Método causal bivariable

  

Método causal bivariable

Desde el punto de vista más simple y fundamental, el método causal bivariable intenta explicar el comportamiento de una variable dependiente, mediante el comportamiento de una variable independiente. Esto, para buscar una relación causa-efecto en las variables estudiadas.

El método causal bivariable se puede llevar a cabo a partir de dos variables en observación, que se puedan ordenar como una tabla de valores en una función y que se puedan graficar como un diagrama de dispersión en un plano cartesiano (Siendo generalmente X la variable independiente e Y la variable dependiente).

Por ejemplo, se podría estudiar si una unidad de tiempo (Sea año, mes, etc.) (VARIABLE INDEPENDIENTE "X") influye en el comportamiento de la cantidad demandada de un producto de una empresa (VARIABLE DEPENDIENTE "Y").

Cabe destacar que los casos en donde la variable independiente es una unidad de tiempo, se denominan tendencias estacionales.

A partir de la tabla de valores observados, se pueden calcular las ecuaciones de regresión, las cuales pretenden explicar lo mejor posible el modelo (Es decir, estimar lo mejor posible el comportamiento de los valores de la variable dependiente según el comportamiento de los valores de la variable independiente).

Dentro de los métodos causales bivariables más comunes están: Regresión lineal y regresión logarítmica. Cada caso debe ser analizado para saber que regresión usar (Por ejemplo, usar como criterio la que tenga mayor coeficiente de determinación “R²”, que dice que tan bien se ajusta el modelo a los datos observados).

Aspectos cualitativos

Sea lo que sea que se esté analizando, para hacer un análisis completo, uno no solo debe basarse en lo cuantitativo. Investigar todo tipo de fuentes de riesgo internas y externas tanto desde el punto de vista cuantitativo como cualitativo, permite entender la realidad que condiciona las cifras, complementando la información para la toma de decisiones.