Syllabus

Docente

Ayudantes

Detalles del curso

  • Clases: Lunes 10:00-12:50
  • Ayudantía: Lunes 13:00-14:20
  • Laboratorio de Computación 2° piso FCSH

Contacto

El canal de contacto de preferencia es el mail gabriel.sotomayor@mail.udp.cl

I. Identificación

Código: SOC9035

Créditos: 5

Período Académico: 1º semestre 2024

Requisito: Análisis Avanzado de Datos

Horario: Lunes módulos 2 y 3 10.00 a 11.20 y 11.30 a 12.50

Sala: Laboratorio de computación 2° piso FCSH

Docente: Profesor: Gabriel gabriel.sotomayor@mail.udp.cl

Ayudante: Patricio Alarcón anais.herrera@mail.udp.cl

Fernanda Hurtado nicolas.hernandez_f@mail.udp.cl

II. 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.

III. 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.

IV. 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.

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.

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.

V. Metodología del curso

Este curso se desarrolla sobre la base de clases expositivas y talleres de aplicación con uso intensivo de software computacionales a partir del sitio web del curso, lo cual permite trabajar cada uno de los distintos tópicos detallados en el contenido.

Se realizarán 2 sesiones semanales, 1 de clases y otra en forma de taller. Durante el curso cada alumno desarrollará trabajos de aplicación.

Adicionalmente se realizarán ayudantías cada 2 semanas aproximadamente, centradas especialmente en la aplicación en R de lo aprendido en la cátedra.

VI. Evaluación

Se utilizarán distintas formas de evaluación: Tareas, pruebas y trabajos de investigación

• Tareas de uso de R

• 1 prueba solemne (35 %) (Formas funcionales de los Modelos de Regresión y AFE).

• Trabajo final (AFC, Senderos o SEM).

  • *Ponderación**
 Fecha (semana)
Tareas uso de R 30%

25 de marzo

29 de abril

3 de junio

1 de julio
Prueba 35% 20 de mayo
Trabajo final 35% 1 de julio

La nota de eximición es 5,5 siempre y cuando no se tengan notas bajo 4,0 en la prueba. La nota mínima en el examen para aprobar el curso es un 3,5.

Notas:

  1. Si un estudiante falta a una evaluación, puede presentar ante la Secretaría de Estudios un certificado médico dentro de los cinco días hábiles posteriores a dicha evaluación, para tener derecho a rendir una prueba recuperativa. Las evaluaciones no rendidas tendrán nota 1.0. Los estudiantes tendrán derecho a un máximo de una prueba recuperativa, dicha prueba se realizará la última semana de clases e incluirá toda la materia del semestre

Recorrección

Según reglamento, los estudiantes tienen derecho a conocer las notas y la pauta de corrección de todas las evaluaciones en un plazo que no podrá exceder de 10 días hábiles contados desde la fecha desde que éstas fueran rendidas, como también a conocer el resultado de sus evaluaciones solemnes o principales, antes de rendir las siguientes de igual categoría en una misma asignatura.

Los estudiantes pueden imputar la corrección de cualquier evaluación escrita, en un plazo no superior a 5 días hábiles desde la entrega de la nota. Ello, a través de una carta dirigida al secretario de estudios, que debe ir acompañada por la prueba, trabajo o informe evaluado y además, por las correcciones y comentarios que eventualmente haya entregado el/la docente. El académico deberá comunicar al estudiante el resultado de la recorrección, fundamentando por escrito sus argumentos, en un plazo no superior a los 5 días hábiles

VII. Bibliografía

VII.1 Bibliografía Obligatoria

N° TÍTULO AUTOR ED. Y AÑO E D ITORIAL ISBN
1 A NALISIS ES TA DISTICO MULTIV AR IANTE - UN ENFOQUE TEORICO Y P RACTICO

DE LA GARZA

GARCIA, JORGE

 2013 McG r aw-Hill

978

607-15-

0817-1
2 A nálisis de datos multiv ar iantes. Peña, Daniel 2002 McG r aw-Hill 84 4 8136101
3 A nálisis Mul ti variado Ap licado. URIEL Y ALDAS 2005, 1ª Edición

E d itorial

Thomson

 84 4 8136101
4 A nálisis Mult iv ariante para las C iencias mS ociales

LEVI J.P. y

VARELA J.;

 2001 P rentice Hall. 84-20 5 -3727-6
5 Modelos de E cu aciones Estr uc turales Cu adernos de es ta dística

B at is ta,J.M. y

C oenders G.,

 2012, 2º ed. La Muralla
6 Int ro ducción al A nálisis de Re gresión Lineal

Mo nt gomery,

Peck y Vining

 2006, 3º e dición. Con t inental 970-2 4 -0327-8
7 El a nálisis fa ctorial como técnica de inve st igación en P si cología Fe rrando, P. J., & Anguian o- Ca rrasco, C. 2010 Papeles del Ps i cólogo, 31, 18-33
8 A nálisis fa ctorial confi rm atorio. Su u tilidad en la v al idación de cues ti onarios rel ac ionados con la salud. . Bati st a- Foguet, J.M., Co enders, G., & Alonso, J. 2004

M edicina C línica,

122( S upl.1).
9 Modelos de e cu aciones estr uc turales Ruiz, M.A., Pardo, A., & San Martín, R. 2010

Papeles del

Ps i cólogo, Vol. 31, Núm.

1, pp. 34-45
10 RStudio para Es ta dística De sc riptiva en C iencias So ciales. Manual de apoyo docente para la as i gnatura Es ta dística De sc riptiva Bo ccardo, G. y Ruiz, F. 2019

Depa r tamento de Soc i ología, F acultad de

C iencias S o ciales, Uni v ersidad de Chile
11 R para Ciencia de Datos [link] (h%20%2 0ttps:/ %20%20% 20%20%2 0/es.r4 %20%20% 20ds.ha d%20%20 ley%20% 20%20%2 0.nz%20 /in%20% 20%20de x.html) W ickham, H 2019

VII.2 Bibliografía complementaria

N ° TÍTULO AUTOR ED. Y AÑO EDI TORIAL ISBN
1 Técnicas de Análisis Mult ivariante para la Inve stigación Social y Comercial Díaz de Rada Iguz quiza, Vidal 2002 Ra-Ma 8478 975152
2 APPLIED LOGISTIC R EGRESSION H OSMER, D AVID - LEM ESHOW, 2º e dición WILEY 0- 471-3 5632-8
3 Métodos Mult ivariados Aplicados al análisis de Datos D.E. J ohnson 2000 In terna tional T homson Ed itores 9687 529903
5 Análisis fa ctoriales simples y m últiples. O bjetivos, métodos e inter pretación
  1. Es cofier y J. Pagès
 1994 Se rvicio Edit orial, Unive rsidad del País 8475 853838
6 Análisis es tadístico para datos ca tegóricos Ato, M. y López, J. J. 1996 Si ntesis 8477 383928

VIII. Cláusula Ética

La Escuela establece severas sanciones para las faltas graves que los estudiantes realicen, tales como plagio o falsificación de documentos, señalados en el Reglamento del Estudiante de Pre-grado en el Título XIII de las Conductas Contrarias a los Principios Universitarios.

El Comité de Ética es la instancia responsable de revisar y resolver las situaciones que sean contrarias a los principios universitarios, en relación al desarrollo de conductas ilícitas que vicien los procesos de evaluación. Son definidas como conductas que vician una evaluación, todos aquellos actos que implican un rompimiento de los estándares éticos que un estudiante debe resguardar en una evaluación, distorsionando la apreciación de los conocimientos y habilidades reales que el estudiante posee (por ejemplo, copia y uso indebido de documento y/o medios electrónicos, modificación o falsificación de documentos, plagio en trabajos escritos).

Se consideran como fuentes de información que se deben citar, los textos e imágenes en formato electrónico o en papel, en todas sus modalidades: libros, diarios, documentos de trabajo, artículos académicos, etc.

IX. Cronograma de trabajo

11 de marzo Análisis de datos y uso de R
18 de marzo Análisis de datos y uso de R
25 de marzo Introducción a los modelos multivariados
1 de abril Formas funcionales de los Modelos de Regresión
8 de abril Formas funcionales de los Modelos de Regresión
15 de abril Análisis Factorial Exploratorio
22 de abril Análisis Factorial Exploratorio
29 de abril Prueba 1
6 de mayo Receso
13 de mayo Análisis Factorial Confirmatorio
20 de mayo Análisis Factorial Confirmatorio
27 de mayo Análisis de sendero
3 de junio Análisis de sendero
10 de junio Modelos de ecuaciones estructurales
17 de junio Modelos de ecuaciones estructurales
24 de junio Modelos de ecuaciones estructurales
1 de julio Repaso

X. NORMATIVA DE PREVEVENCIÓN Y SANCIÓN DE ACCIONES DE DISCRIMINACIÓN, VIOLENCIA SEXUAL Y DE GÉNERO DE LA UNIVERSIDAD DIEGO PORTALES.

Tal como señala esta normativa:

“La Universidad Diego Portales (UDP) promueve el pluralismo y la independencia crítica de quienes la integran y tienen como uno de sus principales objetivos el desarrollo integral de las personas que forman parte de ella y de la sociedad. En ese marco, la UDP promueve una convivencia reflexiva basada en el reconocimiento a la dignidad de las personas, la libertad de expresión, la libertad sexual, la identidad y expresión de género, y la autonomía.”

Por lo tanto:

“Quienes integren la Universidad tienen la obligación de conocer esta normativa y los protocolos, sitios web y programas que de ella se deriven. Particularmente responsables de su implementación serán las autoridades de la Universidad, quienes tendrán la primera obligación de hacer frente a situaciones que deñen a sus integrantes. Para lograr estos objetivos, se debe realizar la correcta difusión y socialización de la normativa.”

Los detalles de la normativa pueden ser consultados en el siguiente enlace: Normativa de prevención y sanción de acciones de violencia sexual