Mínimo Cuadrado Ordinario. Ordinary Least Square (OLS)

Mínimo cuadrado ordinario se usa para medir la relación entre diferentes variables independientes. Las variables pueden ser conceptos de la vida real. Por ejemplo; ventas, ingresos, flujos de efectivo, PIB, calificaciones, precios de acciones, etc. En un sentido más amplio, casi cualquier cosa donde hay una historia de datos. OLS tiene dos variables diferentes y pueden tener más. El nombre de los variables es “variable dependiente” y “variable independiente”. Variable independiente también llamada variable explicativa. Las variables explicativas explican la variable dependiente. La variable dependiente es la variable que se explica y se denota con la letra y, porque también representa el eje en tabla de x & y. Podría haber muchas variables explicativas, por ejemplo, en el PIB.

El PIB puede simbolizar la variable dependiente que sería la y. Las variables explicativas serían el consumo, la inversión, los gastos del gobierno y las exportaciones netas - que serían los x1, x2, etc. Por lo tanto, el PIB se explica por el consumo, la inversión, los gastos del gobierno y las exportaciones netas (PIB = I + C + G + X). Otro ejemplo podría ser: ganancia = inventario, costo de mano de obra, publicidad, etc. OLS es una forma simple de estimar y explicar la relación entre la variable dependiente y las variables explicativas. Mínimo cuadrado ordinario no es la única forma de encontrar un regresion. Otra forma es regresión logística.

OLS toma la variable dependiente y crea una regresión lineal con las variables explicativas. Una regresión es la relación medida entre variables. En OLS, puede ver una regresión lineal positiva que crea una línea con pendiente ascendente. También puede ver, una relación lineal negativa que crea una línea con pendiente descendente. Por lo tanto, OLS responde la pregunta de; Si hay una relación lineal entre la variable dependiente y la variable explicativa, ¿qué aspecto tendría? OLS no solo responde la pregunta, sino que proporciona información como la bondad del ajuste y cuánto hay de relación.

OLS crea una regresión lineal utilizando mínimos cuadrados ordinarios y proporciona una estimación de la relación entre las variables dependientes y las variable explicativa. El mínimo cuadrado ordinario es una forma de crear la regresión lineal. Hay otras formas de estimar la regresión lineal, por ejemplo, la regresión lineal de Bayes y en forma matricial de regresión lineal. Matemáticamente OLS se escribe como y = Bx0 + Bx1 + e. Donde y es la variable dependiente. Bx0 es el coeficiente de intercepción. El coeficiente de intercepción responde a la pregunta de qué sería y si x es cero.

Hay otros tipos de regresión, por ejemplo, regresión logística que utiliza la función logística para crear el modelo de regresión. OLS es una regresión lineal y toma el mínimo cuadrado ordinario para crear una estimación lineal. La regresión lineal creada es una estimación de la relación entre la variable dependiente y las variables explicativas si una línea pasa por en medio de los datos. La pendiente de la línea, que es el cambio de la línea lineal, daría una estimación de por cuánto cambian la variable dependiente cuando hay un cambio en las variables explicativas. Otra forma de explicarlo es que un movimiento en x daría el cambio beta (b) en y.

Los ejemplos donde se usa la regresión lineal OLS incluyen economía, especialmente en econometría. OLS se puede utilizar para estimar el PIB (crecimiento) de un país, estado o ciudad. En el entorno empresarial, la regresión lineal puede utilizarse para predecir ventas futuras mediante el comportamiento de compra de pases.