La función COEFICIENTE.R2 calcula el cuadrado del coeficiente de correlación del momento del producto de Pearson a través de los puntos de datos en conocido_y y conocido_x. Este valor, también conocido como el coeficiente de determinación, se utiliza en el análisis de regresión para medir la «bondad de ajuste» de un modelo.

El valor de R cuadrado varía de 0 a 1. Un valor de 1 indica una correlación perfecta, lo que significa que la variabilidad de la variable dependiente (y) es completamente explicada por el modelo de regresión y la variable independiente (x). Un valor de 0 indica que el modelo no explica en absoluto la variabilidad de los datos.

Sintaxis

=COEFICIENTE.R2(conocido_y; conocido_x)

La función COEFICIENTE.R2 tiene los siguientes argumentos:

• conocido_y Es una matriz o un rango de puntos de datos dependientes. Estos son los valores que se intentan predecir o explicar. Obligatorio.
• conocido_x Es una matriz o un rango de puntos de datos independientes. Estos son los valores que se utilizan para predecir los valores de ‘conocido_y’. Obligatorio.

Ejemplos

Ejemplo 1: Correlación perfecta

Imaginemos que tenemos datos sobre la producción mensual de una fábrica (conocido_y) y el número de máquinas operativas (conocido_x). En este caso, la relación es perfectamente lineal.

=COEFICIENTE.R2(B2:B6; A2:A6)

Resultado: 1. Un resultado de 1 indica que el 100% de la variación en las unidades producidas se explica por el número de máquinas operativas. El modelo es un predictor perfecto.

Ejemplo 2: Correlación en un escenario real

A continuación, se calcula el coeficiente de determinación para un conjunto de datos que compara la inversión en marketing con las ventas obtenidas. Los datos no tienen una correlación perfecta, lo que es habitual en escenarios reales.

=COEFICIENTE.R2(D2:D6; C2:C6)

Resultado (aproximado): 0.985. Este valor indica que aproximadamente el 98.5% de la variabilidad en las ventas puede ser explicada por la inversión en marketing, lo que sugiere una relación muy fuerte entre ambas variables.

Observaciones

– Los argumentos deben ser números o nombres, matrices o referencias que contengan números.

– Se omiten los valores lógicos y el texto en las matrices o referencias. Si un argumento contiene texto que no se puede traducir a un número, puede generar errores.

– La función COEFICIENTE.R2 devuelve el mismo resultado que la función PEARSON elevada al cuadrado.

Errores comunes

• #N/A Se produce si los argumentos conocido_y y conocido_x están vacíos o tienen un número diferente de puntos de datos.
• #¡DIV/0! Se produce si el argumento conocido_y o conocido_x contiene solo un punto de datos, o si todos los valores de uno de los argumentos son idénticos (lo que resulta en una varianza de cero).

Disponibilidad por versión de Excel

Esta función está disponible en todas las versiones modernas de Excel, incluyendo Excel 2007, 2010, 2013, 2016, 2019, 2021 y Microsoft 365.

Compatibilidad

Funciones Relacionadas

• PEARSON: Calcula el coeficiente de correlación de Pearson (r), cuya raíz cuadrada es el valor devuelto por COEFICIENTE.R2.
• ESTIMACION.LINEAL: Una función de matriz más avanzada que devuelve múltiples estadísticas de una regresión lineal, incluyendo el coeficiente R2.
• PENDIENTE: Calcula la pendiente de la línea de regresión lineal.
• INTERSECCION.EJE: Calcula el punto en el que la línea de regresión lineal se cruza con el eje Y.
• PRONOSTICO.LINEAL: Predice un valor futuro basándose en una tendencia lineal existente.