FACULTAD DE CIENCIAS SOCIALES

SLABO SEMESTRE 2011-II

1. INFORMACIN GENERAL Nombre del curso Cdigo del curso Carcter Crditos Profesor del curso Jefe de Prctica Horario de Teora Horario de Prctica 2. FUNDAMENTACIN La poltica en busca de su sitial cientfico respeta una metodologa de investigacin. En ese sentido, la ciencia poltica requiere el uso de la estadstica para probar formalmente los modelos cuantitativos derivados a partir de sus hiptesis de investigacin emprica. 3. SUMILLA DEL CURSO Se analizan las tcnicas cuantitativas de anlisis multivariable aplicadas a la investigacin en ciencia poltica. Construccin de modelos cuantitativos para representar relaciones entre fenmenos polticos empricos. Anlisis de la varianza y correlacin parcial. Anlisis de regresin mltiple: interpretacin de coeficientes; regresin con variables categricas; diagnstico de regresin; especificacin de modelos. Introduccin a la regresin logstica. Tcnicas para identificar categoras de anlisis ms o menos complejas: anlisis discriminante, anlisis factorial y anlisis de conglomerados. : : : : : : : : Estadstica para el Anlisis Poltico II POL 304 Obligatorio Tres(03) Jos Manuel Magallanes Jos Luis Incio Martes de 10 a 1 pm Miercoles o Jueves de 8 a 10 am

4. OBJETIVOS DE APRENDIZAJE/ LOGROS DE APRENDIZAJE COGNITIVOS: Conocer los procesos de construccin de indicadores y modelos estadsticos transversales y longitudinales. INSTRUMENTALES: Manejar adecuadamente diversos programas informticos que faciliten el modelamiento estadstico (EXCEL, R, STATA, SPSS, entre otros). ACTITUDINALES: Desarrollar destrezas e inters en el modelamiento formal de hiptesis en ciencia poltica.

5. ESTRUCTURA TEMTICA

PARTES TEORICOS
I Construccin de Indicadores Complejos

TEMAS PRCTICOS
Uso del R, SPSS y STATA para el clculo de indicadores complejos. Uso del R y SPSS para el anlisis de conglomerados y anlisis discriminante.

Diferencias entre Anlisis Factorial, anlisis de rasgos latentes, anlisis de perfil latente y anlisis de clases latentes. Uso del Escalamiento ptimo. Anlisis de Conglomerados y Anlisis Discriminante.

Modelo Lineal General MLG (Distribucin Gauss), Requisitos, Diseos II y Problemas con outliers. Modelamiento Estadstico Modelo Lineal Generalizado -MLGZ: Transversal Distribuciones Poisson, binomial, binomial negativa y multinomial. Regresin para variables en proporciones (beta), truncadas, censuradas y en intervalos. Ecuaciones Estructurales

Uso del R, SPSS y STATA para el MLG. Uso del R, SPSS y STATA para el MLGZ. Uso del R para la regresin beta y del STATA para regresiones truncadas, censuradas y en intervalos. Uso del R para ecuaciones estructurales. Uso del SPSS pary R para medidas repetidas MLG y del SPSS para GEE. Uso del R y SPSS para anlisis de eventos histricos. Uso del SPSS para el modelamiento de Series de Tiempo.

III Modelamiento Estadstico Transversal Avanzado

Medidas Repetidas con MLG y Ecuaciones de Estimacin Generalizada (GEE). IV Modelamiento Anlisis de Eventos Histricos con tablas Estadstico de vida, tcnica Kalna-Meier y Regresin Longitudinal Cox. Introduccin al modelamiento de Series de tiempo.

6. METODOLOGA El curso contempla: SOBRE LAS CLASES TERICAS: Explicaciones detalladas del docente: Se har uso de presentaciones en Power Point (slides), en Prezi (historias animadas), en Mindmeister (mapas mentales) y videos (en videos pucp). SOBRE LAS CLASES PRCTICAS: Practicas intensivas de programas informticos: cada tema ser abordado adems con prcticas en los entornos informticos para anlisis de datos ms utilizados en el medio. Cada sesin de prctica ser luego de la sesin terica (intercalado entre semanas). Cada sesin prctica tendr ejercicios dirigidos y calificados. SOBRE LAS EVALUACIONES: Todas las actividades sern individuales, tanto exmenes como los tests semanales. No habr sustitutorio ni examen de aplazados. 7. EVALUACIN
Ponderacin sobre la nota final 25% 25% 30% 20%

Cantidad 1 1 4 1

Tipo de Evaluacin EXAMEN PARCIAL (EP) EXAMEN FINAL (EF) PRACTICAS CALIFICADAS (PC) TRABAJO INDIVIDUAL

o o o o o

El examen parcial incluye los temas tratados hasta la semana anterior. El examen final incluye todo el curso. Se tomarn 4 prcticas calificadas. Cada prctica incluye slo los temas tratados entre prcticas, no temas anteriores. El trabajo individual consistir en plantear y sustentar una hiptesis de investigacin con una base de datos ad-hoc, la misma que podra ser luego desarrollada en los curso de Diseo de Investigacin y Seminario de Tesis. Cada evaluacin es de 0 a 20.

A partir de ah el promedio se obtiene as:

0.25 EP 0.25 EF 0.2 TF 0.3 PCi

i 1
7.1. FECHAS DE EVALUACIONES TERICAS:
Sern publicadas por la secretara de la especialidad.

7.2. FECHAS DE PRCTICAS CALIFICADAS:

01 de septiembre 29 de septiembre 03 de noviembre 24 de noviembre

8. RECURSOS PARA EL ALUMNO INTRANET DEL CURSO: En la intranet estar disponible todos los materiales necesarios para una correcta comprensin de los temas del curso, que constar de: o BASES DE DATOS o ARCHIVOS DE EJEMPLO o SEPARATAS Y PRESENTACIONES o LECTURAS ESCOGIDAS BLOG DEL PROFESOR: Se tendr diversos materiales disponibles en el blog del profesor (blog.pucp.edu.pe/magallanes), entre los que destacan 3 innovaciones: o MAPAS MENTALES INTERACTIVOS o PRESENTACIONES DINMICAS o VIDEOS DEMOSTRATIVOS 9. BASES DE DATOS A UTILIZAR Banco Central de www.bcrp.gob.pe/estadisticas.html Reserva del Per Banco Interamericano de www.iadb.org/datagob/index.html Desarrollo Data de Sistemas www.cses.org Electorales del Mundo Instituto Nacional de www.inei.gob.pe Estadstica e Informtica Latinobarmetro Ministerio de Economa y Finanzas Encuesta Mundial de valores Freedom House Jurado Nacional de Elecciones www.latinobarometro.org ofi.mef.gob.pe/transparencia/Navegador/default. aspx www.worldvaluessurvey.org www.freedomhouse.org www.jne.gob.pe

10. BIBLIOGRAFIA COMPLEMENTARIA A LAS CLASES

Johnson, Richard A. (2007) Tacq, Jacques (1997). Jacoby, William G. (1998) Anderson, Ralph (1999) Applied multivariate statistical analysis Upper Saddle River, NJ : Pearson Prentice Hall Multivariate analysis techniques in social science research : from problem to analysis. London : Sage Statistical graphics for visualizing multivariate data Madrid : Thousand Oaks : SAGE Anlisis multivariante. Madrid : Prentice Hall

Agosto de 2011.