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

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

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

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

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

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

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

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

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

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

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