Calculadora de R-cuadrado

¿Qué es R cuadrado?

R cuadrado (R²), también llamado coeficiente de determinación, mide qué tan bien un modelo de regresión explica la variabilidad en los datos. Representa la proporción de varianza en la variable de resultado que es explicada por los predictores.

Pregunta respondida: "¿Cuánta de la variación en Y es explicada por el modelo?"

Ejemplos:

• "¿Qué tan bien explica el gasto en publicidad la variación de ventas?"
• "¿Qué proporción de las diferencias en puntuaciones de examen es explicada por el tiempo de estudio?"
• "¿Cuánta de la variación del precio de casas es capturada por nuestro modelo?"

Interpretando R²

R² = 0,75 significa:

• 75% de la varianza en Y es explicada por el modelo
• 25% permanece sin explicar (debido a otros factores, error de medición, aleatoriedad)

Precaución: Lo que cuenta como "bueno" depende del campo. Las ciencias sociales frecuentemente tienen R² más bajo que las ciencias físicas.

La fórmula

$R^2 = 1 - \frac{SC_{\text{residual}}}{SC_{\text{total}}}$

O equivalentemente:

$R^2 = \frac{SC_{\text{regresión}}}{SC_{\text{total}}}$

Donde:

• $SC_{\text{total}} = \sum(y_i - \bar{y})^2$ (varianza total)
• $SC_{\text{regresión}} = \sum(\hat{y}_i - \bar{y})^2$ (varianza explicada)
• $SC_{\text{residual}} = \sum(y_i - \hat{y}_i)^2$ (varianza no explicada)

R² y correlación

Para regresión lineal simple (un predictor):

R² = r² (correlación de Pearson al cuadrado)

Si r = 0,60, entonces R² = 0,36

Esta conexión ayuda a la interpretación: r mide fuerza de relación, R² mide varianza explicada.

Ejemplo de cálculo

Datos: Gasto en publicidad predice ventas

Cálculos:

• ȳ = 464
• SC_total = (200-464)² + ... + (700-464)² = 170.320
• SC_residual = (200-210)² + ... + (700-730)² = 1.600
• R² = 1 - (1.600 / 170.320) = 0,991

Interpretación: 99,1% de la variación en ventas es explicada por la publicidad.

R² ajustado

Problema con R²: Siempre aumenta al añadir predictores, incluso los inútiles.

Solución: R² ajustado penaliza por número de predictores:

$R^2_{\text{adj}} = 1 - \frac{(1 - R^2)(n - 1)}{n - k - 1}$

Donde:

• $n$ = tamaño de muestra
• $k$ = número de predictores

Propiedades clave:

• Puede ser menor que R²
• Puede disminuir al añadir predictores que no ayudan
• Mejor para comparar modelos con diferentes números de predictores

Ejemplo: R² vs. R² ajustado

Modelo 1: 2 predictores, R² = 0,75, n = 50 R²_adj = 1 - [(0,25)(49) / 47] = 0,740

Modelo 2: 5 predictores, R² = 0,77, n = 50 R²_adj = 1 - [(0,23)(49) / 44] = 0,744

A pesar del R² más alto, el R² ajustado del Modelo 2 es solo ligeramente mejor—los predictores extra apenas ayudan.

R² en regresión múltiple

Con múltiples predictores, R² refleja el poder explicativo combinado:

R² = 0,85 con 4 predictores significa:

• Los cuatro juntos explican 85% de la varianza
• No se puede atribuir directamente porciones a predictores individuales (debido a correlaciones)

Para importancia de predictor individual: Usa R² parcial, R² semi-parcial, o coeficientes estandarizados.

R² parcial

Mide contribución única de un predictor:

R² parcial_x₁ = R²_completo - R²_sin_x₁

Si R² = 0,85 con todos los predictores y R² = 0,72 sin X₁: R² parcial_x₁ = 0,85 - 0,72 = 0,13

X₁ explica únicamente 13% de varianza más allá de otros predictores.

Concepciones erróneas comunes

"R² más alto siempre es mejor"

Falso. El sobreajuste infla R². Un modelo complejo podría tener R² = 0,99 pero fallar en datos nuevos.

"R² = 0,5 significa que el modelo es inútil"

Falso. En campos con alta variabilidad inherente (psicología, economía), R² = 0,3 puede ser significativo.

"R² prueba causalidad"

Falso. R² mide asociación, no causalidad. Las variables confusoras pueden explicar la relación.

"Maximiza R² al seleccionar modelos"

Parcialmente falso. Usa R² ajustado, AIC o BIC en su lugar. La validación cruzada es aún mejor.

Cuando R² es bajo

Posibles razones:

1. Faltan predictores importantes: Variables clave no están en el modelo
2. Relación no lineal: Se necesita forma diferente de modelo
3. Alta variación aleatoria: Impredecibilidad inherente en el resultado
4. Error de medición: Mediciones imprecisas añaden ruido
5. Nivel de análisis incorrecto: Datos individuales vs. agregados

R² bajo no significa que los predictores sean inútiles— aún pueden tener efectos significativos y significativos.

R² en diferentes contextos

Ciencias físicas

Frecuentemente R² > 0,90 esperado (condiciones controladas, mediciones precisas).

Ciencias biológicas

R² = 0,60-0,80 frecuentemente aceptable (variación natural).

Ciencias sociales

R² = 0,20-0,50 puede ser significativo (el comportamiento humano es complejo).

Economía/Finanzas

Varía ampliamente; algunos fenómenos son inherentemente impredecibles.

R² para comparación de modelos

Mismos predictores, diferentes muestras: Compara directamente.

Diferentes números de predictores: Usa R² ajustado.

Modelos anidados: Usa prueba F para comparación estadística:

$F = \frac{(R^2_{\text{completo}} - R^2_{\text{reducido}}) / \Delta gl}{(1 - R^2_{\text{completo}}) / gl_{\text{error}}}$

R² fuera de muestra

R² dentro de muestra: Calculado en datos de entrenamiento (puede ser optimista).

R² fuera de muestra: Calculado en datos nuevos (más realista).

La validación cruzada proporciona estimación honesta de R² predictivo.

R² fuera de muestra negativo: El modelo predice peor que simplemente usar la media.

Alternativas a R²

Error cuadrático medio (ECM)

Promedio de error de predicción al cuadrado. Menor es mejor.

No está acotado; más difícil de interpretar que R².

Raíz del error cuadrático medio (RECM)

√ECM. Mismas unidades que Y.

Más interpretable que ECM.

Error absoluto medio (EAM)

Promedio de error absoluto. Más robusto a valores atípicos.

AIC / BIC

Criterios de información que equilibran ajuste y complejidad.

Para selección de modelo, no interpretación.

Reportando resultados

Formato estándar:

"El modelo explicó 72% de la varianza en ventas (R² = ,72, R² ajustado = ,69). Esto indica que gasto en publicidad, precio y estacionalidad juntos explican variación sustancial en rendimiento de ventas."

Con significancia:

"El modelo de regresión fue significativo, F(3, 96) = 82,4, p < ,001, R² = ,72, explicando 72% de la varianza en el resultado."

Contexto histórico

El coeficiente de determinación emergió del trabajo de Karl Pearson sobre correlación a finales del siglo XIX.

La interpretación como "proporción de varianza explicada" se convirtió en estándar en el análisis de regresión desarrollado por Ronald Fisher y otros a principios del siglo XX.

La distinción entre R² y R² ajustado fue formalizada después conforme crecieron las preocupaciones sobre sobreajuste con regresión múltiple y construcción computarizada de modelos.

Cálculos relacionados

• Correlación de Pearson — r (raíz cuadrada de R² para regresión simple)
• Regresión lineal — Ajuste de modelo
• Regresión múltiple — Múltiples predictores
• Error estándar de estimación — Error de predicción

Resumen

R cuadrado mide la proporción de varianza en el resultado explicada por el modelo de regresión. Los valores van de 0 a 1, con valores más altos indicando mejor ajuste. Usa R² ajustado cuando compares modelos con diferentes números de predictores. Lo que cuenta como "buen" R² depende del campo y pregunta de investigación. Recuerda que R² alto no prueba causalidad ni garantiza buenas predicciones en datos nuevos. Reporta tanto R² como R² ajustado junto con pruebas de significancia para evaluación completa del modelo.