Una nube de puntos no trae una recta incorporada. Mínimos Cuadrados Ordinarios elige, entre las rectas posibles, la que minimiza la suma de los residuos al cuadrado. El residuo es una distancia vertical: la diferencia entre el valor observado y el que predice la recta para ese mismo valor de xx.

De la distancia al criterio de ajuste

En el modelo yi=β0+β1xi+εiy_i=\beta_0+\beta_1x_i+\varepsilon_i, la predicción es y^i=β^0+β^1xi\hat y_i=\hat\beta_0+\hat\beta_1x_i y el residuo es ei=yi−y^ie_i=y_i-\hat y_i. Si existe variación en xx, la solución es:

β^1=∑i(xi−xˉ)(yi−yˉ)∑i(xi−xˉ)2,β^0=yˉ−β^1xˉ.\begin{gathered} \hat\beta_1=\frac{\sum_i(x_i-\bar x)(y_i-\bar y)}{\sum_i(x_i-\bar x)^2},\\[0.5em] \hat\beta_0=\bar y-\hat\beta_1\bar x. \end{gathered}

Elevar al cuadrado evita que residuos positivos y negativos se cancelen, pero también hace que observaciones extremas influyan mucho en el ajuste. Los cuadrados dibujados representan la magnitud de esa penalización; pueden quedar recortados por los límites del gráfico.

Dibuja una muestra. Ajusta una recta.Datos simulados · n ≤ 250

Haz clic dentro del gráfico o ingresa coordenadas debajo. El salario usa unidades arbitrarias; el ejemplo no es una estimación salarial real.

SSR manual / recta actual
—
SSR mínimo (MCO)
—
Exceso sobre el mínimo
—

Cada testigo agrega un punto a la muestra actual y activa MCO. Recarga la muestra entre ambos experimentos para comparar. Los datos de prueba concentran x entre 8 y 12 para hacer visible el apalancamiento en el extremo.

n
0
β̂₀
—
β̂₁
—
R²
—
Error estándar residual
—

Los residuos, cuadrados y la tabla siguen la recta actual. Los coeficientes con gorro, R² y el error estándar residual corresponden al mínimo MCO. Ese mínimo cambia cuando cambia la muestra.

Observaciones y residuos de la recta actual
xᵢyᵢb₀ + b₁xᵢeᵢeᵢ²

Probar una recta antes de minimizar

Los sliders eligen un intercepto b0b_0 y una pendiente b1b_1 arbitrarios. La recta, los residuos, los cuadrados y la tabla siguen esos valores, mientras el contador recalcula:

SSRmanual(b0,b1)=∑i[yi−(b0+b1xi)]2.\mathrm{SSR}_{\mathrm{manual}}(b_0,b_1)=\sum_i\left[y_i-(b_0+b_1x_i)\right]^2.

Intentá reducirlo a mano y luego presioná Ajustar por MCO (Mínimo). El botón coloca los coeficientes en la solución analítica, sin redondearlos a los valores mostrados en pantalla. El exceso sobre el mínimo pasa a cero. No es un mínimo local encontrado por tanteo: para esa misma muestra, ninguna otra recta obtiene un SSR menor. Si llamamos Sxx=∑i(xi−xˉ)2S_{xx}=\sum_i(x_i-\bar x)^2, la identidad que lo garantiza es:

SSR(b0,b1)=SSRMCO+n(b0+b1xˉ−yˉ)2+Sxx(b1−β^1)2.\begin{aligned} \mathrm{SSR}(b_0,b_1)={}&\mathrm{SSR}_{\mathrm{MCO}}\\ &+n(b_0+b_1\bar x-\bar y)^2\\ &+S_{xx}(b_1-\hat\beta_1)^2. \end{aligned}

El mínimo es único cuando Sxx>0S_{xx}>0. Después de ajustar, agregar puntos mantiene activo MCO; mover un slider vuelve al modo manual. El mínimo corresponde siempre a la muestra actual: no hay que comparar el SSR de muestras de distinto tamaño como si fueran el mismo problema.

Un residuo grande no es lo mismo que mucha influencia

Para comparar los dos testigos, recargá los datos de prueba antes de cada uno. La muestra concentra la educación entre 8 y 12 años para que el contraste sea visible:

El panel distingue explícitamente el residuo antes del reajuste del residuo después. Un punto exactamente sobre la recta anterior no la movería, por muy extremo que fuera su xx: alto leverage significa potencial de influencia, no influencia garantizada. El apalancamiento del punto se calcula en la muestra ampliada:

hi=1n+(xi−xˉ)2Sxx.h_i=\frac{1}{n}+\frac{(x_i-\bar x)^2}{S_{xx}}.

La línea turquesa discontinua conserva el ajuste MCO anterior y el punto resaltado identifica la observación agregada. El diagnóstico compara ese ajuste con el MCO posterior, incluso si después explorás otra recta manualmente.

¿Qué significa un buen ajuste?

Con intercepto, definimos SSR=∑iei2\mathrm{SSR}=\sum_i e_i^2 y SST=∑i(yi−yˉ)2\mathrm{SST}=\sum_i(y_i-\bar y)^2. Aquí SSR significa suma de residuos cuadrados, no suma explicada:

R2=1−SSRSST,σ^=SSRn−2.\begin{gathered} R^2=1-\frac{\mathrm{SSR}}{\mathrm{SST}},\\[0.5em] \hat\sigma=\sqrt{\frac{\mathrm{SSR}}{n-2}}. \end{gathered}

El error estándar mostrado es el error estándar residual, en unidades de yy, no el error estándar del estimador de la pendiente. Con dos puntos no hay grados de libertad para estimarlo; con yy constante, R2R^2 no está definido; sin variación en xx, no hay pendiente identificada. El panel muestra un guion en esos casos.

Geometría para ajustar, supuestos para inferir

Trazar la recta MCO es una operación algebraica y geométrica: no exige normalidad, homocedasticidad ni independencia de los errores. Para una solución única sí hace falta variación en xx —o rango completo de la matriz de diseño en el caso múltiple—.

Los supuestos probabilísticos justifican propiedades del estimador y procedimientos inferenciales. En la formulación clásica de Gauss–Markov, exogeneidad y errores homocedásticos no correlacionados, junto con rango completo, hacen que MCO sea el mejor estimador lineal insesgado; no se requiere normalidad, y errores no correlacionados no significa necesariamente independientes. La normalidad se añade para justificar los tests tt, FF e intervalos clásicos exactos en muestras finitas. La inferencia asintótica y las matrices de covarianza robustas permiten otras condiciones, sin cambiar la recta que minimiza SSR.

Conclusión metodológica. Probá agregar un punto alejado y observá cuánto se mueve la recta. Un R2R^2 alto resume un ajuste dentro de la muestra: no prueba causalidad, no garantiza predicción fuera de ella y no elimina el problema de variables omitidas. Los datos de educación y salario de este laboratorio son inventados.

Referencia: NIST, mínimos cuadrados y desviación estándar residual.

Para profundizar: Penn State, puntos influyentes y leverage y Marco Taboga, teorema de Gauss–Markov.