La Regresión Lineal Simple: PIB y Desempleo en España

La Regresión Lineal es un método muy utilizado, para predecir las

posibles relaciones entre dos o más variables; su objetivo es averiguar el
comportamiento de una respecto a la otra...

Hoy veremos como hacer, de forma sencilla y esperemos que amena, una
Regresión Lineal Simple, utilizando dos variables macroeconómicas: el PIB y la
Tasa de Desempleo en España; el objetivo será deducir la relación entre ellas
predecir como se comportarán.

Los datos trimestrales los hemos tomado del INE y hemos considerado como
variable independiente el PIB y como dependiente, la Tasa de Desempleo, el
motivo es que queremos estudiar el comportamiento de la segunda respecto a
la primera.

Debemos aclarar que, para crear un modelo completo, se tendrían que utilizar
más variables, en la llamada Regresión Lineal Múltiple y habría que hacer un
estudio de resíduos.

En primer lugar, siempre conviene seguir dos pasos previos, uno es obtener los
estadísticos descriptivos de la muestra, lo hemos explicado en esta otra
entrada, sobre los datos macroeconómicos de los países de la UE. Si vamos a
mostrar el diagrama de líneas del PIB y del Desempleo, en la figura que
aparece a continuación.

Observamos como ambas variables, parecen comportarse de modo similar,

pero en sentido inverso, esto es lógico, ya que para que el desempleo varié,
debe hacerlo el PIB y además, cuando uno baja, el PIB, el desempleo sube y a
la inversa. Es decir, si crecemos vamos a generar empleo, otra discusión es
como crecemos y que empleo generamos...

Una vez tenemos el diagrama, confirmamos la relacion con el llamado

Coeficiente de Correlación de Pearson. Su fórmula es, en el numerador, la
Covarianza de ambas variables y el denominador, el producto de sus
desviaciones típicas. En esta web puedes encontrar toda la información de
estos estadísticos.

En nuestro caso es de -0,8546; un coeficiente próximo a 1 indica una alta

correlación y la ausencia de ella si es próximo a 0, el signo nos dice si la
relación es directa o inversa, por tanto, vemos que están altamente
correlacionadas y que es factible realizar la regresión.

Ahora realizamos el diagrama de dispersión y observamos que tipo de relación

existe entre el PIB y la Tasa de Desempleo; vemos si puede ser lineal (línea),
exponencial (creciente), polinómica (formas polinómicas) u otros tipos de
figuras. En este caso, parece ser lineal y planteamos entonces la ecuación de
regresión.

En ella aparece un coeficiente independiente y otro junto a la (x), que es la

variable independiente, siendo (y) la dependiente; además aparece un residuo
(epsilon) que nos indica la parte que

dicho modelo no predice.

Sería algo parecido a la figura, en la que vemos que puede ser de tipo
lineal. En dicha figura también aparece la llamada Ecuación de Regresión, en
este caso el término independiente es de 19,33 y la pendiente de la recta (el
que acompaña a la x) de -1,3214, es negativo porque ambas variables se
mueven de forma inversa, si una aumenta la otra disminuye. Los coeficientes
de la ecuación de la recta, se pueden calcular con una Hoja de Cáculo o
manualmente, puedes visitar este sitio, donde te lo explican detalladamente.

Estos parámetros son la esencia de los modelos de regresión y sirven para

realizar las predicciones. La pendiente es muy importante, su signo indica una
relación directa (+) o inversa (-), pero además, su valor nos dice cuanto
aumenta o disminuye una si aumenta o disminuye la otra; el término
independiente nos indica el valor de y para x=0; en teoría, en este caso, con un
crecimiento de 0 la Tasa de Paro sería de algo más del 19%.

Por ejemplo, en nuestro caso el valor absoluto es 1,32, es decir, si "x" era el
PIB e "y" el Desempleo, una variación del 1% en el primero, llevaría a una
disminución del 1,32% en el segundo, que debe ser esto en lo que se basó De
Guindos para afirmar que creciendo así generaríamos empleo en 2014.

El R cuadrado es el Coeficiente de Determinación y se calcula (solo en

regresión lineal), elevando al cuadrado el de correlación; nos indica la Bondad
del Ajuste y cuanto más próximo a 1, mayor es la capacidad predictiva del
modelo. El nuestro es de 0,7305, más que aceptable.

Pero la estadística en economía no lo es todo y la Ley de Okun, nos dice que

en realidad, para crear empleo, un país debe crecer, al menos, en un 2% y eso
en la España de hoy es harto difícil, aunque el señor Rajoy o De Guindos digan
lo contrario. Fíjense que el término independiente (19,33), nos estaría
indicando el paro cuando el crecimiento fuera 0, sin embargo, creciendo al 0%
se destruye empleo en España.