Última actualización: 15/07/2023


Curso Académico: 2023/2024

Inferencia Causal para las Ciencias Sociales
(19148)
Máster Universitario en Ciencias Sociales Computacionales/ Computational Social Science (Plan: 472 - Estudio: 375)
Escuela de Economía y Ciencia Política


Coordinador/a: LAHDELMA , ILONA ERZSÉBET

Departamento asignado a la asignatura: Departamento de Ciencias Sociales

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Estadística y Ciencia de Datos I (19140) Estadística y Ciencia de Datos II (19141)
Objetivos
- Capacidad de describir la lógica de la inferencia causal y su aplicación a modelos de regresión, distinguiendo entre causalidad y correlación. - Capacidad de identificar problemas comunes de interpretación causal en modelos lineales, así como de evaluar y justificar técnicas para solventarlos. - Capacidad de evaluar la validez y robustez de la inferencia causal ante una variedad de asunciones sobre la generación de los datos.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. ¿Por qué la causalidad? Introducción al marco de salidas potenciales 2. La comparación experimental 3. Datos observacionales y comparación experimental: matching 4. Quasi-experimentos: Diseños de regresión discontinua 5. Quasi-experimentos: Variables instrumentales 6. Diferencias en diferencias y datos de panel 7. Inferencia causal aplicada: Evaluación de políticas
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - Clases teórico-prácticas - Trabajo en grupo - Trabajo individual del estudiante Metodologías Docentes: - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. - Lectura crítica de textos recomendados por el profesor de la asignatura: Artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. - Resolución de casos prácticos, problemas, etc., planteados por el profesor de manera individual o en grupo - Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos. - Elaboración de trabajos e informes de manera individual o en grupo.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Angrist, J. D., Jorn-Steffen Pischke. Mostlt Harmless Econometrics. Princeton University Press. 2009
  • Guido W. Imbens, Donald B. Rubin. Causal inference for Statistics, Social, and Biomedical Sciences: An introduction . Cambridge University Press. 2015
  • Nick Huntington-Klein. The Effect: An introduction to Research Design and Causality. Chapman and Hall. 2021
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Judea Pearl, Dana MacKenzie. The Book of Why. Penguin Random House. 2019
  • Scott Cunningham. The Causal Inference Mixtape. Yale University Press. 2021
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.