CLASE 1
INTRODUCCIÓN AL CURSO ANÁLISIS
AVANZADO DE DATOS II
Gabriel Sotomayor
Marzo 2024
PRESENTACIÓN
El curso profundiza las principales técnicas multivariantes, que permiten analizar en
forma conjunta la interacción de múltiples factores, lo cual da la posibilidad de
estudiar de forma más compleja los problemas sociales.
Se enfatizan la comprensión de procedimientos e interpretación de resultados, así
como el uso de herramientas computacionales, principalmente en R y RStudio. Se
trabajará en la aplicación de los métodos sin necesidad de estudiar en profundidad
los fundamentos matemáticos de todos ellos.
Al final del curso el alumno deberá ser capaz de realizar análisis descriptivo de los
datos tanto primarios como secundarios y poder seleccionar la técnica estadística
adecuada a utilizar cuando se tienen datos multivariables.
RESULTADOS DE APRENDIZAJE
Resultado general: Entregar herramientas al alumno para que pueda abordar el
análisis de datos desde la estadística multivariante descriptiva e inferencial,
elaborando y probando hipótesis y desarrollando modelos explicativos de
determinados fenómenos de estudio.
RESULTADOS ESPECÍFICOS
1. Manejar bases de datos complejas.
2. Plantear y estructurar adecuadamente un problema de análisis multivariante.
3. Identificar el tipo de técnica adecuada, o combinación de ellas, a aplicar en cada
situación concreta.
4. Comprender las herramientas utilizada en cada una de las técnicas estudiadas.
5. Aprender a utilizar los programas computacionales necesarios para aplicar los distintos
modelos estudiados, particularmente R.
6. Interpretar los resultados del análisis.
7. Redactar correctamente un informe con los resultados del análisis.
CONTENIDOS
1. Gestión de datos con R
• Introducción a R y
Rstudio
• Gestión de datos con
tidyverse.
• Cálculo de estadísticos descriptivos.
• Visualización de datos con
ggplot.
2. Introducción a los modelos
multivariados
• Uso de modelos en ciencias sociales
• Modelos exploratorios y modelos confirmatorios
• Repaso de conceptos estadísticos: covarianza, correlación e inferencia.
• Supuestos de análisis.
3. Formas funcionales de los
Modelos de Regresión
• Introducción
• Modelo Logarítmico bivariado
• Modelo Logarítmico Multivariado
• Interpretación de los coeficientes
• Ejemplos de aplicación en R.
CONTENIDOS
4
. Análisis
Factorial
Exploratorio
• Análisis factorial exploratorio y su aplicación en la investigación sociológica. El
concepto de varianza y covarianza.
• Diferencias entre el análisis de componente principal y de factor común.
Supuestos de la técnica.
• La extracción de factores comunes. Métodos de extracción de factores, criterios
de selección del número de factores y rotación.
• La matriz factorial y su interpretación. Evaluación del modelo factorial y cálculo
de puntuaciones factoriales.
5. Análisis Factorial
Confirmatorio
• Análisis factorial confirmatorio y su aplicación en la investigación sociológica. El
análisis confirmatorio frente al análisis exploratorio. Supuestos de la técnica.
• Especificación e identificación del modelo. Estimación de parámetros, evaluación
del ajuste y
reespecificación.
• Fiabilidad y validez de los modelos de medida. Validez convergente y validez
discriminante. Evaluación de la capacidad confirmatoria del modelo.
• Ejemplo de análisis factorial confirmatorio.
CONTENIDOS
6
. Análisis de Sendero
• Análisis de sendero y su aplicación en la investigación sociológica. Supuestos de
la técnica.
• Especificación del modelo.
• Evaluación del modelo de medición y de la capacidad confirmatoria del
modelo. • Ejemplo de análisis de sendero.
7. Modelos de Ecuaciones
estructurales
• Análisis de ecuaciones estructurales y su aplicación en la investigación
sociológica.
• La obtención de un modelo de ecuaciones estructurales: la estructura del modelo.
Supuestos de la técnica.
• Estimación del modelo empírico.
• Evaluación del modelo.
• Introducción de modificaciones y/o conclusión del análisis. Evaluación de la
capacidad confirmatoria del modelo.
• Ejemplos sobre modelamiento de ecuaciones estructurales.
BIBLIOGRAFÍA
1
ANALISIS
ESTADISTICO MULTIVARIANTE -
UN ENFOQUE TEORICO Y PRACTICO
DE LA GARZA
GARCIA,
JORGE
2013
2
Análisis de datos multivariantes.
Peña, Daniel
2002
3
Análisis Multivariado Aplicado
URIEL Y ALDAS
2005, 1ª.
Edición
4
Análisis Multivariante para las Ciencias Sociales
LEVI J.P. y
VARELA J.;
2001
5
Modelos de Ecuaciones Estructurales Cuadernos de estadística
Batista,J.M
. y Coenders G.,
2012
,
6
Introducción al Análisis de Regresión Lineal
Montgomery, Peck y
Vining 2006,
7
El análisis factorial como técnica de investigación en Psicología
Ferrando, P. J., & Anguiano
-Carrasco, C. 2010
8
Análisis factorial confirmatorio. Su utilidad en la validación de cuestionarios
relacionados con la salud.
. Batista
-Foguet, J.M., Coenders, G., &
Alonso, J.
2004
9
El
Path Analysis: conceptos básicos y ejemplos de aplicación.
Pérez, E., Medrano, L. A.,& Rosas, J. S
2013
10
Modelos de ecuaciones estructurales
Ruiz, M.A., Pardo, A., & San Martín, R.
2010
11
RStudio para Estadística Descriptiva en Ciencias Sociales. Manual de apoyo docente
para la asignatura Estadística Descriptiva
Boccardo, G. y Ruiz, F.
2019
12
R para Ciencia de Datos
https://es.r4ds.hadley.nz/index.html
Wickham, H
2019
EVALUACIONES
Evaluación
Fechas
Porcentaje
Evaluación de R
25
de marzo
15 de abril
27 de mayo
17 de junio
30%
Prueba 1
29
de abril
35%
Trabajo de investigación
1 de julio
35%
AYUDANTÍAS
El curso tiene dos ayudantes:
Patrio Alarcón patricio.alarcon@mail.udp.cl
Fernanda Hurtado fernanda.hurtado@mail.udp.cl
Están disponibles para responder las dudas que puedan tener a lo largo del curso,
tanto estadísticas como de uso de software.
Habrá sesiones de ayudantía cada 2 semanas aproximadamente, centradas en la
aplicación de las técnicas que revisaremos en R.
También les acompañarán en la realización de tareas y trabajos de investigación.
DELEGADO DE CURSO
Las comunicaciones del curso con el equipo docente para temas colectivos deberán
gestionarse de manera centralizada mediante un delegado, especialmente
considerando que hay alumnos de distintas generaciones.
Esto es particularmente relevante para solicitudes respecto a evaluaciones.
OBJETIVOS DE LA SESIÓN
Reflexionar sobre el uso de software estadístico en ciencias sociales.
Introducir el uso de R y Rstudio para ciencias sociales.
¿DONDE SE SITÚA LA ESTADÍSTICA Y EL USO DE
SOFTWARE EN EL PROCESO DE INVESTIGACIÓN?
El uso de software y
estadística es una pequeña
parte del proceso de
diseño de una
investigación, por lo que es
importante no confundir
ambos procesos ni
anteponer el uso de
determinadas herramientas
al proceso general de
investigación, debe primar
el problema a investigar
USO DE SOFTWARE EN CIENCIAS SOCIALES
Progresivamente se ha generalizado el uso de software estadístico en ciencias
sociales, abriendo grandes posibilidades de realizar análisis más complejos y
facilitando su uso.
Riesgo de falta de formación estadística y reflexividad (calidad del análisis)
Dos niveles de manejo del software:
1. Ejecución básica y correcta interpretación de las salidas estadísticas (necesario
mínimo para utilizar la herramienta e interpretar otras investigaciones).
2. Manejo avanzado de software y procedimientos estadísticos. Nivel deseable
para un uso reflexivo de las herramientas y lectura crítica de otras
investigaciones.
¿QUÉ SOFTWARE EXISTEN Y CUÁL UTILIZAR?
¿QUÉ SOFTWARE EXISTEN Y CUÁL UTILIZAR?
Dimensión / Lenguaje R Python SPSS Excel Stata
Alcance General, orientación
multidisciplinar
General, orientación
multidisciplinar
Limitado, orientado a
Ciencias Sociales
Limitado, orientado a
administración
Limitado, orientado a
Economía
Licencia Libre (freeware) Libre (freeware) Pagada (versión de
prueba limitada)
Pagada (versión de
prueba limitada)
Pagada (versión de
prueba limitada)
Aprendizaje Sintaxis, poco intuititvo Sintaxis, poco intuititvo Botones y sintaxis,
intuitivo
Botones y sintaxis,
intuitivo
Botones y sintaxis,
intuitivo
Visualización Avanzada Intermedia Básica Intermedia Intermedia
Análisis de texto Intermedio, poca
eficiencia
Avanzado, amplia
eficiencia No No No
Minería Datos Intermedio, poca
eficiencia
Avanzado, amplia
eficiencia No No No
Sistema operativo Windows, Mac OS, Linux Windows, Mac OS, Linux Windows, Mac OS Windows, Mac OS Windows, Mac OS
(Boccardo y Ruiz, 2018)
¿QUÉ ES R?
R es un software y un lenguaje de programación, ambos
de carácter libre, enfocado principalmente en el análisis y
visualización de datos. Es desarrollado por The R
Foundation for Statistical Computing.
Funciona con una lógica de objetos, sobre los que
podemos trabajar con operadores y funciones.
El hecho de que sea un lenguaje de programación nos
permite programar funciones, por lo que es posible
pasar de ser usuarios a programadores.
Instalamos una versión básica y podemos agregar
paquetes con nuevas funciones.
Su interfaz es poco amigable, la solución: R Studio.
¿PORQUÉ APRENDER Y USAR R Y RSTUDIO?
¿PORQUÉ USAR R?
1. Es libre y gratis.
2. Por lo anterior ofrece grandes
posibilidades de personalización de los
análisis y amplitud de herramientas (en
actualización).
3. Amplia y creciente comunidad de usuarios
desarrollando funciones y resolviendo
problemas en internet (la mayoría en inglés).
4. Su sintaxis es simple e intuitiva.
1. Replicabilidad: Permite a otros entender
como construimos nuestros resultados y
replicarlos, cada vez más importante en la
ciencia.
2. Eficiencia: En condiciones “reales” de trabajo
resulta más eficiente que trabajar con botones
(aunque ahora pueda parecer contraintuitivo)
3. Control: Permite tener claridad de todas las
etapas de nuestros análisis, cuestión que en otros
software son realizadas por defecto.
(Elousa, 2009 en Boccardo y Ruiz, 2018: 8-9)
¿PORQUÉ TRABAJAR CON SINTAXIS?
R STUDIO
Es una interfaz gráfica para R que nos permite
tener mejor visualización y control de los
procesos que realizamos.
Tiene 4 partes principales:
1. Editor de Sintaxis: formato de block de notas
donde podemos construir nuestra sintaxis.
2. Ambiente de trabajo (Environment): muestra los
objetos que hemos creado (memoria temporal –
RAM)
3. Consola de R: Aquí es donde podemos ver los
resultados de nuestros análisis, las operaciones
ejecutadas y mensajes de error.
4. Panel de visualización: Aquí aparecen los gráficos
que ejecutemos, además de tener la pestaña help
y nuestro directorio de trabajo.
1
2
3
4
INSTALAR R Y RSTUDIO
Instalar R
Podemos encontrar R para Windows, Linux y Mac en
https://cloud.r-project.org/
Debemos descargar el paquete base, luego ejecutar el
instalador, e instalarlo según las opciones predeterminadas
Podemos encontrar R Studio en su sitio web, y bajar la versión
gratis, que contiene todas las funciones
https://www.rstudio.com/products/rstudio/download/
Debemos fijarnos en elegir el sistema operativo correcto.
Igualmente lo ejecutamos e instalamos según las opciones
predeterminadas
EL PROBLEMA DE JAVA X64
Para algunos análisis R se basa en Java,
el problema es que nuestros
computadores suelen instalar de manera
automática la versión de 32 bits, porque
los navegadores de internet funcionan (o
funcionaban) en esta arquitectura, pero
nuestro computadores y R funcionan a
64 bits.
Para resolverlo debemos descargar e
instalar la versión offline de 64 bits de
Java
https://www.java.com/es/download/ma
nual.jsp
PROGRAMACIÓN POR OBJETOS Y FUNCIONES
Tipos de estructuras de datos en R
Vector (vector): columna o fila de datos de un mismo tipo
(una variable individual)
Listas (list): Nos permiten agrupar objetos de distinto tipo.
Matrices (matrix): arreglo de dos dimensiones de datos
de un mismo tipo (conjunto de variables)
Data.frame (base de datos): Matriz de datos en el que
las columnas tienen asignado nombres, y que permite usar
todo tipo de datos.
Tipos de variables en R
Numérico (numeric; números con decimales)
Números enteros (integer)
Lógicos: Verdadero o Falso
Variables cadena o texto (string / character)
Factores (factor): para variables cualitativas (nominales)
Estructura básica de
la sintaxis de R
¿COMO CONTINUAR?
Dominar R es un camino de mediano plazo y es importante desarrollar habilidad de “hacking”, es decir:
1. estar dispuesto a buscar respuestas de manera autónoma
2. saber donde buscar la información
3. utilizar nuevos datos y paquetes por su cuenta
Donde buscar:
GOOGLE! (preferentemente en inglés) y youtube
Pedir ayuda a otros usuarios
Pestaña “help”
https://www.rdocumentation.org/
https://stackoverflow.com/
Chat GPT*
Además hay múltiples recursos web para aprender R de manera profunda y guiada.
Cuestiones importantes que no revisamos: visualización de datos con ggplot2, el tidyverse (paquete dplyr),
y profundizar en programación en R (loops y funciones), programación literada (Rmarkdown).
BIBLIOGRAFÍA Y
OTROS RECURSOS
PARA PROFUNDIZAR
Boccardo, Giorgio y Ruiz, Felipe. Uso de RStudio para Estadística
Univariada en Ciencias Sociales. Manual de apoyo docente para la
asignatura Estadística Descriptiva. Santiago: Departamento de
Sociología, Facultad de Ciencias Sociales, Universidad de Chile.
Disponible aquí.
Grolemund, Garrett y Wickham Hadley. R para Ciencia de Datos.
https://es.r4ds.hadley.nz/
Paradis, E. (2003). R para Principiantes. Francia: Institut des
Sciences de l’Évolution. Disponible en: https://cran.r-
project.org/doc/contrib/rdebuts_es.pdf
Sitios web útiles
http://www.sthda.com
Cursos online (inglés)
Especialización en Ciencia de Datos Universidad John Hopkins
https://www.coursera.org/specializations/jhu-data-science
Data Camp https://www.datacamp.com/courses/tech:r
