Todas las guías de opciones
Qué compara realmente un coeficiente de regresión16 min de lectura
Coeficientes y supuestos de la regresión OLS
Comprende el objetivo de mínimos cuadrados, la interpretación condicional, los residuos, la exogeneidad, la multicolinealidad, la homocedasticidad y la regresión financiera responsable.
Preparado por Mark · Fuentes principales al final
Respuesta directa
Los mínimos cuadrados ordinarios eligen los coeficientes que minimizan la suma de residuos al cuadrado entre resultados observados y valores ajustados lineales. Un coeficiente describe la diferencia lineal media asociada con una unidad de su regresor, manteniendo fijos los demás regresores incluidos. Convertir esa proyección descriptiva en efecto causal exige supuestos adicionales, como error de media condicional cero; un R² alto o residuos pequeños no los demuestran.
OLS minimiza los residuos al cuadrado
En y=Xβ+u, OLS elige β para minimizar la suma de diferencias al cuadrado entre observaciones y valores ajustados Xβ.
Si las columnas de la matriz de diseño tienen rango completo, la solución suele escribirse β̂=(X′X)⁻¹X′y.
Elevar al cuadrado facilita el cálculo y penaliza mucho los fallos grandes, por lo que errores de datos y atípicos influyentes pueden alterar el resultado.
El coeficiente es una comparación lineal condicional
βj es la diferencia ajustada en y por una unidad de xj cuando las demás variables incluidas conservan el mismo valor.
Frisch–Waugh–Lovell obtiene el mismo coeficiente al retirar por separado de y y xj la parte lineal de los controles y regresar los dos remanentes.
Su significado depende de controles, forma funcional, unidades y muestra; no es la simple correlación entre dos variables brutas.
La linealidad se refiere a los parámetros
La regresión debe ser lineal en los coeficientes, pero puede incluir logaritmos, potencias, splines, indicadores e interacciones.
Con una interacción, la relación marginal de una variable cambia con otra, así que el coeficiente principal no se interpreta aislado.
Extrapolar extiende la forma elegida fuera del soporte observado y constituye una afirmación mucho más fuerte que ajustar bien la muestra.
Cada supuesto ofrece una garantía distinta
La media condicional cero dice que los componentes omitidos del resultado no son predecibles sistemáticamente por los regresores y es central para consistencia o interpretación estructural.
La homocedasticidad exige igual varianza condicional del error y afecta sobre todo a la fórmula clásica de varianza y a la eficiencia, no a la insesgadez por sí sola.
La normalidad no es necesaria para calcular OLS, aunque puede sustentar inferencia t y F exacta en muestras pequeñas bajo el modelo clásico.
El residuo no es el error poblacional invisible
El residuo e=y−Xβ̂ es la distancia a un ajuste estimado con la misma muestra; la perturbación poblacional u sigue sin observarse.
Con intercepto, OLS construye residuos ortogonales a los regresores muestrales, por lo que correlación cero no prueba exogeneidad.
Los gráficos de residuos detectan no linealidad, varianza cambiante, grupos, dependencia temporal y atípicos, pero no certifican el modelo.
Los datos financieros presionan los supuestos
Los retornos muestran agrupación de volatilidad y colas, y los retornos de horizontes solapados crean autocorrelación por construcción.
Los paneles empresariales combinan persistencia dentro de cada empresa y shocks comunes por fecha, rompiendo la independencia simple.
Tendencias en niveles, supervivencia, descubrimiento simultáneo de precios y error de medición pueden dar apariencia estructural a un coeficiente significativo.
Informa juntos el coeficiente y su incertidumbre
Declara estimando, muestra, unidades, transformaciones, controles, efectos fijos, tratamiento de ausencias y estimador de covarianza.
Acompaña coeficientes con errores o intervalos, traduce magnitudes a cambios realistas y examina observaciones influyentes y especificaciones defendibles.
Evalúa identificación y estabilidad temporal o fuera de muestra separadamente del R², el signo y la significación.
Preguntas frecuentes
¿Qué significa un coeficiente OLS?
Es la diferencia lineal media ajustada asociada con una unidad del regresor, manteniendo fijos los demás regresores incluidos.
¿Puede una regresión lineal representar una curva?
Sí. Puede usar logaritmos, potencias, splines e interacciones si sigue siendo lineal en los coeficientes.
¿La multicolinealidad sesga los coeficientes?
La multicolinealidad imperfecta no crea sesgo por sí sola, pero amplía errores estándar y sensibilidad muestral.
¿Los errores robustos resuelven los supuestos violados?
No. Relajan ciertas hipótesis de covarianza, pero no reparan endogeneidad, forma funcional incorrecta o selección.
Fuentes
Aplique esta idea a una opción
Elija un contrato y un objetivo para mantener visibles los supuestos de precio, tiempo y volatilidad en un mismo análisis
Analizar mi opción en inglés