Datos Identificativos 2022/23
Asignatura (*) Análise Estatística Avanzada Código 615545007
Titulación
Máster Universitario en Métodos Avanzados de Investigación e Innovación na Análise Social
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Obrigatoria 6
Idioma
Castelán
Modalidade docente Non presencial
Prerrequisitos
Departamento Socioloxía e Ciencias da Comunicación
Coordinación
Otero Enriquez, Raimundo
Correo electrónico
raimundo.otero@udc.es
Profesorado
Calvo Rodríguez, Álvaro
Otero Enriquez, Raimundo
Correo electrónico
alvaro.crodriguez@udc.es
raimundo.otero@udc.es
Web
Descrición xeral O principal obxectivo desta materia é a adquisición dun coñecemento eminentemente aplicado de catro técnicas de análise multivariante. Partindo deste obxectivo, o desenvolvemento das clases estruturase en torno á realización de varios exercicios prácticos nos que se reflicten os contidos teóricos abordados, e se reproducen escenarios estatísticos propios da socioloxía.

Competencias do título
Código Competencias do título
A14 H4 Transmitir os resultados dunha investigación básica e aplicada, así como os fundamentos máis relevantes sobre os que se sustentan, de modo claro e sen ambigüidades atendendo á diversidade de contextos, públicos e necesidades, usando distintas opcións de presentación e visualización.
A16 H6 Desenvolver capacidade para planificar a investigación, elixindo correctamente as fases e os procedementos que garantan a máxima rigorosidade e que sexan adecuados a distintos contextos dentro do ámbito público ou privado.
A17 H7 Adquirir a capacidade de continuar profundando nos métodos de investigación e análise dun modo que haberá de ser en gran medida auto-dirixido e autónomo.
A20 CP1. Contrastar a importancia da diversidade metodolóxica existente para a análise da realidade social, política e económica, abordando distintos problemas complexos das sociedades actuais a través de solucións creativas e novas.
A24 CP5. Ser capaz de traballar con fontes de datos, metodoloxías e técnicas de investigación científica e ferramentas informáticas avanzadas propias das ciencias sociais.
A25 CP6. Desenvolver a capacidade de entender en profundidade os fundamentos teóricos e prácticos dos métodos estatísticos, as técnicas multivariantes e as ferramentas de software para a análise avanzada.
A26 CP7. Desenvolver a capacidade de xerar teorías de alcance intermedio e, por tanto, potencialmente aplicables/transferibles á sociedade, interpretando os inputs que xeran as técnicas de análise social.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
O/a estudante interpretará unha análise de regresión simple e múltiple. AM14
AM16
AM17
AM24
AM25
AM26
O/a estudante interpretará unha análise de regresión loxística binaria AM14
AM16
AM17
AM24
AM25
AM26
O/a estudante interpretará unha análise discriminante. AM14
AM16
AM17
AM24
AM25
AM26
O/a estudante interpretará unha análise de correspondencias simples e múltiples. AM14
AM16
AM17
AM24
AM25
AM26
O/a estudante recordará os fundamentos estatísticos principais das técnicas de análise multivariante presentadas. AM14
AM16
AM17
AM20
AM24
AM25
AM26

Contidos
Temas Subtemas
0-INTRODUCIÓN -A importancia do nivel de medida das variables
-Deseño do cuestionario e análise multivariante
-Análise multivariante e teorías de alcance intermedio
1-ANÁLISE DE REGRESIÓN MÚLTIPLE -Procedemento, deseño e interpretación
-Análise do resume do modelo e da suma de cadrados
-Coeficientes da ecuación de regresión múltiple
-Supostos da análise
-Detección de casos atípicos e de observacións influentes
-Análise da multicolinealidade
-Métodos de inclusión de variables en SPSS
2-ANÁLISE DE REGRESIÓN LOXÍSTICA (BINARIA) -Selección e transformación de variables
-Probas de axuste global do modelo
-Táboa de clasificación
-Comentario do histograma das probabilidades prognosticadas
-Comentario de casos atípicos
3-ANÁLISIS DISCRIMINANTE -Pruebas de igualdad de las medias de los grupos
-Pesos, cargas y puntuaciones discriminantes
-Funciones discriminantes
-Matriz de clasificación y diagnóstico por caso
4-ANÁLISE DE CORRESPONDENCIAS SIMPLES E MÚLTIPLES -Procedimento, deseño e interpretación
-Análise das frecuencias marxinais
-Análise dos autovalores e das medidas discriminantes
-Comentario das dimensións
5-EXPOSICIÓN DOUTRAS TÉCNICAS MULTIVARIANTES

-Factorial
-Conglomerados
-Regresión loxística ordinal e multinomial

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas a través de TIC A24 A25 A26 25 30 55
Sesión maxistral A14 A16 A17 A20 25 60 85
 
Atención personalizada 10 0 10
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas a través de TIC Realización de prácticas destinadas a asimilar as competencias tipo "saber facer" das análises multivariantes inseridas no temario.
Sesión maxistral Sesións destinadas a abordar os aspectos teóricos do temario proposto.

Atención personalizada
Metodoloxías
Prácticas a través de TIC
Descrición
A atención personalizada é unha actividade académica que ten como finalidade atender as necesidades e consultas do alumnado, de forma individual ou nun pequeno grupo, relacionadas co estudo e desenvolvemento das prácticas da materia.

No inicio do cuadrimestre, comunicarase o horario das titorías a través, preferentemente, de Teams (en todo caso, rógase acudir ás mesmas previo aviso por e-mail).

Para o alumnado co recoñecemento de dedicación a tempo parcial e dispensa académica, acordarase a principio de curso un calendario específico de titorías compatible coa súa situación.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas a través de TIC A24 A25 A26 A avaliación da materia establécese a través da cualificación conxunta de dous exercicios prácticos que supoñen o 100% do valor da nota final.

A primeira práctica (cun valor de 7 puntos) realizarase en grupo, maioritariamente na aula. Centrarase no desenvolvimento e análise completo dunha técnica de análise multivariante a concretar.

A segunda práctica (cun valor de 3 puntos) será individual. Consistirá na exposición razoada a diferentes supostos/análises de resultados de técnicas de análise multivariante a determinar.
100
 
Observacións avaliación

É condición indispensable para superar a materia, obter como mínimo nas prácticas, a metade da máxima cualificación outorgable (5 de 10).

A avaliación do alumnado con recoñecemento de dedicación a tempo parcial e con dispensa académica de exención de asistencia, será igual que a do alumnado con dedicación completa.

Na 2ª oportunidade, os criterios de avaliación e traballos cualificables serán iguais aos propostos para a 1ª convocatoria.

O plaxio nas prácticas, unha vez comprobado, implicará directamente a cualificación de suspenso "0" na materia na convocatoria correspondente.

Para a realización das prácticas, utilizarase como software de análise, en principio, SPSS-Statistics e Microsoft Excel. 


Fontes de información
Bibliografía básica

Combessie, J.C. (2000): El método en sociología. Madrid. Alianza Editorial.

Escobar, M. (1999): Análisis gráfico/exploratorio. Cuadernos de estadística. Madrid. Editorial La Muralla.

Etxebarría, J. (1999): Regresión múltiple. Cuadernos de estadística. Madrid. Editorial La Muralla.

Everitt, B. S. (2006): A handbook of Statistical Analyses using R. London. Chapman & Hall.

García Ferrando, M. (1994): Socioestadística. Introducción a la estadística en sociología. Madrid. Alianza Universidad Textos.

García, E; Gil, J. y Rodríguez, G. (2000): Análisis factorial. Cuadernos de estadística. Madrid. Editorial La Muralla.

Hair, J, F. et al. (2007): Análisis multivariante, 5ª ed. Madrid. Prentice Hall.

Mafokozi, H. (2009): Introducción a la estadística para gente de letras. Madrid. Editorial CCS.

Merton, R. K. (1949): Teoría y estructuras sociales. México. Fondo de Cultura Económica, ed. 1980.

Joaristi, L. y Lizasoain, L. (2000): Análisis de correspondencias. Cuadernos de estadística. Madrid. Editorial La Muralla.

Pardo, A. y Ruiz, M.A. (2002): SPSS 11. Guía para el análisis de datos. Madrid. McGraw-Hill.

*Todas las referencias se puedan localizar en la Biblioteca de la UDC.

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

Para o correcto desenvolvemento da materia é fundamental que o/a alumno/a domine a lingua castelán.

Para a impartición da materia o software de análise a utilizar, en principio, será SPSS-Statistics e Microsoft Excel. Se o transcurso da materia o permite, empregaranse outros programas de software libre (R e Jamovi principalmente).

O alumnado (independentemente da modalidade escollida) deberá revisar regularmente o campus virtual da materia e consultar os documentos. 

A vía de comunicación co profesorado da materia será a institucional, é dicir, o correo da udc. 

Facilitarase a plena integración do alumnado que por razón físicas, sensoriais, psíquicas ou socioculturais, experimenten dificultades a un acceso axeitado, igualitario e proveitoso á vida universitaria.



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías