A) La regresión múltiple solo se usa en mercados financieros B) La regresión simple no necesita realizar pruebas de significancia C) La regresión simple tiene una sola variable independiente, mientras que la regresión múltiple tiene varias D) La regresión simple es más precisa que la regresión múltiple
A) Método de máxima verosimilitud B) Mínimos cuadrados ordinarios C) Análisis de componentes principales D) Método de descomposición LU
A) Modelo de regresión logística B) Modelo predictivo de crecimiento económico C) Modelo general de regresión lineal D) Modelo integrado autoregresivo de media móvil
A) Estabilidad en la correlación entre variables B) Presencia de tendencias lineales en los datos C) Media y varianza constantes a lo largo del tiempo D) Cambio en la distribución de probabilidad de los datos
A) Modelo de regresión logística B) Modelo predictivo de corto plazo C) Metodología para la identificación, estimación y diagnóstico de modelos ARIMA D) Modelo de regresión multinomial
A) Modelo de regresión simple B) Modelo de series temporales estacionarias C) Modelo de pronóstico de ventas D) Modelo autorregresivo condicional de heterocedasticidad
A) El crecimiento económico sostenible B) La estabilidad del mercado financiero C) La correlación entre variables macroeconómicas D) La volatilidad condicional en la serie temporal
A) Cuando la varianza de los errores cambia con el tiempo B) Cuando una variable explicativa está correlacionada con el término de error C) Cuando el modelo no considera las variables temporales D) Cuando las variables independientes están altamente correlacionadas
A) Relación entre variables independientes en modelos de regresión B) Relación estacional entre variables censuradas C) Relación temporal perfecta entre dos variables D) Relación de largo plazo entre series de tiempo no estacionarias
A) Para evaluar la precisión de los coeficientes estimados B) Para modelar la relación lineal entre variables explicativas C) Para introducir sesgo en los modelos econométricos D) Para aumentar la heterocedasticidad en los residuos
A) Método para predecir futuros eventos económicos B) Método para aumentar la multicolinealidad en el modelo C) Método para ajustar los coeficientes a los datos D) Método para evaluar si los coeficientes son estadísticamente diferentes de cero
A) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información. B) Errores tipo I: No considerar la heterocedasticidad. Errores tipo II: Ignorar la multicolinealidad. C) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera. D) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa. |