Aplicación de la regresión lineal en Administración de Empresas
DOI:
https://doi.org/10.70577/4y6mcj19Palabras clave:
regresión lineal, toma de decisiones, administración de empresas.Resumen
La regresión lineal es una de las herramientas estadísticas más utilizadas en el campo de la Administración de Empresas, ya que permite identificar y cuantificar las relaciones entre variables clave para la toma de decisiones estratégicas. Este artículo tiene como objetivo analizar la aplicación del modelo de regresión lineal simple y múltiple en contextos empresariales reales, con especial énfasis en la predicción de ventas, la gestión de costos y la evaluación del desempeño organizacional. La investigación adopta un enfoque documental de revisión narrativa, apoyado en fuentes académicas indexadas publicadas entre 2020 y 2026. Los resultados evidencian que la regresión lineal, aplicada con rigor metodológico, mejora significativamente la capacidad predictiva de las organizaciones y optimiza la asignación de recursos. Asimismo, se identificaron tendencias crecientes en el uso conjunto de modelos de regresión con herramientas de inteligencia empresarial y analítica de datos. Se concluye que dominar este método constituye una competencia fundamental para los administradores del siglo XXI, dado que permite transformar datos en decisiones basadas en evidencia, reduciendo la incertidumbre en ambientes empresariales dinámicos y competitivos.
Descargas
Referencias
Guirao-Goris, J. A., Olmedo Salas, A., y Ferrer Ferrandis, E. (2020). El artículo de revisión. Revista Iberoamericana de Enfermería Comunitaria, 1(1), 1–25.
Gujarati, D. N., y Porter, D. C. (2020). Econometría (5.º ed.). McGraw-Hill.
Hernandez Sampieri, R., y Mendoza Torres, C. P. (2023). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (2.º ed.). McGraw-Hill.
Hernández-Sánchez, J., Guillén-Rivas, A., y Pardo-López, M. (2022). Regresión lineal y eficiencia operativa en empresas manufactureras de México: Un estudio empírico. Revista Mexicana de Economía y Finanzas, 17(3), 112–130. https://doi.org/10.21919/remef.v17i3.789
Leal, F., Moreno, G., y Salazar, R. (2021). Inteligencia empresarial y modelos predictivos: Democratización del análisis de datos en PYMES latinoamericanas. Contabilidad y Negocios, 16(32), 34–52. https://doi.org/10.18800/contabilidad.202101.002
Montgomery, D. C., Peck, E. A., y Vining, G. G. (2021). Introduction to linear regression analysis (6th ed.). Wiley.
Morales, T., y Espinosa, V. (2024). Inversión en capacitación y productividad laboral: Análisis mediante regresión lineal en el sector manufacturero latinoamericano. Revista de Administración de Empresas, 64(2), 201–218. https://doi.org/10.1590/s0034-75902024000200003
Pérez, A., y Oviedo, N. (2021). Determinantes del ingreso en el sector turismo colombiano: Un enfoque de regresión múltiple. Cuadernos de Administración, 34(62), 1–19. https://doi.org/10.11144/Javeriana.cao34-62.dist
Ramírez, E., y Torres, F. (2023). Determinantes de la rentabilidad en PYMES manufactureras mexicanas: Un análisis de regresión múltiple. Revista Contabilidad y Finanzas, 34(91), e320541. https://doi.org/10.1590/1808-057x202315693
Robbins, S. P., y Coulter, M. (2020). Administración (14.º ed.). Pearson Educación.
Sánchez-Martín, D., Reyes-Ortega, P., y Fuentes-Blanco, G. (2025). Adopción de analítica empresarial en medianas empresas: Tendencias y modelos predictivos. Innovar: Revista de Ciencias Administrativas y Sociales, 35(95), 45–61. https://doi.org/10.15446/innovar.v35n95.105321
