Contenido: 1.- REGRESIÓN LINEAL SIMPPLE. 1.1.- Introducción a la regresión lineal simple. 1.2.- Modelo clásico de regresión lineal: Recta de regresión simple muestral. 1.3.- Método de estimación de mínimos cuadrados ordinarios (MCO). 1.4.- Propiedades de los estimadores MCO. 1.5.- Cálculos adicionales sobre los estimadores sobre los estimadores MCO y la varianza del error. 1.6. Medidas de bondad de ajuste. 1.7. Pruebas de hipótesis. 2.- MODELO REGRESIÓN MULTIPLE. 2.1.- Función de regresión poblacional. 2.2.- Función de regresión muestral. 2.3.- Supuestos del modelo clásico de regresión lineal. 2.4.- Estigmación MCO. 2.5.- Propiedades de los estimadores MCO. 2.6.- Medidas de bondad de ajuste. 2.7.- Prueas de hipótesis. 2.8.- Una visión matricial. 3.- MULTICOLINEALIDAD. 3.1.- Definición. 3.2.- Causas. 3.3.- Consecuencias. 3.4.- Detección. 3.5. Corrección. 4. HETEROC...

Contenido: 1.- REGRESIÓN LINEAL SIMPPLE. 1.1.- Introducción a la regresión lineal simple. 1.2.- Modelo clásico de regresión lineal: Recta de regresión simple muestral. 1.3.- Método de estimación de mínimos cuadrados ordinarios (MCO). 1.4.- Propiedades de los estimadores MCO. 1.5.- Cálculos adicionales sobre los estimadores sobre los estimadores MCO y la varianza del error. 1.6. Medidas de bondad de ajuste. 1.7. Pruebas de hipótesis. 2.- MODELO REGRESIÓN MULTIPLE. 2.1.- Función de regresión poblacional. 2.2.- Función de regresión muestral. 2.3.- Supuestos del modelo clásico de regresión lineal. 2.4.- Estigmación MCO. 2.5.- Propiedades de los estimadores MCO. 2.6.- Medidas de bondad de ajuste. 2.7.- Prueas de hipótesis. 2.8.- Una visión matricial. 3.- MULTICOLINEALIDAD. 3.1.- Definición. 3.2.- Causas. 3.3.- Consecuencias. 3.4.- Detección. 3.5. Corrección. 4. HETEROC...