R aplicado al Análisis Econométrico
El presente programa tiene por objetivo aprender del manejo de R pero aplicado a los modelos econométricos de causalidad.
Todo ello con el propósito de apoyar en el conocimiento con innovación y gestión eficiente de herramientas para una posterior aplicación en las labores profesionales que tienen los alumnos/as en sus campos de trabajo y/o estudio.
Horario
Lunes y miércoles de 19:00 a 21:30 hs
desde el lunes 14 de noviembre
(8 sesiones)
Participantes
20 Cupos Disponibles
¡No te quedes fuera!
CLP$80.000
Paga con Transferencia Electrónica, Tarjeta Crédito/Débito, Pay Pal o Criptomonedas
Sobre el Curso
Objetivo general:
Aprender las aplicaciones y los usos del software estadístico R en el análisis econométrico a nivel micro y macro, con la finalidad de optimizar procesamientos cuando se trabaja con diversas fuentes de datos no estructuradas y en contexto de la era del Big Data.
Objetivos específicos:
- Transmitir conocimiento sobre teoría econométrica y causalidad de variables.
- Realizar cálculo de estadísticos descriptivos y representaciones gráficas.
- Ejecutar modelos de regresión simple y múltiple con variable dependiente truncada y no truncada
- Aplicar la teoría a bases de datos tipo transversal, longitudinal y temporal con metodología experimental y no experimental.
- Capacitar en la investigación y aplicación de diversas herramientas para la aplicación de modelos econométricos.
Estudiantes de pregrado (cuarto año en adelante) y postgrado del área de las Ciencias Sociales, Humanidades, y Ciencias de la Empresa, Marketing y Administración. Profesionales de las mismas áreas mencionadas.
- Se requiere un conocimiento general de métodos cuantitativos y estadística.
- Cada estudiante deberá contar con un computador portátil operativo.
- No se requieren conocimientos computacionales previos excepto un manejo intermedio en instalación y configuración de softwares (descarga de archivos, instalación y configuración de programas, etc.).
- Es deseable un manejo intermedio del idioma inglés.
- Clases teóricas/expositivas.
- Talleres de metodologías para entrenamiento en competencias computacionales y razonamiento lógico.
- Desarrollo de líneas de código en software especializado.
- Análisis de casos y discusión teórica.
- Talleres y laboratorios de aplicación mediante uso de bases de datos contextualizadas.
Descarga el Programa completo de este curso
Programa del Curso
Sesión 1
Introducción a la programación en R
- Procesamiento limpieza y procesamiento de datos
- Visualización de gráficos
- Estadísticas descriptivas
Sesión 2
Introducción a la Econometría I
- Causalidad y correlación
- Modelo de regresión lineal simple
- Modelo de regresión lineal múltiple
- Formulación del modelo
- Estimación
- Interpretación
- Pruebas de hipótesis
- Validación de los resultados
Sesión 3
Introducción a la Econometría II
- Variables independientes:
- Dummy’s
- Categóricas
- Transformadas
Sesión 4
Principales problemas econométricos
- Presentación y resolución de problemas econométricos básicos:
- Multicolinealidad
- Heterocedasticidad
- Autocorrelación
Sesión 5
Modelos de variable instrumental
- Presentación y resolución del problema de endogeneidad por medio de variables instrumentales.
Sesión 6
Modelos probabilísticos
- Modelo con variable dependiente discreta (Dummy):
- Modelo probit
- Modelo logit
- Modelo probit ordenado
- Modelo logit ordenado
- Modelo probit multinomial
- Modelo logit multinomial
Sesión 7
Econometría de datos de panel
- Introducción a los datos de panel
- Estimador de efecto fijos
- Estimador de efectos aleatorio
- Estimador de datos agrupados – pooled
- Modelo de datos de panel dinámico
Sesión 8
Econometría con métodos de inferencia causal
- Introducción a la estimación de impacto
- Método de Propensity Score Matching (PSM)
Facilitadora

Gabriela Arteaga Brouset
Economista, con Maestría en Economía en Georgetown University. Diplomado en Métodos Cuantitativos para el Análisis Económico en la Universidad Privada Boliviana. Certificación de Conocimiento de R en DataCamp, tutora en Data Science Reserch Perú (https://www.datascience.pe/).
Trabajó como analista económico y analista de datos para el BID, Banco Mundial, CAF y PNUD, actualmente desempeña funciones como analista del Observatorio de Previsión Social, manejando gran cantidad de información que requiere ser armonizada con encuestas y datos administrativos para posteriormente obtener indicadores clave para el apoyo en la toma de decisiones.