La formación en Técnicas de la Investigación Cuantitativas Avanzadas es un elemento clave en la formación de futuros profesionales, quienes en sus respectivas carreras se encuentran con la necesidad de obtener, gestionar y analizar datos.
Esta asignatura profundiza en el aprendizaje de las te¿cnicas de investigacio¿n social de tipo cuantitativo desde una perspectiva aplicada. Todos los temas serán abordados de manera teórico-práctica, haciendo uso del paquete estadístico Stata/R.
El curso se estructura en 3 grandes bloques, cada uno de ellos compuesto por diferentes temas:
1. Técnicas exploratorias no inferenciales:
1.1. Análisis factorial: El Análisis Factorial es una técnica de reducción de la dimensionalidad de los datos. A través de esta técnica se busca encontrar un número mínimo de dimensiones con las cuales explicar el máximo de información posible.
1.2. Análisis Clúster (o de conglomerados): Es una técnica estadística multivariante que persigue agrupar elementos tratando de lograr la máxima homogeneidad en cada grupo y la mayor diferencia entre los grupos. En este curso se abordan dos estrategias de clusterización:
1.2.1. Clusterización mediante algoritmos de partición
1.2.2. Clusterización mediante algoritmos jerárquicos
2. Técnicas estadísticas multivariantes (avanzadas):
2.1. Regresión logística: La regresión logística es una técnica de investigación multivariante cuyo principal objetivo es modelar cómo influyen determinadas variables en la probabilidad de aparición de un suceso (variable dependiente dicotómica).
2.2. Regresión logística multinomial: La regresión logística multinomial es una extensión de la regresión logística para aquellos casos en que la variable de interés es de naturaleza polítómica.
2.3. Introducción al análisis multinivel: Los modelos multinivel son una extensión de los modelos de regresión lineal clásicos adecuados para tratar datos jerarquizados.
2.4. Introducción a las series temporales: una serie temporal es una sucesión de observaciones de una variable tomadas en varios instantes del tiempo. Nuestro objetivo será analizar los cambios en esa variable, y predecir sus valores futuros
serie temporal.
3. Tratamiento de Casos perdidos
En esta parte del curso se abordarán las diferentes técnicas y estrategias para el tratamiento de bases de datos incompletas:
3.1. Métodos simples: borrador, relleno, emparejamiento
3.1. Métodos de imputación múltiple
