Diplomado en técnicas avanzadas en análisis de datos sociales

• Entrenarse en el manejo y consolidación de bases de datos secundarias.
• Comprender la lógica de construcción de índices y escalas y reglas para su interpretación.
• Profundizar en las técnicas de análisis factorial, tanto de análisis de componentes principales como de correspondencias simples y múltiples.
• Conocer un conjunto de herramientas estadísticas de agrupación y clasificación de individuos, así como de segmentación.
• Ejercitarse en el uso y práctica del análisis de regresión lineal multivariada.
• Ejercitarse en la construcción de modelos de regresión logística multivariada.

CONTENIDOS
Curso: Análisis de regresión múltiple
Horas directas: 60 | Horas indirectas: 120 | Créditos: 10
Objetivos específicos:
• Profundizar en los distintos tipos de variables con los que se realiza un análisis multivariado.
• Comprender y aplicar las distintas técnicas para describir las variables de manera uni y bi-variada.
• Comprender y aplicar conceptos básicos de inferencia estadística.
• Comprender y aplicar la técnica de Mínimos Cuadrados Ordinarios.
• Proponer, implementar y analizar un modelo multivariado con datos reales.
• Evaluar la calidad del modelo de regresión a través del testeo de los supuestos del estándar gaussiano.
Contenidos:
- Lógica del análisis multivariado a través de regresiones: correlaciones parciales; variables confundentes y relaciones espúreas; causación versus correlación.
- Regresión lineal simple: estimación de coeficientes; estándar Gaussiano y Teorema de Gauss Markov; inferencia Estadística para regresión lineal bi-variada.
- Regresión lineal múltiple: estimación de coeficientes, especificación de modelos, incorporación de variables dummy, interpretación de interacciones.
- Verificación de supuestos y de la bondad de ajuste en los modelos de regresión multivariada: multicolinearidad, ausencia de autocorrelación, heterocedasticidad, especificación del modelo, revisión de casos raros (outliers).
- Regresión logística binaria: aplicaciones, cálculo e interpretación de modelos.
Evaluaciones:
- Realización de dos controles (30%).
- Realización de dos ejercicios prácticos (30%).
- Un examen final (40%).

Curso: Análisis multivariado y construcción de indicadores
Objetivos específicos:
• Comprender la lógica de construcción de índices y escalas y reglas para su interpretación.
• Profundizar en las técnicas de análisis factorial, tanto de análisis de componentes principales como de correspondencias simples y múltiples.
• Conocer un conjunto de herramientas estadísticas de agrupación y clasificación de individuos, así como de segmentación.
• Evaluar la calidad del modelo de regresión a través del testeo de los supuestos del estándar gaussiano.
Contenidos:
- Análisis de correlaciones bivariadas y parciales, gráficos de dispersión.
- Análisis de componentes principales.
- Técnicas de construcción de índices a partir de los resultados de análisis de
componentes principales.
- Construcción, validación y chequeo de confiabilidad de escalas de actitudes.
- Análisis de correspondencias simples y análisis de correspondencias múltiples.
- Análisis de conglomerados.
- Árboles de clasificación y segmentación.
Evaluaciones:
- Realización de dos ejercicios prácticos (50%).
- Elaboración de un informe final de resultados a partir de una base de datos (50%).

Se realiza en la modalidad de talleres que combinan conocimientos teóricos y prácticos con un énfasis en el manejo de datos, a través del programa estadístico SPSS. Se trabajará con variadas bases de datos disponibles en el ISUC, tanto generadas en investigaciones previas del Departamento de Estudios del ISUC, como de otras bases de datos, tanto nacionales como internacionales.

- Peña, D. y J.Romo (1997). Introducción a la estadística para las ciencias sociales.
- García Ferrando, M. (1999). Socioestadística.
- Cea D’Ancona, MA. (2002). Análisis Multivariable: Teoría y Práctica en la Investigación Social.
- José Luis Gómez Llamas, Ramón Pérez Juste, Dionisio del Río Sadornil (1992). Problemas y Diseños de Investigación Resueltos.
- Gliem, J. y R. Gliem (2003). Calculating, Interpreting, and Reporting cronbach’s alpha reliability coefficient for likert-type scales.
- Hernández, R.; Fernández, C. y P.Baptista (1998). Metodología de la Investigación.
- Langrand, C. y LM.Pinzón (2009). Análisis de Datos. Métodos y Ejemplos.
- Escobar, M. (2007). El análisis de segmentación: técnicas y aplicaciones de los árboles de clasificación.
- Wooldridge, J. (2001). Introducción a la econometría: Un enfoque moderno.
- Gujarati, D. (2004). Econometría.
- Knoke, Bohrnstedt y Potter (2002). Statistics for Social Data Analysis.