Modelo de Regresión Lineal y el método de Mínimos Cuadrados Ordinarios

El Modelo de Regresión Lineal Simple consiste en una ecuación que mida la relación entre una variable dependiente y una independiente asociada a un parámetro denominado como beta que indica el grado de cambio que tendrá la variable dependiente ante un cambio en una unidad de la variable independiente.  Así, cuando se quiere interpretar el modelo suele explicarse como "por cada unidad que se incremente la variable independiente (X), la variable dependiente (Y) aumentará o disminuirá (según signo) en beta unidades (pesos, miles de pesos, porciento, personas, etc.).  Cuando las literales presentan un acento circunflejo (^) se refiere a una estimación del modelo; es decir, que es un análisis realizado con una muestra significativa que por lo menos debe tener 30 datos (n) pero que se espera que sean tantos datos como sea posible. 

MÉTODO DE MÍNIMOS CUADRADOS ORDINARIOS (LEAST SQUARE METHOD)

El método de mínimos cuadrados ordinarios consiste en reducir la suma de errores al cuadrado de la ecuación de regresión lineal. En esencia consiste en aplicar la fórmula arriba mencionada y obtener los valores de los coeficientes de origen y de la variable independiente con el fin de que se puedan sustituir los valores en el modelo  para  comprobar que el término de perturbación (Y menos Y^) es equivalente a cero o lo más cercano a este valor. Al final se realiza la gráfica del modelo de regresión para conocer su tendencia y su comportamiento general.