Resumen ejecutivo
Capítulo 1. Modelos de corte transversal
1.1 Introducción a la regresión simple
1.2 Importancia y aplicaciones en administración y negocios
1.3 Supuestos del modelo de regresión simple
1.3.1 Supuesto de linealidad
1.3.2 Supuesto de independencia
1.3.3 Supuesto de homocedasticidad
1.3.4 Supuesto de normalidad
1.3.5 Supuesto de multicolinealidad
1.4 Aplicación e interpretación del modelo de regresión
1.4.1 Interpretación de resultados
1.4.2 Evaluando la calidad del modelo
1.4.3 Interpretando una salida de resultados en un software estadístico
1.5 ¿Son importantes los modelos de corte transversal?
Capítulo 2. Datos de conteo
2.1 Introducción a los datos de conteo
2.2 Determinando si los datos son de conteo
2.3 Rechazando el supuesto de normalidad
2.4 Distribuciones comunes para datos de conteo
2.4.1 Distribución de Poisson
2.4.2 Distribución binomial negativa
2.4.3 Selección de la distribución adecuada
2.5 Supuestos de los modelos de conteo
2.5.1 Homocedasticidad
2.5.2 Ausencia de multicolinealidad
2.5.3 Independencia de observaciones
2.6 Aplicación del modelo de conteo
2.7 Los datos de conteo y su importancia en la toma de decisiones
Capítulo 3. Modelos Binarios
3.1 Introducción a los modelos logit
3.2 Características de la variable dependiente binaria
3.3 Supuestos de la regresión binaria
3.4 Aplicación del modelo logit
3.5 Los modelos binarios y su desarrollo en la modernidad empresarial
Capítulo 4. Series de tiempo
4.1 Una serie de tiempo
4.2 Modelos autorregresivos integrados de medias móviles (ARIMA)
4.3 Regresión cuantílica en series de tiempo
4.4 Modelo VAR
4.5 Series de tiempo una complejidad sencilla de abordar
Conclusiones generales
Referencias