CURSO:MODELOS DE REGRESION TRADUCCION:REGRESSION MODELS SIGLA:SOL515 CREDITOS:10 UC MODULOS:03 CARACTER:MINIMO TIPO:CATEDRA CALIFICACION:ESTANDAR (1,0 A 7,0) PALABRAS CLAVE:MODELOS DE REGRESION,OLS NIVEL FORMATIVO:PREGRADO I.DESCRIPCIÓN DEL CURSO El curso es una introduccion al uso de modelos de regresion lineal (OLS) para el analisis de datos sociales. Como tal, entregara ? las herramientas para que los y las estudiantes realicen analisis cuantitativos basicos de datos de estudios observacionales y experimentales usando modelos de regresion lineal tal como son aplicados en software estadistico. Al final del curso, los estudiantes seran capaces de analizar datos generados por estudios sociales, analizarlos con los metodos vistos a lo largo del curso, y escribir reportes profesionales de dicho analisis. II.RESULTADOS DE APRENDIZAJE 1.Emplear razonamiento estadistico a partir del uso de modelos de regresion lineal. 2.Identificar distintos tipos de estructuras de datos para su aplicacion en investigaciones de las ciencias sociales. 3.Conducir la construccion, estimacion e interpretacion de modelos de regresion lineal para describir asociaciones entre variables sociales. 4.Aplicar los fundamentos conceptuales del razonamiento de la inferencia estadistica a traves del uso de modelos de regresion lineal. 5.Usar modelos de regresion lineal en concordancia con los requerimientos del analisis de datos del ambito social. 6.Identificar los desafios eticos de la investigacion social basada en regresiones. III.CONTENIDOS 1.Datos 1.1.?Que entendemos por datos? 1.2.Estructuras de datos 1.3.Tipos de variables 2.Asociacion entre variables 2.1.Concepto de regresion lineal: distribuciones condicionales y valores esperados 2.2.Regresion lineal simple 2.3.Control estadistico en modelos de regresion lineal 2.4.Regresion lineal multiple 3.Inferencia estadistica en modelos de regresion lineal 3.1.Teoria asintotico en modelos de regresion 3.2.Distribucion muestral e intervalos de confianza de estimadores OLS 3.3.Prueba de hipotesis para parametros poblacionales 3.4.Prueba de hipotesis para combinaciones lineales de parametros 4.Temas adicionales 4.1.Heteroscedasticidad 4.2.Formas funcionales (logaritmicas y cuadraticas) 4.3.Variables dummy 4.4.Interacciones 5.Modelos de regresion para variable dependiente categorica 5.1.Modelo de probabilidad lineal 5.2.Introduccion a modelo de regresion logistica 6.Descripcion, explicacion y prediccion en modelos de regresion 6.1.Modelos de regresion para herramienta descriptiva: descomposiciones 6.2.Modelos de regresion para estimar efectos causales: problemas "beta-hat" 6.3.Modelos de regresion como herramienta predictiva: problemas "y-hat" IV.ESTRATEGIAS METODOLOGICAS -Catedra. -Ejercicios practicos software. -Aprendizaje colaborativo. V.ESTRATEGIAS EVALUATIVAS -Ejercicios grupales: 40% -Prueba: 20% -Examen final: 40% VI.BIBLIOGRAFIA Minima John P. Hoffmann(2021), Linear Regression Models: Applications in R. Chapman & Hall/CRC Stat Chapman & Hall/CRC Statistics in the Social and Behavioral Sciences Imai, Kosuke.(2018). Quantitative Social Science: An Introduction in tidyverse. Princeton University Press. Complementaria Andrew Gelman, Jennifer Hill, y Aki Vehtari.(2020). Regression and Other Stories. Cambridge University Press. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO DE SOCIOLOGIA / OCTUBRE 2023