Modulo 2: Métodos de análisis cuantitativos multivariados
Docente
Presentación
Esta materia se constituye como la primera de un trayecto de materias optativas orientado a incorporar a las carreras de la EIDAES un conjunto de materias que permitan realizar a les estudiantes un primer acercamiento al campo disciplinar conocido como “Ciencias Sociales Computacionales”. Por ello, se plantean como una continuación y profundización de la materia Metodologías Cuantitativas. En este sentido, la orientación es correlativa a las materias “Metodología de la Investigación” y “Metodologías Cuantitativas”.
El objetivo general de este segundo módulo es brindar un acercamiento a algunas técnicas básicas de modelado de datos para la investigación empírica desde un enfoque conceptual (fundamentos teórico-metodológicos, casos y problemas de aplicación, etc.) y técnico (análisis de algoritmos, herramientas con interfaces gráficas, etc.).
El curso está centrado en brindar insumos que sirvan para que les estudiantes logren comprender los fundamentos conceptuales y metodológicos de tres técnicas básicas de modelado de datos: regresión lineal, logística y clustering.
Tanto los contenidos de los ejercicios prácticos como las lecturas más conceptuales giran en torno de una misma temática, que para el segundo semestre de 2022 será el análisis de la estructura social. Esta focalización en un único tema pretende facilitar la comprensión de métodos y técnicas y, al mismo tiempo, aportar a la formación sustantiva de les estudiantes.
Para el procesamiento y análisis estadístico se utilizará el lenguaje R y datos de la Encuesta Permanente de Hogares del INDEC y de la Encuesta Nacional sobre la Estructura Social (ENES) realizada por el PISAC.
Programa
Trabajo Final Integrador - TFI
Contenidos y materiales
Clase 1. Presentación - Regresión lineal simple E1
- Explicación - Notebook
- Explicación - RMarkdown
- Práctica - Notebook
- Práctica - RMarkdown
- Práctica SOLUCION
Clase 2. Presentación - Regresión lineal simple E2
- Explicación y práctica - Notebook
- Explicación y práctica - RMarkdown
- Ejericio - Notebook
- Ejericio - RMarkdown
- Ejericio SOLUCION - RMarkdown
Clase 3. Presentación - Regresión lineal múltiple E1
- Explicación y práctica - Notebook
- Explicación y práctica - RMarkdown
- Olin Wright, E. (1974), Class structure and income determination, New York: Academic Press
- Cuestionario - ENES
- Diseño de registro - personas - ENES
- Marco conceptual - ENES
Clase 4. Regresión lineal múltiple E2 - Ejercicio integrador I
- Explicación y práctica - Colinealidad - Notebook
- Explicación y práctica - Colinealidad - RMarkdown
- Ejercicio integrador I - Notebook
- Ejercicio integrador I - RMarkdown
- Ejercicio integrador I - SOLUCION - RMarkdown
Clase 5. Regresión logística
- Explicación y práctica - Regresión logística - Notebook
- Explicación y práctica - Regresión logística - RMarkdown
- Diapositivas - Autopercepción de clase
- Diapositivas - Ajuste en modelos de reg. logística
- Un caso de aplicación “nuevo”: probabilidad de voto en la ley IVE, 2020
Clase 6. Ejercicio integrador II
- Ejercicio integrador II - Notebook
- Ejercicio integrador II - RMarkdown
- Ejercicio integrador II - SOLUCION - RMarkdown
Clase 7. Inferencia en regresión lineal
- Explicación y práctica - Notebook
- Explicación y práctica - RMarkdown
- Loops Explicación y práctica - Notebook
- Loops Explicación y práctica - RMarkdown
- Práctica - Notebook
- Práctica - RMarkdown
- Práctica SOLUCION - RMarkdown
Clase 8. Inferencia en regresión lineal EII
Clase 9. Inferencia en regresión logística
- Explicación y práctica - Notebook
- Explicación y práctica - RMarkdown
- Un caso de aplicación “nuevo”: probabilidad de voto en la ley IVE, 2020