Curso de Análisis Estadístico Avanzado en SPSS

En este curso se trabajará sobre técnicas de análisis estadístico multivariado: regresión lineal y no lineal , regresión logística, análisis factorial, de componentes principales, discriminante y de conglomerados (clusters). Los contenidos se plantean como continuación de Introducción al Análisis Estadístico en SPSS. 

​

Duración 8 semanas (32 hs.) 

​

Inicio 6 de julio​

​

Modalidad Asincrónica. Aula virtual con tutoría personalizada 

​

Profesora Julieta Lenarduzzi

​

Objetivos​​

• Familiarizar a las/os estudiantes con los principales procedimientos para el análisis de datos con múltiples variables en SPSS.

• Introducir al manejo de las técnicas de análisis de regresión, reducción de dimensiones y clasificación de casos y variables.

• Brindar herramientas para el diseño de pruebas estadísticas adecuadas a los tipos de preguntas y datos con los que se trabaja en las ciencias sociales.

​

Destinatarias/os

El curso se dirige a personas que tengan interés, o cuyas ocupaciones requieran el manejo de  herramientas de  análisis  de  datos  cuantitativos en  diversas  áreas  de  las  ciencias sociales. 

 

Para participar del curso es preciso contar con los siguientes conocimientos:

 

• nivel básico de manejo del paquete estadístico SPSS (apertura e importación de archivos, ingreso de datos, transformación de datos),

• conocimientos de estadística descriptiva (cálculo de frecuencias, medidas de tendencia central y dispersión) y

• conocimientos básicos de estadística inferencial (probabilidad, test de hipótesis, intervalos de confianza, nivel de significación, análisis estadístico univariado y bivariado).

​

Se requiere tener instalado los programas IBM SPSS versión 19 o superior, Microsoft Word, Excel y Adobe Acrobat.

​

Contenidos

Módulo 1: Muestreo (1 clase)​

• Muestreo aleatorio simple

• Muestreo estratificado

• Muestreo por conglomerados (monoetápico y polietápico)

• Simulación de muestreo

​​

Módulo 2: Reducción de dimensiones (2 clases)

• Análisis factorial y análisis de componentes principales 

• Técnicas de escalamiento óptimo

• Análisis de correspondencias simple y múltiple

• Análisis de componentes principales categórico

​

Módulo 3: Clasificación de casos y variables (2 clases)

• Análisis discriminante

• Análisis de conglomerados (clusters)

• Análisis de conglomerados jerárquico, bietápico y de k-medias

​​

Módulo 4: Modelos no lineales (3 clases)​​

• Regresión no lineal

• Regresión Logística (Logit) y Probit

• Regresión logística binaria, nominal, ordinal

• Regresión categórica (escalamiento óptimo)​

​

Metodología

Para cada clase los estudiantes podrán acceder a varios archivos e hipervínculos para trabajar sobre los contenidos de la clase correspondiente:

• un documento pdf con los contenidos de la clase y ejercicios para que realicen a medida que vayan avanzando en la lectura (los ejercicios que se encuentran dentro del documento son para que practiquen y se auto evalúen, no forman parte de la calificación del curso);

• un documento pdf con las respuestas a los ejercicios;

• uno o más videos explicativos para apoyar el contenido de la clase;

• una base de datos (documento o hipervínculo) para utilizar y aplicar los conocimientos obtenidos en la clase;

• la consigna para realizar el trabajo práctico.

​

Los contenidos del curso se distribuirán en 8 clases, una por semana, con una dedicación requerida de aproximadamente 6 hs. semanales por parte de las/os estudiantes.

 

Las/los estudiantes pueden ver las clases y realizar los ejercicios en los horarios que prefieran y la/el tutor/a responderá sus consultas a la brevedad.

​

Evaluación

• Ejercicios: en todas las clases, las/os estudiantes realizarán ejercicios con mecanismos de autoevaluación. Estos ejercicios no tendrán calificación.

• Trabajos prácticos: en cada unidad, las/los estudiantes realizarán un trabajo práctico utilizando una base de datos y realizando los procedimientos aprendidos. 

• Examen final: al finalizar el curso habrá un examen final con preguntas breves (multiple choice/completar espacios en blanco/verdadero-falso) para revisar los conocimientos adquiridos. 

​

Certificación

Para obtener el certificado de PARTICIPACIÓN del curso se requiere que la/el estudiante complete al menos 3 de los 4 trabajos prácticos propuestos.

​

Para obtener el certificado de APROBACIÓN del curso, la/el estudiante deberá realizar 3 de los 4 trabajos prácticos y aprobar un examen final con calificación mínima de 7/10 puntos. Este examen tiene instancia recuperatoria.

​

Los certificados son extendidos por TIBER Escuela de Estudios Políticos y Sociales. 

​

Los cursos no brindan puntaje docente.

​

Precio

​

25% DESCUENTO

SPSS introducción + 

SPSS avanzado