Temas Subtemas
1) El modelo de regresión lineal normal clásico (MRLNC).
 1.1 Normalidad de las perturbaciones.
1.2 Distribución muestral de los estimadores.
1.3 Distribución muestral de la suma de cuadrados de errores.
1.4 Estadísticos de interés para la estimación de parámetros y el contraste de hipótesis.
2) Inferencia en el modelo de regresión lineal normal clásico.
 2.1 Estimación por intervalo de los parámetros del modelo.
2.2 Estimación por mínimos cuadrados restringidos (MCR).
2.3 Contrastación de hipótesis sobre los parámetros del modelo.
2.4 Estimación máximo-verosímil (MV)
3) Predicción en el modelo de regresión lineal clásico.
 3.1 La predicción: concepto y clases.
3.2 Predicción óptima en el modelo clásico.
3.3 Medidas evaluadoras de la capacidad predictiva de un modelo.
3.4 Análisis de la estabilidad post muestral.
4) Multicolinealidad. 4.1 Concepto y causas.
4.2 Consecuencias.
4.3 Identificación del problema.
4.4 La selección de regresores.
5) El modelo de regresión lineal generalizado (MRLG).
 5.1 Hipótesis del modelo.
5.2 Los estimadores mínimo cuadrático generalizados.
5.3 Heterocedasticidad: causas, contrastes, estimación y predicción.
5.4 Autocorrelación: causas, contrastes, estimación y predicción.