TCNICAS ESTADSTICAS AVANZADAS DE ANLISIS DE

DATOS

Mster Universitario en Anlisis Econmico Aplicado

Universidad de Alcal

Curso Acadmico 2013/14

2

GUA DOCENTE

Nombre de la asignatura: TCNICAS ESTADSTICAS AVANZADAS DE ANLISIS DE DATOS Cdigo: 200652

Titulacin en la que se imparte: Mster Universitario en Anlisis Econmico Aplicado Departamento y rea de Conocimiento:

Economa / Mtodos Cuantitativos para la Economa y la Empresa

Carcter: Optativa Crditos ECTS: 6 Curso y cuatrimestre: Cuatrimestre 1

Profesorado: Francisco Javier Callealta

Horario de Tutora: Se har pblico al comenzar el curso Idioma en el que se imparte: Espaol

1. PRESENTACIN

Esta asignatura, que se destina a estudiantes de postgrado, tiene la consideracin de materia optativa. En ella se profundiza en los aspectos y conceptos ms aplicados de la estadstica multivariante a la investigacin cientfica, especialmente desde un enfoque aplicado.

As, en esta asignatura, el alumno deber aprender a reconocer y manejar los principales conceptos relacionados con el anlisis de datos multivariantes, cubriendo las principales tcnicas ms generales relacionadas con el anlisis exploratorio de datos y el anlisis de interdependencias en datos multivariantes, tanto desde una perspectiva terica (similitudes y diferencias entre los diversos conceptos y mtodos), as como desde una perspectiva prctica, emplendolos para analizar un conjunto de microdatos pblico mediante el uso de uno de los programa estadsticos de anlisis de datos ms extendido (correcta interpretacin de los resultados y seleccin de opciones que los mtodos mencionados proporcionan).

2. COMPETENCIAS

Competencias genricas:

1. Fortalecer la capacidad de utilizar el sentido comn y el razonamiento lgico. 2. Fortalecer la capacidad de aprendizaje autnomo. 3. Fortalecer la capacidad de exponer adecuadamente unas ideas o un trabajo realizado.

Competencias especficas:

1. Capacidad de reconocer los principales conceptos relacionados con el anlisis estadstico de datos desde una perspectiva terica (similitudes y diferencias entre los diversos conceptos y mtodos).

3

2. Capacidad de reconocer los principales conceptos relacionados con el anlisis estadstico de datos desde una perspectiva prctica, ponindole en disposicin de emplearlos para analizar conjuntos de datos con ayuda de programas estadsticos de ordenador.

3. Desarrollar habilidades para manipular informacin factual y prepararla para su anlisis aplicado con ayuda de ordenador.

4. Desarrollar habilidades para el uso de uno de los programa estadsticos de anlisis de datos ms extendidos sobre ordenadores.

5. Capacidad de aplicar adecuadamente las principales tcnicas relacionadas con el anlisis exploratorio y descriptivo de datos procedentes de encuestas y bases de datos.

6. Capacidad de analizar las interdependencias observadas en datos multivariantes en escalas cuantitativas

7. Capacidad de analizar las interdependencias observadas en datos multivariantes en escalas cualitativas

3. CONTENIDOS

Bloques de contenido N aprox. de horas

1) Anlisis estadstico preliminar de los datos. Los datos y sus escalas de medida. Anlisis exploratorio de los datos. Deteccin y tratamiento de datos atpicos. Tratamiento de la asimetra. Tratamiento de la no respuesta. a) Prctica: Manipulacin de Datos b) Prctica: Anlisis Preliminar de Datos

6

2) Reduccin de la dimensin y anlisis estadstico de factores latentes. Anlisis de Componentes principales. Anlisis Factorial. Rotaciones. a) Prctica: Anlisis factorial

6

3) Anlisis estadstico de Conglomerados. Introduccin al anlisis de conglomerados. Medidas de disimilaridad y de similaridad para casos y para variables. Mtodos jerrquicos y no jerrquicos de conglomeracin. a) Prctica: Anlisis de conglomerados mtrico b) Prctica: Anlisis de conglomerados no mtrico

6

4) Dependencia estadstica con datos cualitativos. Asociacin: tablas de contingencia y medidas de asociacin. Anlisis Factorial de Correspondencias simple. Anlisis Factorial de Correspondencias mltiple. a) Prctica: Medidas de asociacin y anlisis factorial de correspondencias.

6

5) Tcnicas estadsticas de representacin mtrica. Escalamiento Multidimensional mtrico. Escalamiento Multidimensional no mtrico. Modelo de diferencias individuales. a) Prctica: Escalamiento multidimensional.

4

4

4. METODOLOGAS DE ENSEANZA-APRENDIZAJE.-ACTIVIDADES FORMATIVAS

4.1. Distribucin de crditos (150 horas)

Nmero de horas presenciales: 28

Nmero de horas del trabajo propio del estudiante: 122

Total horas 150

4.2. Estrategias metodolgicas, materiales y recursos didcticos

Clases presenciales

Las clases se desarrollarn en aula informtica, alternando de forma dinmica un doble enfoque:

Terico, en los que se expondrn y discutirn brevemente los conceptos y tcnicas pertinentes.

Prctico, en los que se tratar sobre la aplicacin de dichas tcnicas y conceptos a conjuntos de datos, con el apoyo del programa estadstico SPSS

Trabajo autnomo

Para el seguimiento de las clases, tanto desde la perspectiva terica como prctica, se facilitar Material de Apoyo con antelacin a las clases, a travs de la pgina web del profesor http://www2.uah.es/fjcb, con el objeto de que el alumno pueda revisarlo previamente.

Trabajo/s Final/es de aplicacin

Ser obligatoria la realizacin de uno o varios Trabajos Finales de aplicacin, a realizar individualmente, a propuesta directa del profesor, en los que se empleen las tcnicas estudiadas y se justifiquen tericamente las decisiones de anlisis adoptadas.

5. EVALUACIN: Procedimientos, criterios de evaluacin y de calificacin

Convocatoria ordinaria:

La evaluacin de las competencias especficas se realizar en dos dimensiones: - Dimensin terico-prctica: se evaluar la capacitacin del alumno en relacin con el conocimiento de

los contenidos tericos de la materia, as como de la adecuacin de su seleccin y utilizacin para la resolucin de casos prcticos de aplicacin.

- Dimensin aplicada: se evaluar la capacitacin del alumno para adaptar y aplicar los contenidos de la materia para resolver problemas prcticos a partir de datos realistas y con medios informticos.

5

Para ello, se prev el siguiente

o Criterio de calificacin para la evaluacin de las dimensiones tericoprctica y aplicadas de las competencias especficas (peso en la calificacin final: 85%):

Como estrategia para su evaluacin, los alumnos debern realizar, individualmente, los Trabajos Finales de aplicacin propuestos por el profesor en el que emplear adecuadamente las tcnicas estudiadas, justificando tericamente las decisiones de anlisis adoptadas.

Por otra parte, la evaluacin de las capacidades generales se realizar en base a la presentacin formal del referido trabajo final aplicado, al participacin activa del alumno en clase, as como de la continuidad en su asistencia a las clases, que se considera obligatoria. Consecuentemente, se prev el siguiente

o Criterio de calificacin para la evaluacin de las competencias generales (peso en la calificacin final 15%):

Se realizar a partir de las observaciones que realice el profesor sobre el alumno en funcin de su asistencia (obligatoria), su participacin activa en las sesiones presenciales, los aspectos relativos a estas competencias vislumbrados en el Trabajo Final de aplicacin, as como de su desempeo general en el resto de actividades propuestas.

Convocatoria extraordinaria: Los alumnos que no superasen la asignatura en la convocatoria ordinaria podrn volver a presentar a evaluacin nuevos Trabajos Finales de aplicacin, en el perodo establecido para ello y de acuerdo con el profesor, de caractersticas anlogas a las descritas para la convocatoria ordinaria.

El sistema de calificaciones ser el previsto por la legislacin vigente (Real Decreto 1125/2003, de 5 de

septiembre, por el que se establece el sistema europeo de crditos y el sistema de calificaciones en las

titulaciones universitarias oficiales).

6. BIBLIOGRAFA

BIBLIOGRAFA BSICA:

[PE] Pea, D.: Anlisis de Datos Multivariantes. McGraw Hill. 2002. [FRE] Freixa, M.; Salafranca, L.; Guardia,J.; Ferrer,R.; Turbany,J. Analisis Exploratorio de Datos: Nuevas

Tcnicas Estadsticas. PPU, 1992. [R-M] Ruiz-Maya, L.; Martn Pliego, F. J.; Montero, J. M.; Uriz Tom, P.: Anlisis Estadstico de Encuestas:

Datos Cualitativos. Ed. AC, Madrid, 1995.

Para Prcticas: [PER] Prez Lpez, C.: Tcnicas de Anlisis Multivariante de Datos. Aplicaciones con SPSS. Pearson Education.

2004. [VIS] Visauta Vinacua, B. Analisis Estadistico con SPSS 14 (3 ed), McGraw-Hill, 2007. [PAR] Pardo Merino, A: Anlisis de Datos con SPSS 13. McGraw-Hill, 2005.

BIBLIOGRAFA COMPLEMENTARIA:

[AyG] Abascal, E.; Grande, I.: Mtodos multivariantes para la Investigacin Comercial. Teora, aplicaciones y programacin BASIC. Ed. Ariel, 1989.

[BIS] Bisquerra Alzina, R.: Introduccin Conceptual al Anlisis Multivariable. Un enfoque informtico con los paquetes SPSS-X, BMDP, LISREL y SPAD. 2 Vols. Ed. PPU, 1989.

6

[CHC] Chatfield, C. Collins, A.J. Introduction to Multivariate Analysis. Chapman & Hall, 1980. [CUA] Cuadras, C. M.: Mtodos de Anlisis Multivariante. Ed. EUB, 1996. [EVc] Everitt, B. S.: Cluster Analysis. 3 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. Anlisis 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.: Anlisis 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.: Anlisis Multivariante Aplicado. Ed. Thomson, 2005.

Otros materiales complementarios de apoyo al aprendizaje, en la Pgina web del Profesor