A) La regresión simple tiene una sola variable independiente, mientras que la regresión múltiple tiene varias
B) La regresión simple no necesita realizar pruebas de significancia
C) La regresión múltiple solo se usa en mercados financieros
D) La regresión simple es más precisa que la regresión múltiple

A) Mínimos cuadrados ordinarios
B) Método de máxima verosimilitud
C) Método de descomposición LU
D) Análisis de componentes principales

A) Modelo predictivo de crecimiento económico
B) Modelo integrado autoregresivo de media móvil
C) Modelo general de regresión lineal
D) Modelo de regresión logística

A) Estabilidad en la correlación entre variables
B) Presencia de tendencias lineales en los datos
C) Cambio en la distribución de probabilidad de los datos
D) Media y varianza constantes a lo largo del tiempo

A) Modelo de regresión multinomial
B) Modelo predictivo de corto plazo
C) Metodología para la identificación, estimación y diagnóstico de modelos ARIMA
D) Modelo de regresión logística

A) Modelo de series temporales estacionarias
B) Modelo de pronóstico de ventas
C) Modelo autorregresivo condicional de heterocedasticidad
D) Modelo de regresión simple

A) La correlación entre variables macroeconómicas
B) El crecimiento económico sostenible
C) La estabilidad del mercado financiero
D) La volatilidad condicional en la serie temporal

A) Cuando las variables independientes están altamente correlacionadas
B) Cuando una variable explicativa está correlacionada con el término de error
C) Cuando la varianza de los errores cambia con el tiempo
D) Cuando el modelo no considera las variables temporales

A) Relación temporal perfecta entre dos variables
B) Relación estacional entre variables censuradas
C) Relación de largo plazo entre series de tiempo no estacionarias
D) Relación entre variables independientes en modelos de regresión

A) Para introducir sesgo en los modelos econométricos
B) Para evaluar la precisión de los coeficientes estimados
C) Para modelar la relación lineal entre variables explicativas
D) Para aumentar la heterocedasticidad en los residuos

A) Método para evaluar si los coeficientes son estadísticamente diferentes de cero
B) Método para aumentar la multicolinealidad en el modelo
C) Método para ajustar los coeficientes a los datos
D) Método para predecir futuros eventos económicos

A) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa.
B) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera.
C) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
D) Errores tipo I: No considerar la heterocedasticidad. Errores tipo II: Ignorar la multicolinealidad.