TÉCNICAS ESTADÍSTICAS AVANZADAS DE ANÁLISIS DE DATOS
Máster Universitario en Análisis Económico Aplicado
Universidad de Alcalá Curso Académico 2013/14
GU A DOCENTE Nombre de la asignatura: Código: Titulación en la que se imparte: Departamento Conocimiento:
y
Área
TÉCNICAS ESTADÍSTICAS ANÁLISIS DE DATOS 200652
AVANZADAS
DE
Máster Universitario en Análisis Económico Aplicado de Economía / Métodos Cuantitativos para la Economía y la Empresa
Carácter: Créditos ECTS:
Optativa 6
Curso y cuatrimestre:
Cuatrimestre 1º
Profesorado:
Francisco Javier Callealta
Horario de Tutoría: Idioma en el que se imparte:
Se hará público al comenzar el curso Español
1. PRESENTACIÓN Esta asignatura, que se destina a estudiantes de postgrado, tiene la consideración de materia optativa. En ella se profundiza en los aspectos y conceptos más aplicados de la estadística multivariante a la investigación científica, especialmente desde un enfoque aplicado. Así, en esta asignatura, el alumno deberá aprender a reconocer y manejar los principales conceptos relacionados con el análisis de datos multivariantes, cubriendo las principales técnicas más generales relacionadas con el análisis exploratorio de datos y el análisis de interdependencias en datos multivariantes, tanto desde una perspectiva teórica (similitudes y diferencias entre los diversos conceptos y métodos), así como desde una perspectiva práctica, empleándolos para analizar un conjunto de microdatos público mediante el uso de uno de los programa estadísticos de análisis de datos más extendido (correcta interpretación de los resultados y selección de opciones que los métodos mencionados proporcionan).
2. COMPETENCIAS Competencias genéricas: 1. Fortalecer la capacidad de utilizar el sentido común y el razonamiento lógico. 2. Fortalecer la capacidad de aprendizaje autónomo. 3. Fortalecer la capacidad de exponer adecuadamente unas ideas o un trabajo realizado. Competencias específicas: 1.
Capacidad de reconocer los principales conceptos relacionados con el análisis estadístico de datos desde una perspectiva teórica (similitudes y diferencias entre los diversos conceptos y métodos).
2
2.
3. 4. 5. 6. 7.
Capacidad de reconocer los principales conceptos relacionados con el análisis estadístico de datos desde una perspectiva práctica, poniéndole en disposición de emplearlos para analizar conjuntos de datos con ayuda de programas estadísticos de ordenador. Desarrollar habilidades para manipular información factual y prepararla para su análisis aplicado con ayuda de ordenador. Desarrollar habilidades para el uso de uno de los programa estadísticos de análisis de datos más extendidos sobre ordenadores. Capacidad de aplicar adecuadamente las principales técnicas relacionadas con el análisis exploratorio y descriptivo de datos procedentes de encuestas y bases de datos. Capacidad de analizar las interdependencias observadas en datos multivariantes en escalas cuantitativas Capacidad de analizar las interdependencias observadas en datos multivariantes en escalas cualitativas
3. CONTENIDOS
Bloques de contenido 1) Análisis estadístico preliminar de los datos. Los datos y sus escalas de medida. Análisis exploratorio de los datos. Detección y tratamiento de datos atípicos. Tratamiento de la asimetría. Tratamiento de la no respuesta.
Nº aprox. de horas
6
a) Práctica: Manipulación de Datos b) Práctica: Análisis Preliminar de Datos 2) Reducción de la dimensión y análisis estadístico de factores latentes. Análisis de Componentes principales. Análisis Factorial. Rotaciones.
6
a) Práctica: Análisis factorial 3) Análisis estadístico de Conglomerados. Introducción al análisis de conglomerados. Medidas de disimilaridad y de similaridad para casos y para variables. Métodos jerárquicos y no jerárquicos de conglomeración.
6
a) Práctica: Análisis de conglomerados métrico b) Práctica: Análisis de conglomerados no métrico 4) Dependencia estadística con datos cualitativos. Asociación: tablas de contingencia y medidas de asociación. Análisis Factorial de Correspondencias simple. Análisis Factorial de Correspondencias múltiple. a)
Práctica: Medidas de asociación y análisis factorial de correspondencias.
5) Técnicas estadísticas de representación métrica. Escalamiento Multidimensional métrico. Escalamiento Multidimensional no métrico. Modelo de diferencias individuales. a)
6
4
Práctica: Escalamiento multidimensional.
3
4. METODOLOGÍAS DE ENSEÑANZA-APRENDIZAJE.-ACTIVIDADES FORMATIVAS 4.1. Distribución de créditos (150 horas) Número de horas presenciales:
28
Número de horas del trabajo propio del estudiante:
122
Total horas
150
4.2. Estrategias metodológicas, materiales y recursos didácticos Las clases se desarrollarán en aula informática, alternando de forma dinámica un doble enfoque: Teórico, en los que se expondrán y discutirán brevemente los conceptos y técnicas pertinentes.
•
Clases presenciales
Práctico, en los que se tratará sobre la aplicación de dichas técnicas y conceptos a conjuntos de datos, con el apoyo del programa estadístico SPSS
•
•
Trabajo autónomo
Para el seguimiento de las clases, tanto desde la perspectiva teórica como práctica, se facilitará Material de Apoyo con antelación a las clases, a través de la página web del profesor ������������������������ con el objeto de que el alumno pueda revisarlo previamente.
Será obligatoria la realización de uno o varios Trabajos Finales de aplicación, a realizar individualmente, a propuesta directa del profesor, en los que se empleen las técnicas estudiadas y se justifiquen teóricamente las decisiones de análisis adoptadas.
•
Trabajo/s Final/es de aplicación
5. EVALUACIÓN: Procedimientos, criterios de evaluación y de calificación Convocatoria ordinaria: La evaluación de las competencias específicas se realizará en dos dimensiones: -
-
Dimensión teórico-práctica: se evaluará la capacitación del alumno en relación con el conocimiento de los contenidos teóricos de la materia, así como de la adecuación de su selección y utilización para la resolución de casos prácticos de aplicación. Dimensión aplicada: se evaluará la capacitación del alumno para adaptar y aplicar los contenidos de la materia para resolver problemas prácticos a partir de datos realistas y con medios informáticos. 4
Para ello, se prevé el siguiente o
Criterio de calificación para la evaluación de las dimensiones “teórico–práctica” y “aplicadas” de las competencias específicas (peso en la calificación final: 85%): Como estrategia para su evaluación, los alumnos deberán realizar, individualmente, los Trabajos Finales de aplicación propuestos por el profesor en el que empleará adecuadamente las técnicas estudiadas, justificando teóricamente las decisiones de análisis adoptadas.
Por otra parte, la evaluación de las capacidades generales se realizará en base a la presentación formal del referido trabajo final aplicado, al participación activa del alumno en clase, así como de la continuidad en su asistencia a las clases, que se considera obligatoria. Consecuentemente, se prevé el siguiente o
Criterio de calificación para la evaluación de las competencias generales (peso en la calificación final 15%): Se realizará a partir de las observaciones que realice el profesor sobre el alumno en función de su asistencia (obligatoria), su participación activa en las sesiones presenciales, los aspectos relativos a estas competencias vislumbrados en el Trabajo Final de aplicación, así como de su desempeño general en el resto de actividades propuestas.
Convocatoria extraordinaria: Los alumnos que no superasen la asignatura en la convocatoria ordinaria podrán volver a presentar a evaluación nuevos Trabajos Finales de aplicación, en el período establecido para ello y de acuerdo con el profesor, de características análogas a las descritas para la convocatoria ordinaria.
El sistema de calificaciones será el previsto por la legislación vigente (Real Decreto 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias oficiales).
6. BIBLIOGRAFÍA BIBLIOGRAFÍA BÁSICA: [PEÑ] Peña, D.: Análisis de Datos Multivariantes . McGraw Hill. 2002. [FRE] Freixa, M.; Salafranca, L.; Guardia,J.; Ferrer,R.; Turbany,J. Analisis Exploratorio de Datos: Nuevas Técnicas Estadísticas. PPU, 1992. [R-M] Ruiz-Maya, L.; Martín Pliego, F. J.; Montero, J. M.; Uriz Tomé, P.: Análisis Estadístico de Encuestas: Datos Cualitativos . Ed. AC, Madrid, 1995. Para Prácticas: [PER] Pérez López, C.: Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS. Pearson Education. 2004. [VIS] Visauta Vinacua, B. Analisis Estadistico con SPSS 14 (3ª ed), McGraw-Hill, 2007. [PAR] Pardo Merino, A: Análisis de Datos con SPSS 13. McGraw-Hill, 2005. BIBLIOGRAFÍA COMPLEMENTARIA: [AyG] Abascal, E.; Grande, I.: Métodos multivariantes para la Investigación Comercial. Teoría, aplicaciones y programación BASIC . Ed. Ariel, 1989. [BIS] Bisquerra Alzina, R.: Introducción Conceptual al Análisis Multivariable. Un enfoque informático con los paquetes SPSS-X, BMDP, LISREL y SPAD . 2 Vols. Ed. PPU, 1989. 5
[CHC] Chatfield, C. Collins, A.J. Introduction to Multivariate Analysis. Chapman & Hall, 1980. [CUA] Cuadras, C. M.: Métodos de Análisis Multivariante . Ed. EUB, 1996. [EVc] Everitt, B. S.: Cluster Analysis . 3ª Ed. John Wiley & Sons, New York, 1993. [EVt] Everitt, B. S.: The Analysis of Contingency Tables (Monographies on Statistics and Applied Probability). Chapman and Hall, 1977. [HTB] Hair, J.F. Tatham, R.L. Black, W.C. Análisis Multivariante. Prentice Hall, 1999. [JyW] Johnson, R. A.; Wichern, D. W.: Applied Multivariate Statistical Analysis . Ed. Prentice-Hall, 1992. [L-V] Levy, J.; Varela. J.: Análisis Multivariable para las Ciencias Sociales . Pearson Prentice-Hall. 2003. [MKB] Mardia, K.V. Kent, J.T. Bibby, J.M. Multivariate Analysis. Academic Press, 1979. [SHA] Sharma, S Applied Multivariate Techniques. John Wiley & Sons, 1996. [URI] Uriel, E.: Análisis Multivariante Aplicado . Ed. Thomson, 2005.
Otros materiales complementarios de apoyo al aprendizaje, en la Página web del Profesor
6