ x: 5, y: 71 }
];
const mediaX = datos.reduce((suma, dato) => suma + dato.x, 0) / datos.length;
const mediaY = datos.reduce((suma, dato) => suma + dato.y, 0) / datos.length;
const sumaProductos = datos.reduce((suma, dato) => suma + (dato.x - mediaX) * (dato.y - mediaY), 0);
const sumaCuadradosX = datos.reduce((suma, dato) => suma + (dato.x - mediaX) ** 2, 0);
const pendiente = sumaProductos / sumaCuadradosX;
const intercepto = mediaY - pendiente * mediaX;
const xElegido = 4;
const prediccion = intercepto + pendiente * xElegido;
const residuos = datos.map(dato => dato.y - (intercepto + pendiente * dato.x));
console.log('Pendiente:', pendiente.toFixed(2), 'puntos por hora');
console.log('Intercepto:', intercepto.toFixed(2), 'puntos');
console.log('Para x = ' + xElegido + ', la predicción es:', prediccion.toFixed(2));
console.log('Residuos:', residuos.map(residuo => residuo.toFixed(2)));
if (typeof document !== 'undefined') {
const canvas = document.getElementById('canvasInterpretacionCodigo');
const contexto = canvas.getContext('2d');
const area = { izquierda: 70, derecha: 780, arriba: 35, base: 390 };
const escalaX = valor => area.izquierda + (valor - 1) / 4 * (area.derecha - area.izquierda);
const escalaY = valor => area.base - (valor - 45) / 30 * (area.base - area.arriba);
contexto.clearRect(0, 0, canvas.width, canvas.height);
contexto.strokeStyle = '#e5bd91'; contexto.lineWidth = 1;
contexto.beginPath(); contexto.moveTo(area.izquierda, area.base); contexto.lineTo(area.derecha, area.base); contexto.stroke();
contexto.beginPath(); contexto.moveTo(area.izquierda, area.base); contexto.lineTo(area.izquierda, area.arriba); contexto.stroke();
contexto.strokeStyle = '#bd641f'; contexto.lineWidth = 3;
contexto.beginPath();
contexto.moveTo(escalaX(1), escalaY(intercepto + pendiente));
contexto.lineTo(escalaX(5), escalaY(intercepto + pendiente * 5));
contexto.stroke();
contexto.fillStyle = '#98531e';
datos.forEach(dato => { contexto.beginPath(); contexto.arc(escalaX(dato.x), escalaY(dato.y), 7, 0, Math.PI * 2); contexto.fill(); });
}Interpretar una recta de regresión significa traducir sus coeficientes a una afirmación concreta sobre las variables. Una lectura cuidadosa combina la ecuación, el gráfico, los residuos, la incertidumbre y los límites del estudio. Así, la regresión se convierte en una herramienta útil sin atribuirle más certeza de la que los datos permiten.