PRONÓSTICOS CUANTITATIVOS - MÉTODOS DE TENDENCIA

Uno de los métodos más conocidos, pero también de los más mal utilizados es la regresión lineal. En cualquier caso en que se utilice un modelo, es necesario validarlo: esto es, verificar si los supuestos del modelo coinciden con la realidad. Y esto no es lo que hace la mayoría de los usuarios. La regresión lineal implica por lo menos, distribución normal de los errores de la variable dependiente, que no están correlacionados y para utilizarlo con validez estadística, además debe contarse con un tamaño de muestra n de por lo menos 30 datos históricos. Otro supuesto obvio es que la tendencia observada de los datos puede ser descrita por una recta. Sin embargo, este supuesto se puede obviar haciendo las substituciones necesarias, por ejemplo, si se considera que una variable tiene un comportamiento exponencial (no lineal), estos datos podrían “linealizarse” calculando el logaritmo de los datos y proyectar el logaritmo. Después se halla el antilogaritmo y esa sería la proyección.
La idea de la regresión lineal es hallar una recta que cumpla con un requisito básico común para muchos métodos de pronóstico: la suma de los cuadrados de la diferencia entre el valor estimado y el observado es mínima. Por eso se llama también método de mínimos cuadrados.
En general, se trata de encontrar (en el caso de la regresión lineal), una recta que cumpla esa condición y que se expresa de la siguiente manera:

Donde

Y = variable dependiente
Xj = variable independiente e = error
a = intercepción con el eje de las abcisas (y)
bj = coeficiente de cada variable Xj
El caso particular de una variable independiente la “fórmula” será:
Y = a + bX + e
Existen varias aplicaciones para computadora que presentan alternativas para el cálculo de este tipo de regresiones.