Introducción

1. Regresión lineal simple
1.1. Regresión lineal simple
1.2. Supuestos del modelo clásico de regresión lineal
1.3. Estimación de los parámetros por mínimos cuadrados
1.4. Teorema de Gauss-Markov
1.5. Propiedades de los residuales
1.6. Estimación de la varianza
1.7. Interferencia para los parámetros del modelo
1.8. Predicción
1.9. Análisis de varianza
1.10. Prueba de hipótesis de utilidad del modelo
1.11. Coeficiencia de determinación
1.12. Coeficiencia de correlación muestral
1.13. Prueba de significancía mediante el coeficiente de correlación muestral
1.14. Tres contrastes equivalentes

2. Formas funcionales de los modelos de regresión
2.1. Modelo log-log (doble log)
2.2. Modelos log-lin (modelos exponencial)
2.3. Modelo lin-log
2.4. Modelo reciproco
2.5. Modelo exponencial inverso (log reciproco)

3. Regresión lineal múltiple
3.1. Interpretación de los parámetros
3.2. Modelo de regresión múltiple
3.3. Estimación del vector β
3.4. Estimación del vector de residuales
3.5. Estimación de la varianza
3.6. Inferencia con respecto a los parámetros del modelo
3.7. Coeficiente de determinación múltiple
3.8. Prueba de hipótesis para subconjuntos
3.9. Intervalo de confianza del (1 – α) 100% para X T/O β
3.10. Intervalo de predicción de Y dado X T/O

4. Multicolinealidad
4.1. Multicolinealidad exacta
4.2. Multicolinealidad aproximada
4.3. Detección de la multicolinealidad por distintas vías de forma resumida
4.4. Correcciones al problema de multicolinealidad

5. Heteroscedasticidad
5.1. Causas de la heteroscedasticidad
5.2. Estimación MCO en presencia de heteroscedasticidad
5.3. Método de los mínimos cuadros generalizados
5.4. Formas de detectar la heteroscedasticidad
5.5. Corrección de la heteroscedasticidad

6. Autocorrelación
6.1. Naturaleza y causas de la autocorrelación
6.2. Consecuencias de la autocorrelación
6.3. Procedimientos de detección de la autocorrelación
6.4. Contrastes de autocorrelación
6.5. Corrección de la autocorrelación

7. Modelos de variable dependiente dicótoma
7.1. Modelos de elección binaria
7.2. Limitaciones del MLP cuando se estima por MCO
7.3. Modelos logia y probit
7.4. Modelo logia
7.5. Modelo probit

Apéndice

A. Algunos conceptos estadísticos
A.1. Variables aleatorias y distribuciones de la probabilidad
A.2. Momentos de una variable aleatoria
A.3. Algunas distribuciones de probabilidad
A.4. Distribuciones muéstrales
A.5. Introducción a las pruebas de hipótesis

B. Elementos de Álgebra Matricial
B.1. Matrices y álgebra de matrices
B.2. Operaciones con matrices
B.3. Elementos de identidad
B.4. Inversa de una matriz
B.5. Transpuesta de una matriz
B.6. Expresión matricial de un sistema de ecuaciones
B.7. Determinantes
B.8. Cálculo de derivadas de un escalar respecto a un vector
B.9. Operador sumatoria σ

C. Cota de Rao-Cramér
D. Manejo de Eviews 5.0 Instructivo Básico
E. Tablas estadísticas

Bibliografía

Índice alfabético