Ésta es la página del curso de métodos cuantitativos aplicados, impartido por Javier Aparicio en el CIDE. Aquí encontrarán información relevante sobre los temas cubiertos en clase, el calendario de lecturas, tareas, ejercicios y otros avisos importantes.

Primavera 2018

[Vínculos frecuentes: Lecturas asignadas / Datos y bitácoras]

Objetivos y motivación

Este es el segundo curso de la secuencia de métodos cuantitativos, impartido en el 4º semestre de la Licenciatura en Ciencia Política y Relaciones Internacionales. El creciente uso de métodos cuantitativos en la investigación en Ciencias Sociales es una realidad insoslayable. Más allá del mundo académico, un sinnúmero de fenómenos –desde el uso de encuestas para medir preferencias electorales hasta la evaluación de políticas públicas– pueden comprenderse de mejor manera a la luz de evidencia estadística. Los objetivos centrales del curso son los siguientes:

1. Comprender qué tipo de preguntas empíricas pueden responderse usando métodos cuantitativos, cómo hacerlo y cuáles no tanto.
2. Comprender las técnicas básicas para el manejo de bases de datos, análisis exploratorio de datos y estadística descriptiva.
3. Comprender cómo estimar y especificar modelos de regresión lineal múltiple, así como hacer diagnósticos y pruebas de hipótesis a partir de dichos modelos.
4. Aprender cómo pasar de los resultados estadísticos brutos a la interpretación y presentación persuasiva de los mismos.

Comenzaremos con un breve repaso de estadística y la lógica del análisis cuantitativo, para luego concentrarnos en los modelos de regresión. La mayor parte del curso estará dedicada a la estimación y diagnóstico de modelos de regresión lineal múltiple para variables dependientes continuas–mediante el método de mínimos cuadrados ordinarios o MCO (OLS en inglés). También estudiaremos los problemas más comunes de MCO y algunos posibles paliativos. Hacia el final del curso discutiremos de manera introductoria los métodos de máxima verosimilitud para variables dependientes limitadas. A lo largo del curso también discutiremos algunas técnicas para el manejo y exploración de bases de datos.

Metodología y evaluación

Tendremos dos clases por semana los días Lunes y Miércoles de 10:10am a 12:10pm en el salón 201 del Edificio Santa Fe. En la mayoría de las sesiones discutiremos aspectos teóricos de los diferentes métodos cuantitativos, y comentaremos algunas de las aplicaciones “del mundo real” más comunes en la literatura empírica. En algunas ocasiones tendremos sesiones prácticas con Stata donde aplicaremos los conceptos vistos en clase. Sobra decir que la mayor carga del curso recaerá en cada uno de ustedes y del tiempo que dediquen a las prácticas en el laboratorio de cómputo y leyendo la literatura relevante.

A lo largo del curso usaremos Stata versión 14, el cual está disponible en los laboratorios de cómputo del CIDE. Las bitácoras, ejercicios y datos usados durante las sesiones prácticas estarán disponibles aquí: http://investigadores.cide.edu/aparicio/data.html

Su desempeño en el curso será evaluado de la siguiente manera:

• Dos exámenes parciales, con un valor de 30% de su nota cada uno, mismos que tendrán un componente teórico y otro aplicado.
• Exámenes sorpresa: 10%
• Tareas y ejercicios estadísticos a entregarse en formato impreso, con un valor del 15% de su nota, sobre los temas que vayamos cubriendo en clase. No se aceptarán entregas tardías.
• Trabajo y presentación final que valdrá el 15% restante de su nota.

Los fechas y detalles adicionales de exámenes y tareas se acordarán a lo largo del curso. La asistencia al curso es obligatoria y el profesor se reserva el derecho de penalizar las inasistencias injustificadas en su nota final.

Temario tentativo

El contenido tentativo del curso es como sigue (esta lista es podrá crecer o disminuir dependiendo del ritmo con que avancemos):

1. Métodos cuantitativos y Ciencias Sociales
2. Manejo y exploración de datos
   1. Recolección de datos
   2. Estadística descriptiva
   3. Análisis exploratorio de datos
3. Regresión lineal múltiple (OLS) para variables dependientes continuas
   1. Supuestos subyacentes
   2. Estimación
   3. Inferencia y pruebas de hipótesis
   4. Problemas: Sesgo y eficiencia de los modelos lineales
4. Especificación y diagnóstico de modelos lineales
   1. Variables dicotómicas
   2. Efectos interactivos y cambios estructurales
   3. Más problemas: sesgo de variable omitida, sesgo muestral, heteroscedasticidad, y autocorrelación
   4. Análisis de residuales y observaciones atípicas
5. Pronóstico e interpretación de modelos lineales
6. Modelos de máxima verosimilitud (MLE) para variables dependientes limitadas
   1. Estimación e inferencia de modelos de máxima verosimilitud
   2. Variables binarias: modelos logit yprobit
   3. Variables ordinales: modelos ordered probit y logitf
   4. Variables nominales: modelos multinomial logit y probit
7. Simulación e interpretación de resultados de modelos MLE (Clarify y Spost)
8. Métodos cuantitativos y diseño de investigación.
   Temas extra sólo si hay tiempo:
9. Análisis de datos panel con variables continuas (panel OLS)*
10. Variables censuradas (tobit) y modelos de selección muestral (heckit)*

Bibliografía

Esta es una bibliografía preliminar.  Algunas lecturas y artículos adicionales serán proporcionados a lo largo del curso.

• Wooldridge, Jeffrey M.  Introductory Econometrics: A modern approach, South-Western, 2006 (3a edición).  La primera edición está en español: Introducción a la econometría: un enfoque moderno. Thomson Learning, 2001.
• Dougherty, Christopher, 2006.  Introduction to Econometrics.  Oxford University Press, 3rd edition.
• Long, J. Scott, 1997, Regression Models for Categorical and Limited Dependent Variables. Advanced Quantitative Techniques in the Social Sciences, Volume 7. Sage Publications.  (Creo que existe una versión en español).
• Long, J. Scott and Jeremy Freese, 2001, Regression Models for Categorical Dependent Variables Using Stata. College Station, TX: Stata Press.

La mayor parte del curso seguirán los textos de Dougherty (2006) y Wooldridge (2006), los cuales proveen una muy buena introducción a métodos de regresión en general.  Los ejemplos con Stata seguirán, además, a Long & Freese (2001). La discusión teórica de métodos de máxima verosimilitud seguirá a Dougherty (2006) y Long & Freese (2001).

Recursos disponibles en la web:

• Jeffrey M. Wooldridge tiene una serie de presentaciones powerpoint para cada capítulo de su libro Introductory Econometrics. A lo largo del curso distribuiré las presentaciones correspondientes pero nunca sobra consultar las demás.
• Christopher Dougherty, de LSE, también tiene una gran cantidad de muy detallados powerpoints y videos.
• El portal de Stata de UCLA provee mucha información valiosa.

Lecturas asignadas

29-ene	Presentación del temario y repaso preliminar.
1-feb	Dougherty (2002). Introduction to Econometrics, 2nd ed. Review: Random variables and sampling theory. Powerpoint: Repaso de estadística
8-feb	Wooldridge, cap. 1. — Powerpoint Introducción
13-feb	Wooldridge, cap. 2 — Regresión lineal simple — Powerpoint
15-feb	Laboratorio: introducción al uso de Stata Stata Learning Modules (UCLA)
20-feb	Wooldridge, cap. 3 — Regresión lineal múltiple: Estimación y supuestos Gauss-Markow / Powerpoint
22-feb	Wooldridge1, cap. 4 — Regresión lineal múltiple: Inferencia y prueba de hipótesis / Powepoint
26-feb
5-mar
7-mar
12-mar
14-mar
19-mar
21-mar
26-mar