III.1. Resultado general:

Desarrollar la capacidad de aplicar técnicas de estadística multivariante descriptiva e inferencial para analizar datos, formular hipótesis y construir modelos explicativos en investigaciones sociales, asegurando la correcta interpretación y comunicación de los resultados.

III.2. Resultados específicos:

1. Gestionar bases de datos complejas, asegurando su preparación y estructuración para el análisis.
2. Definir y estructurar problemas de análisis multivariante, formulando preguntas de investigación con sustento metodológico.
3. Seleccionar técnicas estadísticas adecuadas, justificando su aplicación en función del tipo de datos y los objetivos del análisis.
4. Utilizar herramientas computacionales especializadas, aplicando modelos en R y RStudio de manera efectiva.
5. Interpretar de forma rigurosa los resultados del análisis, identificando sus alcances y limitaciones.
6. Redactar informes técnicos y académicos, comunicando los hallazgos de manera clara, estructurada y fundamentada.

1. Gestión de datos con R

• Introducción a la manipulación de datos con tidyverse.
• Cálculo e interpretación de estadísticos descriptivos.
• Visualización de información con ggplot2.
• Elementos introductorios de investigación reproducible.

2. Introducción al uso de muestras complejas en R

• Conceptos fundamentales de muestreo complejo.
• Diseño de encuestas y aplicación de ponderaciones.
• Inferencia estadística en muestras complejas.
• Manejo de encuestas con los paquetes survey y svyr.

3. Introducción a los modelos multivariados

• Rol de los modelos en las ciencias sociales.
• Diferencias entre enfoques exploratorios y confirmatorios.
• Repaso de conceptos estadísticos clave: covarianza, correlación e inferencia.
• Supuestos del análisis multivariante y su importancia.

4. Repaso de modelos de regresión

• Relevancia del control estadístico.
• Regresión lineal múltiple.
• Regresión logística binaria.

5. Análisis Factorial Exploratorio

• Aplicación en la investigación sociológica.
• Comparación entre análisis de componentes principales y factor común; supuestos del método.
• Métodos de extracción de factores, criterios de selección y técnicas de rotación.
• Interpretación de la matriz factorial y evaluación del ajuste. Cálculo de puntuaciones factoriales.
• Introducción al paquete psych.

6. Análisis Factorial Confirmatorio

• Diferencias principales con el análisis factorial exploratorio.
• Especificación e identificación del modelo, estimación de parámetros.
• Evaluación del ajuste, reespecificación y validez (convergente y discriminante).
• Ejemplo práctico de análisis confirmatorio.
• Introducción al paquete lavaan.

7. Análisis de Sendero

• Fundamentos y aplicación en ciencias sociales.
• Especificación del modelo de sendero y verificación de supuestos.
• Evaluación de la medición y capacidad confirmatoria.
• Ejemplo aplicado en investigación sociológica.

8. Modelos de Ecuaciones Estructurales

• Definición y aplicación de los SEM en ciencias sociales.
• Estructura del modelo y supuestos de la técnica.
• Estimación y evaluación del modelo, introducción de modificaciones.
• Ejemplos de modelamiento de ecuaciones estructurales.

Re corrección

Según reglamento, los estudiantes tienen derecho a conocer las notas y la pauta de corrección de todas las evaluaciones en un plazo que no podrá exceder de 10 días hábiles contados desde la fecha desde que éstas fueran rendidas, como también a conocer el resultado de sus evaluaciones solemnes o principales, antes de rendir las siguientes de igual categoría en una misma asignatura.
Los estudiantes pueden imputar la corrección de cualquier evaluación escrita, en un plazo no superior a 5 días hábiles desde la entrega de la nota. Ello, a través de una carta dirigida al secretario de estudios, que debe ir acompañada por la prueba, trabajo o informe evaluado y además, por las correcciones y comentarios que eventualmente haya entregado el/la docente. El académico deberá comunicar al estudiante el resultado de la recorrección, fundamentando por escrito sus argumentos, en un plazo no superior a los 5 días hábiles.

VII.1. Bibliografía obligatoria.

• Batista-Foguet, J. M., Coenders, G., & Alonso, J. (2004). Análisis factorial confirmatorio: su utilidad en la validación de cuestionarios relacionados con la salud. Medicina Clínica, 122(Supl. 1).
• Boccardo, G. & Ruiz, F. (2019). RStudio para estadística descriptiva en ciencias sociales: Manual de apoyo docente para la asignatura Estadística Descriptiva. Departamento de Sociología, Facultad de Ciencias Sociales, Universidad de Chile.
• Cea D’Ancona, M. A. (2002). Análisis multivariable: teoría y práctica de la investigación social. Síntesis Sociológica. ISBN: 84-7738-943-8
• Darlington, R. B. & Hayes, A. F. (2017). Regression analysis and linear models: concepts, applications, and implementation. Guilford Press.
• De la Garza García, J. (2013). Análisis estadístico multivariante: un enfoque teórico y práctico. McGraw-Hill. ISBN: 978-607-15-0817-1
• Ferrando, P. J. & Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de investigación en psicología. Papeles del Psicólogo, 31, 18–33.
• Gana, K. & Broc, G. (2019). Structural equation modeling with lavaan. Wiley. ISBN: 978-1786303691
• Levi, J. P. & Varela, J. (2001). Análisis multivariante para las ciencias sociales. Prentice Hall. ISBN: 84-205-3727-6
• Ministerio de Desarrollo Social y Familia. (2023). Metodología de diseño muestral: Encuesta de Caracterización Socioeconómica Nacional (Casen 2022) (Versión revisada en octubre 2023). Santiago, Chile: Ministerio de Desarrollo Social y Familia. Recuperado de https://observatorio.ministeriodesarrollosocial.gob.cl/storage/docs/casen/2022/Diseno_Muestral_Casen_2022_v20oct23.pdf.
• Pérez, E., Medrano, L. A., & Rosas, J. S. (2013). El path analysis: conceptos básicos y ejemplos de aplicación. Revista Argentina de Ciencias del Comportamiento, 5(1), 52–66.
• Ruiz, M. A., Pardo, A., & San Martín, R. (2010). Modelos de ecuaciones estructurales. Papeles del Psicólogo, 31(1), 34–45.
• Uriel, E. & Aldás, J. (2005). Análisis multivariado aplicado. Editorial Thomson. ISBN: 8448136101
• Wickham, H. (2019). R para ciencia de datos. [Versión en español]. Disponible en: https://es.r4ds.hadley.nz/index.html
• Zimmer, S. A., Powell, R. J., & Velásquez, I. C. (2024). Exploring complex survey data analysis using R: A tidy introduction with {srvyr} and {survey}. CRC Press.

VII.2. Bibliografía complementaria.

• Ato, M. & López, J. J. (1996). Análisis estadístico para datos categóricos. Sintesis. ISBN: 8477383928
• Díaz de Rada Iguzquiza, V. (2002). Técnicas de análisis multivariante para la investigación social y comercial. Ra-Ma. ISBN: 8478975152
• Escofier, B. & Pagès, J. (1994). Análisis factoriales simples y múltiples: objetivos, métodos e interpretación. Servicio Editorial, Universidad del País. ISBN: 8475853838
• Johnson, D. E. (2000). Métodos multivariados aplicados al análisis de datos. International Thomson Editores. ISBN: 9687529903
• Rosseel, Y. (2017). The lavaan tutorial. Department of Data Analysis, Ghent University. Retrieved from https://faculty.washington.edu/matsueda/courses/529/Readings/Lavaan%20tutorial.pdf