¿Qué significa la divergencia en la regresión lineal?

Respuesta directa

La divergencia en la regresión lineal significa que la relación descrita por la línea de regresión ajustada comienza a alejarse de los puntos que observas. En términos sencillos, la línea ya no sigue el patrón de datos para el que fue ajustada.

En la práctica, la “divergencia” no es una característica integrada única de la regresión lineal. Es una forma de describir lo que sucede cuando la línea esperada del modelo (basada en su pendiente e intersección estimadas) deja de representar observaciones nuevas o posteriores.

Mecanismo y definición

Una regresión lineal estándar ajusta una línea recta de la forma y = a + b·x, utilizando datos donde x es la variable independiente e y es la variable dependiente. La línea ajustada representa la relación promedio del modelo bajo sus supuestos.

La “divergencia” generalmente se manifiesta como uno o más de los siguientes:

Aumento de los residuos: los residuos son las distancias verticales entre los puntos observados y la línea ajustada. Si esas distancias crecen sistemáticamente, la línea está divergiendo de los datos.
Una pendiente o intersección cambiante: si la relación subyacente cambia con el tiempo, una única línea recta fija no puede ajustarse bien tanto a las partes anteriores como a las posteriores.
Estructura no lineal: incluso si los datos iniciales parecen aproximadamente lineales, los datos posteriores pueden seguir una curva o regímenes, por lo que una línea recta divergirá.

Para interpretar la divergencia correctamente, ayuda separar la mecánica (cómo se ajusta la línea y cómo se comportan los residuos) de las condiciones variables (cómo pueden cambiar los datos reales).

Evidencia o ejemplo (con supuestos)

Supón que ajustas una línea utilizando pares históricos (x, y). Supongamos que las observaciones iniciales están cerca de la línea, por lo que los residuos son pequeños. Más tarde, los puntos se mueven consistentemente por encima de la línea mientras x sigue aumentando. Si vuelves a comprobar los residuos del segmento posterior, su magnitud promedio aumenta.

Ese patrón puede ocurrir por varias razones que no son mutuamente excluyentes:

Los supuestos del modelo ya no se cumplen (por ejemplo, la relación entre x e y cambia).
Los datos contienen cambios estructurales (un nuevo “régimen” o una relación diferente), por lo que una línea global ya no es apropiada.
El ruido domina: incluso con supuestos estables, la variación aleatoria puede producir períodos en los que la línea parezca incorrecta.

Limitación material: la regresión siempre ajustará alguna línea, por lo que la divergencia es más significativa cuando la defines de antemano (por ejemplo, “los residuos superan un umbral elegido” o “el error fuera de muestra aumenta”), no después de que ya sabes lo que sucedió.

Limitaciones y riesgos

Dos riesgos comunes importan cuando las personas hablan de divergencia:

Límites de confirmación Si juzgas la divergencia solo con los mismos datos que usaste para ajustar el modelo, puedes sobreestimar cuán bien la línea “explicó” el patrón. Una evaluación adecuada requiere una comprobación fuera de muestra: ajustar con un conjunto y luego probar con datos no vistos, utilizando la misma definición de divergencia.
Sesgo retrospectivo Una vez que se conocen los resultados, es fácil reinterpretar cualquier desviación anterior de la línea ajustada como “divergencia que importaba”. Eso puede llevar a conclusiones exageradas, como tratar la divergencia como evidencia de dirección o previsibilidad, incluso cuando solo refleja que un modelo lineal simple es un resumen imperfecto.

Otras limitaciones prácticas incluyen:

Cambios de escala y costos en contextos de datos del mundo real pueden alterar las relaciones, por lo que la misma especificación de regresión puede comportarse de manera diferente.
El momento de ejecución y el momento de observación pueden crear desajustes entre lo que modelaste y lo que luego comparas.
Reglas específicas de jurisdicción y acceso a datos pueden afectar qué observaciones puedes verificar; la divergencia puede aparecer simplemente porque los conjuntos de datos comparados difieren.

Un punto clave: las relaciones históricas no establecen resultados futuros. La divergencia describe un desajuste en un momento determinado; no implica automáticamente un resultado futuro confiable.

Verificación o siguiente pregunta

Para verificar de forma independiente si la “divergencia” es real y no una coincidencia, mantén la definición explícita:

Define la divergencia utilizando residuos o crecimiento del error, con un umbral y una división temporal.
Reajusta el modelo en una ventana anterior y evalúa en una ventana posterior utilizando la misma métrica.
Comprueba si la divergencia persiste en múltiples segmentos de tiempo independientes.

Siguiente pregunta para explorar: ¿qué especificación de regresión (longitud de la ventana, inclusión de variables o elecciones de transformación) debería evaluarse cuando la relación puede cambiar? Para la regresión lineal, esto a menudo determina qué tan rápido aparece la divergencia cuando las condiciones cambian.