Cuando decimos, para retroceder $Y$ contra $X$ ¿Queremos decir que $X$ es la variable independiente e Y la variable dependiente? es decir $Y =aX + b$ .
Respuestas
¿Demasiados anuncios?
Por lo general, se trata de encontrar una superficie parametrizada por un X conocido, de manera que Y se acerque a esa superficie. Esto te da una receta para encontrar la Y desconocida cuando conoces la X.
Como ejemplo, los datos son X = 1,...,100. El valor de Y se representa en el eje Y. La línea roja es la superficie de regresión lineal.
Personalmente, no encuentro que el lenguaje de la variable independiente/dependiente sea tan útil. Esas palabras connotan causalidad, pero la regresión también puede funcionar al revés (utilizar Y para predecir X).
Damian Sowinski
Puntos
146
Probablemente, sí. Muchas veces necesitamos hacer una regresión de una variable (digamos Y) sobre otra variable (digamos X). Por lo tanto, en la regresión se puede escribir como $Y = a+bX$ ; regresión de Y sobre X: regresión del valor genético verdadero sobre el valor genético genómico, etc.
bias=lm(TBV~GBV)
4 votos
Depende de la persona que hable, por desgracia. Creo que "hice una regresión de Y sobre X" significa más comúnmente que Y es la variable del lado izquierdo, pero algunas personas quieren decir lo contrario.
4 votos
Casi siempre, sí... pero probablemente quieres decir E(Y)=aX+b, de lo contrario no necesitas la regresión en absoluto (ya que si realmente quisieras decir la igualdad que diste, cada punto estaría en la línea).
0 votos
> Personalmente, no encuentro que el lenguaje de variables independientes/dependientes sea tan útil. Esas palabras connotan causalidad, pero la regresión también puede funcionar al revés (usar Y para predecir X). El lenguaje de la variable independiente/dependiente simplemente especifica cómo una cosa depende de la otra. En general, tiene más sentido utilizar la correlación que la regresión si no hay una relación causal. Si una cosa no es la causa de la otra, no tiene mucho sentido utilizarla para predecir la otra (al menos no desde un punto de vista científico), y basta con invertir la relación siempre que
0 votos
No hay mucha diferencia sustancial entre correlación y regresión; desde luego, nada que ver con la causalidad.
2 votos
Esto es sólo una parte de la historia. La causalidad y la predicción no van de la mano ni siquiera en la ciencia. Por ejemplo, una gran parte de las ciencias medioambientales se dedica a utilizar los efectos para predecir o inferir las causas, por ejemplo, las temperaturas pasadas a partir de proxies que se ven afectadas por la temperatura. A veces, la predictibilidad mutua de dos variables es interesante independientemente de la causalidad, por ejemplo, con diferentes medidas de la "misma" propiedad. Incluso si dos variables están en el mismo plano, puede haber ajustes lineales que no dependan de distinguir diferentes funciones para $y$ y $x$ (eje mayor reducido, etc.)