Los estudiantes deberán haber completado el curso de introducción ¿Matemáticas para Ciencias Sociales y Estadística Básica¿ así como ¿Métodos Cuantitativos Aplicados a las Ciencias Sociales I. En base a estos cursos anteriores, se espera que los estudiantes tengan conocimientos prácticos de cálculo básico, álgebra matricial, teoría de probabilidades, regresión lineal y computación estadística usando R.

El objetivo de este curso es triple: (1) preparar a los estudiantes para realizar investigaciones utilizando métodos estadísticos apropiados. modelos y comunicar sus resultados a una audiencia no técnica; (2) proporcionar una base en la teoría de máxima verosimilitud para que los estudiantes puedan investigar e implementar una amplia gama de modelos estadísticos; y (3) proporcionar a los estudiantes las herramientas necesarias para aprender métodos estadísticos más avanzados en el futuro. Conocimientos o contenidos: K-7. Conocimiento avanzado y comprensión de la estadística aplicada a las Ciencias Sociales. K-8. Aprendizaje a nivel especializado y aplicado de los métodos de investigación cuantitativos en el estudio de fenómenos políticos y sociales. K-9. Aprendizaje avanzado sobre el papel de la causalidad en las Ciencias Sociales. Habilidades: S-5. Habilidad para organizar y expresar las ideas de un modo claro y sin ambigu¿edades y de sustentar los argumentos teóricos sobre un tema a partir de un análisis crítico de la literatura. S-7. Comprender los conceptos fundamentales de la estadística descriptiva, la teoría de la probabilidad y los fundamentos de la estadística inferencial. S-8. Conocer las propiedades de los distintos tipos de datos cuantitativos asociados al estudio de las Ciencias Sociales y dominar las técnicas de análisis de datos. S-9. Conocer las técnicas de inferencia causal en investigación social. Competencias: C-7. Capacidad para seleccionar los modelos estadísticos adecuados para el análisis de datos en el marco del desarrollo de una investigación en Ciencias Sociales. C-8. Operar con datos de investigación cuantitativos: dominar los instrumentos de análisis y el software de manejo de datos en el desarrollo de la parte empírica de un papel de investigación. C-9. Ser capaz de generar datos nuevos y de aplicar las técnicas de inferencia causal en el desarrollo empírico de una pregunta de investigación.

1. Introduction. 2. Regression and Causality: research design and causal inference. We are also going to talk about some useful properties of OLS and how it can help us identify causal effects. 3. Applied Regression Modeling and Interpretation: review of OLS properties and key assumptions in linear models. Model specification, coefficient interpretation, and hypothesis testing. 4. Modeling Interactions and Simulating Quantities of Interest: turning complex regression results into easily interpretable visualizations by simulating quantities of interest. Understanding regression models with interaction terms.

Actividades Formativas: AF3 - Clase teórico-práctica: el aprendizaje de contenidos teóricos sobre matemáticas, estadística e inferencia causal. AF4 - Prácticas de laboratorio: utilización de un programa de software en los ordenadores para desarrollar modelos estadísticos aprendidos en las clases teóricas. AF5 - Tutorías: la posibilidad de establecer reuniones semanales con el profesor que imparte la asignatura. AF6 - Trabajo individual del estudiante. Metodologías docentes: MD1 - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia. MD3 - Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo MD5 - Elaboración de trabajos e informes de manera individual o en grupo