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

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

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

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

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

A) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa.
B) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
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 autorregresivo condicional de heterocedasticidad
B) Modelo de regresión simple
C) Modelo de series temporales estacionarias
D) Modelo de pronóstico de ventas

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

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

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

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

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