Diplomado en Análisis cuantitativo para la toma de decisiones

Descripción del curso:

Este curso está pensado para profesionales de instituciones públicas y privadas que necesitan ir más allá del Excel y usar modelos de regresión en software estadístico para transformar información en evidencia. Al finalizar, podrán medir efectos, identificar factores clave y sustentar con análisis sus informes, estudios y propuestas. El curso contempla clases expositivas, análisis de aplicaciones de la literatura, y sesiones extensivas de laboratorio en las que se abordarán problemas aplicados utilizando STATA con bases de datos reales.

Resultados de Aprendizaje:

• Diferenciar metodologías de econometría lineal y no lineal según su pertinencia para abordar problemas económicos con distintas estructuras de datos, como corte transversal y datos de panel, en contextos aplicados.
• Implementar modelos de econometría lineal y no lineal mediante software estadístico en el análisis empírico de problemas económicos relevantes para instituciones públicas y privadas.
• Interpretar resultados de modelos de econometría clásica en términos de relaciones causales y no solo correlacionales en aplicaciones de microeconomía vinculadas a la gestión y a las políticas públicas.

Contenidos:

• Introducción: del dato al insight económico
• Inferencia estadística aplicada: ley de grandes números y teorema central del límite
• Regresión lineal: estimación e interpretación.
  • El modelo de MCO
  • Supuestos clásicos
  • Teorema de Gauss-Markov
  • Bondad de ajuste
  • Inferencia
• Heterocedasticidad, errores robustos y clustering
• Causalidad vs correlación: el problema fundamental de identificación, variables omitidas y sesgo de selección
• Panel data: efectos fijos y efectos aleatorios, test de Hausman
• Variables dummy y polinómicas
• Modelos no lineales:
  • Probit y Logit
  • Estimación por máxima verosimilitud
  • Interpretación de efectos marginales
• Contenido de Laboratorios STATA
  • Introducción a STATA - manejo de datos, estadística descriptiva, gráficos
  • Primera regresión - wage equations con datos de encuesta de hogares tipo CPS o CASEN (Current Population Survey)
  • Regresión múltiple - returns to education con datos de NLSY
  • Heterocedasticidad y errores robustos - aplicación con datos reales
  • Panel data - estimación de efectos individuales con datos laborales longitudinales
  • Logit/Probit - labor force participation y efectos marginales
  • Taller integrador - replicación de paper aplicado simple

Estrategias Metodológicas:

• Clases expositivas teóricas
• Análisis de literatura
• Laboratorio práctico con STATA
• Aprendizaje activo mediante resolución de problemas empíricos

Estrategias Evaluativas:

• 2 tareas de laboratorio (código STATA + interpretación de resultados): 60%
• 1 examen teórico-práctico individual: 40%
• Prueba escrita : 40%

Descripción del curso:

Este curso entrega herramientas fundamentales de econometría aplicada y análisis causal para estimar efectos mediante diseños experimentales confiables, especialmente experimentos aleatorios (RCT) y aplicaciones tipo A/B testing. Los aprendizajes se desarrollan mediante clases expositivas, discusión guiada de evidencia aplicada y laboratorios intensivos en STATA con datos reales. La evaluación se basa en ejercicios prácticos, tareas de laboratorio y talleres integradores que exigen implementar, interpretar y comunicar resultados experimentales de manera rigurosa y reproducible.

Resultados de Aprendizaje:

• Formular preguntas de evaluación de impacto y seleccionar diseños experimentales simples adecuados para responderlas en contextos de políticas públicas y de gestión de empresas.
• Implementar experimentos aleatorios y esquemas de A/B testing en software estadístico, obteniendo estimaciones reproducibles de efectos causales en problemas aplicados.
• Evaluar la validez interna de evaluaciones experimentales mediante diagnósticos de balance, attrition, cumplimiento e inferencia apropiada, comunicando sus implicancias para la toma de decisiones en organizaciones públicas y privadas

Contenidos:

• Marco causal (Rubin) y efectos de tratamiento
  • ATE
  • ATT
  • LATE
• Experimentos aleatorios (RCT):
  • Diseño
  • Randomización
  • Balance checks
  • Attrition
  • Power calculations
• RCT en la práctica:
  • Implementación
  • Amenazas a validez
  • Consideraciones éticas
• Inferencia: errores estándar robustos y clustering cuando corresponda
• Ejemplos: evaluación de programas, A/B testing
• Contenido de Laboratorios STATA
  • Power calculations y procedimientos de randomización
  • Análisis completo de un RCT (balance, ITT, heterogeneidad, attrition)
  • RCT con no cumplimiento (estimación e interpretación de efectos)
  • Clustering standard errors, validación, chequeos de robustez y comunicación de resultado.

Estrategias Metodológicas:

• Clases expositivas teóricas
• Análisis de literatura
• Sesiones extensivas de laboratorio práctico con STATA,
• Aprendizaje activo mediante resolución de problemas empíricos

Estrategias Evaluativas:

• 3 tareas de laboratorio (cada una con paper, datos y preguntas específicas): 70%
• 1 examen conceptual individual: 30%

Descripción del curso:

Este curso entrega herramientas avanzadas de inferencia causal para identificar efectos con datos imperfectos y seleccionar estrategias de identificación robustas (RD, IV, matching y DiD) para evaluaciones de impacto en organizaciones públicas y privadas. Los aprendizajes se desarrollan mediante clases expositivas, discusión guiada de evidencia aplicada y laboratorios intensivos en STATA con datos reales. La evaluación se basa en ejercicios prácticos, tareas de laboratorio y talleres integradores que exigen implementar, interpretar y comunicar resultados de evaluaciones cuasiexperimentales de manera rigurosa y reproducible.

Resultados de Aprendizaje:

• Diagnosticar problemas de endogeneidad, sesgo de selección y asignación basada en umbrales en estudios de impacto con datos observacionales en organizaciones públicas y privadas.
• Implementar modelos cuasiexperimentales de matching, diferencia en diferencias (incluyendo event studies), variables instrumentales y regresión discontinua en STATA para estimar efectos causales en contextos aplicados.
• Evaluar la validez y robustez de resultados obtenidos con métodos cuasiexperimentales mediante diagnósticos y pruebas estándar, determinando su pertinencia como base para decisiones de política y gestión.

Contenidos:

• Introducción a métodos cuasi-experimentales y problema de endogeneidad
  • Marco conceptual de inferencia causal en contextos observacionales.
  • Rol de los métodos cuasi-experimentales frente a la ausencia de RCTs.
• Matching
  • Intuición y supuesto de independencia condicional.
  • Métodos: exact matching, nearest neighbor, propensity score matching, kernel matching.
• Diferencia en diferencias y event studies
  • Supuesto de tendencias paralelas.
  • Estimación y amenazas a la identificación.
  • Event studies y dynamic DiD: efectos dinámicos, pre-trends y heterogeneidad.
• Variables Instrumentales (IV)
  • Motivación, endogeneidad, supuestos de relevancia y exclusión.
  • Estimación 2SLS, interpretación como LATE, noción de instrumentos débiles y tests básicos.
• Regresión Discontinua (RD)
  • Diseños sharp y fuzzy, supuesto de continuidad.
  • Idea de estimación local y criterios básicos de bandwidth.
  • Principales diagnósticos: manipulación en el running variable, discontinuidad en covariables.
• Contenido de Laboratorios STATA
  • Matching
    • Implementación de propensity score matching completo con datos de programas de capacitación.
    • Diagnósticos de balance y soporte común.
  • Diferencia en diferencias clásico
    • Replicación parcial de Card & Krueger (salario mínimo).
    • Estimación DiD e interpretación de coeficientes.
  • Event study
    • Estimación dinámica de efectos de una intervención.
    • Construcción e interpretación de gráficos de pre-trends y efectos en el tiempo.
  • Variables instrumentales
    • Caso clásico (por ejemplo, Angrist & Evans o retornos a la educación).
    • Estimación 2SLS, tests de instrumentos débiles y sobre identificación, interpretación de LATE.
  • Regresión discontinua – diseño sharp y fuzzy
    • Implementación de RD con umbral de elegibilidad.
    • Estimación básica sharp y fuzzy, comparación de resultados.
  • Taller integrador de métodos cuasi-experimentales
    • Selección del método adecuado según pregunta y datos.
    • Implementación resumida (matching/DiD/IV/RD) y discusión de diagnósticos y robustez.

Estrategias Metodológicas:

• Clases expositivas teóricas
• Análisis de literatura
• Sesiones extensivas de laboratorio práctico con STATA,
• Aprendizaje activo mediante resolución de problemas empíricos

Estrategias Evaluativas:

• 2 tareas de laboratorio: 50%
• Proyecto final (código STATA + informe breve + presentación): 50%