Variables explicativas que no pueden controlarse ni fijarse: ¿Funciona la regresión?
El análisis de regresión lineal es una de las técnicas estadísticas que más se usan en los experimentos planificados para estudiar el funcionamiento de los sistemas naturales, en especial en estudios mensurativos. Muchas veces, el investigador no tiene capacidad de controlar la porción explicativa del modelo de regresión, por lo que las variables explicativas pueden resultar tan aleatorias o más que la variable respuesta. Esto podría generar sesgos en las estimaciones de las pendientes asociadas y conducir a conclusiones equivocadas. Una alternativa al método de regresión clásico es la regresión tipo II, diseñada para cuando no se pueden fijar los valores de la variable explicativa. En este trabajo se presentan distintas situaciones basadas en investigaciones publicadas en ecología y agronomía con diferentes objetivos: predicción, estimación de la pendiente y comparación de pendientes entre dos grupos, en las que el problema de variación aleatoria en las variables explicativas está presente con distinto grado de relevancia. En cada caso se identifica cuál es el camino más adecuado para el análisis. También se realizó una simulación que consideró distintas combinaciones para los errores aleatorios en las variables regresora y respuesta con el objetivo de visualizar el sesgo de los estimadores en cada situación para los diferentes métodos de regresión. De lo presentado se desprende que se debe poner énfasis en dos cuestiones muy importantes para poder decidir el método de regresión tipo II más adecuado: tener en claro cuál es el objetivo del trabajo y si se cumplen las condiciones de aplicación requeridos por cada método. Esta revisión pretende ser una sencilla guía de cuándo y qué método aplicar en cada situación.
Main Authors: | , , |
---|---|
Format: | info:ar-repo/semantics/artículo biblioteca |
Language: | spa |
Published: |
Asociación Argentina de Ecología
2020-12
|
Subjects: | Análisis de la Regresión, Métodos Estadísticos, Modelos de Simulación, Regression Analysis, Statistical Methods, Simulation Models, |
Online Access: | http://hdl.handle.net/20.500.12123/8576 http://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/1066 https://doi.org/10.25260/10.25260/EA.20.30.3.0.1066 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|