Temas Subtemas
1. Regresión Lineal Simple (RLS). Metodoloxía e Inferencia 1.1 Conceptos xerais de regresión
1.2 O modelo RLS. Estimación dos parámetros. Propiedades
1.3 O coeficiente de correlación
2. Regresión Lineal Simple. Diagnose e Predición. 2.1 Diagnose do modelo RLS. Análise de residuos: linealidade, homoscedasticidade, normalidade e independencia
2.2 Observacións atípicas e influintes no modelo RLS
2.3 Transformacións para conseguir linealidade
2.4 Predición co modelo RLS
3. Regresión Lineal Múltiple (RLM). Metodoloxía e Inferencia 3.1 O modelo RLM. Hipótesis básicas do modelo
3.2 Estimación dos parámetros. Propiedades dos estimadores
3.3 Táboa ANOVA. Contraste F
3.4 Correlación en regresión múltiple
4. Regresión Lineal Múltiple. Diagnose y Predición 4.1 O problema da multicolinealidade. Definición, efectos, identificación e tratamento
4.2 Diagnose do modelo RLM. Análise de residuos: erro de especificación, homoscedasticidade, normalidade e independencia
4.3 Robustez do modelo. Observacións atípicas e influintes no modelo RLM
4.4 Predicción con el modelo RLM
4.5 Selección del modelo de regresión. Regresión paso a paso
4.6 Regresión polinómica
4.7 Regresión con variables cualitativas. Variables ficticias.
5. Modelo de Regresión con resposta cualitativa
 5.1 Formulación de modelos con resposta cualitativa
5.2 O modelo loxístico
5.3 Estimación e contrastes
5.4 Diagnose do modelo
6. Regresión non paramétrica
 6.1 Introducción aos métodos de suavización en regresión
6.2 Estimación núcleo, o estimador de Nadaraya-Watson
6.3 O estimador polinómico local
6.4 Selección do parámetro de suavizado
6.5 Estimadores de tipo spline
6.6 Extensións. O modelo semiparamétrico (modelo parcialmente lineal). O modelo aditivo.