¿Qué es un regresor? (Definición y ejemplos)

En estadística, un regresor es el nombre que se le da a cualquier variable en un modelo de regresión que se usa para predecir una variable de respuesta.

Un regresor también se conoce como:

• Una variable explicativa
• Una variable independiente
• Una variable manipulada
• Una variable predictora
• Una característica

Todos estos términos se usan indistintamente según el tipo de campo en el que esté trabajando: estadística, aprendizaje automático, econometría, biología, etc.

Nota: A veces, una variable de respuesta se llama «regresiva».

Regresores en modelos de regresión

La mayoría de los modelos de regresión adoptan la siguiente forma:

Y = β ₀ + B ₁ x ₁ + B ₂ x ₂ + B ₃ x ₃ + ε

dónde:

• Y: la variable de respuesta
• β _i : Los coeficientes de los regresores
• x _i : los regresores
• ε: el término de error

El objetivo de construir un modelo de regresión es entender cómo los cambios en un regresor conducen a cambios en una variable de respuesta (o «regressand»).

Tenga en cuenta que los modelos de regresión pueden tener uno o más regresores.

Cuando solo hay un regresor, el modelo se denomina modelo de regresión lineal simple y cuando hay múltiples regresores, el modelo se denomina modelo de regresión lineal múltiple para indicar que hay múltiples regresores.

Los siguientes ejemplos ilustran cómo interpretar regresores en diferentes modelos de regresión.

Ejemplo 1: Rendimiento de cultivos

Suponga que un agricultor está interesado en comprender los factores que afectan el rendimiento total de la cosecha (en libras). Recopila datos y crea el siguiente modelo de regresión:

Rendimiento del cultivo = 154,34 + 3,56 * (libras de fertilizante) + 1,89 * (libras de suelo)

Este modelo tiene dos regresores: fertilizante y suelo.

A continuación, se explica cómo interpretar estos dos regresores:

• Fertilizante: Por cada libra adicional de fertilizante utilizado, el rendimiento del cultivo aumenta en un promedio de 3.56 libras, asumiendo que la cantidad de tierra se mantiene constante.
• Suelo: Por cada libra adicional de tierra utilizada, el rendimiento del cultivo aumenta en un promedio de 1,89 libras, asumiendo que la cantidad de fertilizante se mantiene constante.

Ejemplo 2: Puntajes de exámenes

Suponga que un profesor está interesado en comprender cómo la cantidad de horas estudiadas afecta las calificaciones de los exámenes. Recopila datos y crea el siguiente modelo de regresión:

Puntuación del examen = 68,34 + 3,44 * (Horas estudiadas)

Este modelo tiene un regresor: Horas estudiadas. Interpretamos que el coeficiente de este regresor significa que por cada hora adicional estudiada, la puntuación del examen aumenta en un promedio de 3,44 puntos.

Recursos adicionales

Cómo interpretar los coeficientes de regresión
Cómo probar la importancia de una pendiente de regresión
Cómo leer e interpretar una tabla de regresión

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/