Métodos cuantitativos (posgrado)

Métodos Cuantitativos

Ésta es la página del curso de métodos cuantitativos, impartido por Javier Aparicio para estudiantes del posgrado en Ciencia Política durante el semestre de primavera 2017. Aquí encontrarán información sobre los temas cubiertos en clase, el calendario de lecturas, tareas, ejercicios y otros avisos importantes.

Objetivo y motivación

Este curso es una continuación y extensión de los temas vistos en el curso de “Modelos formales y métodos cuantitativos” durante el primer semestre del posgrado en Ciencia Política del CIDE. Los objetivos centrales del curso son al menos cuatro:

  1. Comprender qué tipo de preguntas empíricas pueden responderse usando métodos cuantitativos, y cuáles no tanto.
  2. Profundizar en el uso de métodos tradicionales (MCO/OLS) e introducir algunos métodos nuevos (análisis panel, máxima verosimilitud y simulaciones, etc.)
  3. Aprender cómo pasar de los resultados estadísticos brutos a la interpretación y presentación persuasiva de los mismos.
  4. Un objetivo indirecto del curso será ayudarlos a explotar estos métodos dentro de sus proyectos de tesis o tesina–pero cabe aclarar que este curso no es un sustituto del seminario de tesis ni transfiere responsabilidad del alumno hacia el profesor en cuanto al análisis estadístico de sus tesis.

Comenzaremos con un breve repaso de la lógica subyacente al análisis cuantitativo, el manejo y exploración de bases de datos, y los modelos de regresión lineal (OLS). Después estudiaremos los problemas más comunes de OLS y algunas soluciones, así como métodos de máxima verosimilitud y análisis de datos panel. Dependiendo del tiempo disponible cubriremos algunos otros temas selectos.

Logística y evaluación

Tendremos una clase por semana los días martes de 10:30 a 1:30pm en el salón Cuajimalpa 10. En la primera mitad de la clase discutiremos aspectos teóricos de cada método, comentando las aplicaciones “del mundo real” más comunes en la literatura empírica. Luego de un breve receso, en la segunda mitad de la clase tendremos una sesión práctica con Stata donde aplicaremos los conceptos vistos ese mismo día. 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 y leyendo la literatura relevante.

A lo largo del curso usaremos Stata versión 14, disponible en los laboratorios de cómputo del CIDE. Quizá puedan conseguir la versión 12 o 13, que es 100% compatible y no les producirá conflicto alguno. Las presentaciones powerpoint, ejercicios y datos usados durante las sesiones prácticas estarán disponibles aquí: http://investigadores.cide.edu/aparicio/data/

El curso será evaluado mediante una serie de tareas y ejercicios estadísticos (con sus correspondientes reportes escritos) sobre los temas que vayamos cubriendo en clase. Los detalles adicionales se explicarán en clase.

Temario

Este es el contenido tentativo del curso:

  1. Lógica del análisis empírico cuantitativo (repaso)
  2. Manejo y exploración de bases de datos (repaso)
  3. Variables continuas: Regresión lineal multivariada (OLS)
    • Supuestos subyacentes
    • Sesgo y eficiencia de OLS
    • Problemas: variables omitidas, sesgo muestral, heteroscedasticidad, y autocorrelación
  4. Especificación y diagnóstico de modelos y pruebas de hipótesis
  5. Efectos interactivos y cambios estructurales
  6. Análisis de datos panel con variables continuas (panel OLS)
    • Ventajas y desventajas de los datos panel
    • Efectos aleatorios vs. efectos fijos
    • Problemas: heteroscedasticidad, correlación espacial y temporal
  7. Variables dependientes limitadas: Métodos de máxima verosimilitud (maximum likelihood estimation, MLE)
    • Variables binarias: logit y probit
    • Variables ordinales: ordered logit y probit
    • Variables nominales: multinomial logit y probit
    • Conteo de eventos: poisson y binomial negativo
  8. Análisis de datos panel con variables categóricas
  9. Modelos con variables instrumentales (ivreg) y modelos de selección muestral (heckit)
  10. Simulación e interpretación de resultados de modelos de máxima verosimilitud (margins, clarify y/o spost)
  11. Otros temas selectos (por definir y sólo si el tiempo lo permite).

Bibliografía

Esta es una bibliografía básica–algunas lecturas y artículos adicionales serán proporcionados a lo largo del curso.

La mayor parte del curso será a nivel de Wooldridge1, el cual ofrece una muy buena introducción a métodos de regresión en general. El análisis de datos panel será al nivel de los capítulos 13 y 14 de Wooldridge1, y algunos temas avanzados provendrán de Wooldridge2. El tratamiento teórico de métodos de máxima verosimilitud seguirá a Dougherty (2006) y Long & Freese (2001).

Recursos disponibles en la web:

Lecturas asignadas

14-ago Dougherty (2002). Introduction to Econometrics, 2nd ed.
Review: Random variables and sampling theory.
Wooldridge1, cap. 1. (presentaciones powerpoint en inglés)Powerpoints de la clase:
Repaso de estadística / Cap. 1 – Introducción
21-ago Wooldridge1, cap. 2 — Regresión lineal simple.
Powerpoint de la clase
28-ago Wooldridge1, cap. 3 — Regresión lineal multivariada, supuestos Gauss-Markow.
Powerpoint de la clase
2-sep Wooldridge1, cap. 4 — Inferencia y pruebas de hipótesis.
Powerpoints de Wooldridge (2001)
9-sep Wooldridge1, cap. 6 — Forma funcional, bondad de ajuste, residuales
Powerpoints de Wooldridge (2001)
23-sep Wooldridge1, cap. 7 — Variables dummy, categóricas y efectos interactivos.
Powerpoints de Wooldridge (2001)
30-sep Wooldridge1, cap. 8 — Heteroscedasticidad
Powerpoints de Wooldridge (2001)
7-oct Métodos panel para variables continuas
Wooldridge1, caps. 13 y 14 — Métodos panel, efectos fijos y aleatorios.
Powerpoints de Wooldridge (2001)
Márquez, Javier. 2005. “Diagnostico y especificación de modelos panel en stata“
14-oct Dougherty (2006). Introduction to Econometrics, 3rd ed.
Chapter 14. Introduction to Panel Data Models
Dougherty powerpoints:

21-oct
28-oct Máxima Verosimilitud / Variables dependientes limitadas
Wooldridge1, cap. 17.
Dougherty (2006). Introduction to Econometrics, 3rd ed.
Ch. 10: Binary choice, limited dependent models, and maximum likelihood estimation.

4-nov Long, J. Scott and Jeremy Freese, 2001, Regression Models for Categorical Dependent Variables Using Stata. caps. 5 y 6.
William Greene: Measures of fit in binary choice models
11-nov Gary King, Michael Tomz, and Jason Wittenberg. “Making the Most of Statistical Analyses: Improving Interpretation and Presentation,” American Journal of Political Science, Vol. 44, No. 2 (April, 2000): 341-355.
Clarify: Software for Interpreting and Presenting Statistical Results (version pdf).
18-nov
25-nov