Análisis Cuantitativo Avanzado (3º curso, 2º cuatrimestre) forma parte del grupo de materias denominadas técnicas o instrumentales que son comunes a los Grados de Sociología, Ciencia Política y Gestión Pública y Grado en Ciencia Política y Gestión Pública y Sociología, y que de modo general y coordinado deben capacitar al alumnado de estas titulaciones para la planificación, realización y evaluación de la investigación social y política aplicada.

Este grupo de asignaturas son:

-Introducción a la investigación social y política (1º curso, 2º cuatrimestre)

-Investigación Social Cualitativa (2º curso, 1º cuatrimestre)

-Investigación Social Cuantitativa: encuesta y datos secundarios (2º curso, 1º cuatrimestre)

-Gestión y análisis estadístico de datos I (2º curso, 2º cuatrimestre)

-Gestión y análisis estadístico de datos II (3º curso, 1º cuatrimestre)

- Análisis Cuantitativo Avanzado (3º curso, 2º cuatrimestre)

-Diseño y Elaboración de Proyectos (3º curso, 2º cuatrimestre)



Y en el caso del Grado en Sociología, se añaden dos materias más:

-Taller de investigación (2º curso, 2º cuatrimestre)

-Investigación Social Cualitativa avanzada (3º curso, 1º cuatrimestre)

La materia a la que hace referencia esta guía docente se imparte en 3º curso, con lo que asume y parte de contenidos y capacitaciones que se han trabajado en materias precedentes. Más concretamente, esta materia trabaja en las fases de análisis estadístico aplicado en las investigaciones de tipo cuantitativo por lo que de modo más específico continúa y completa el aprendizaje iniciado en “Gestión y análisis de datos I” (2º curso, 2º cuatrimestre) y "Gestión y análisis estadístico de datos II" (3º curso, 1º cuatrimestre).



La materia proporciona las herramientas necesarias para la identificación y resolución de problemas de relaciones multivariantes, diferenciando las diversas técnicas estadísticas en función del tipo de datos y sus utilidades. Se analizan, por un lado, diversas técnicas descriptivas (modelos de interdependencia), de reducción de datos (componentes principales, correspondencias simples y múltiples) y de clasificación (Cluster y k-means) y, por otro, técnicas explicativas (modelos de dependencia) y de segmentación y tipologías (árboles de decisión AID, CHAID) con especial atención a la interpretación de resultados.



Para poder desarrollar “Análisis Cuantitativo Avanzado” sin excesiva dificultad debe tenerse un dominio básico de la estadística inferencial y descriptiva univariante y bivariante (Pruebas de hipótesis, Tablas de Contingencia, Modelos de Regresión Simple) y conocimientos a nivel de usuario en el uso y explotación de ficheros con el programa IBMSPSS o equivalente.

COMPETENCIAS DE LA TITULACIÓN. El diseño de la asignatura y las competencias que en ella se trabajan se enmarcan dentro de las siguientes competencias de la titulación:



GENERALES

G001 - Planificar y realizar una investigación sociológica aplicando las técnicas más adecuadas a los objetivos planteados; G002 - Elaborar y presentar un informe de investigación sociológica; G004 - Diseñar, gestionar y evaluar proyectos de políticas públicas y de intervención social, así como sus resultados; G005 - Identificar y analizar los procesos y necesidades básicos que se producen en estructuras organizacionales públicas y privadas; G007 - Diseñar y evaluar políticas y programas educativos y formativos en instituciones públicas y privadas con especial interés en el fomento de una cultura de paz y valores democráticos; G008 - Analizar de manera sintética la información referente a los problemas y necesidades sociales, con especial atención a las desigualdades de género, clase y etnia; G009 - Desarrollar una actitud crítica sobre los datos y las prácticas sociales; G010 - Utilizar el rigor intelectual y ético en las argumentaciones y análisis sociológicos de cara a su futuro profesional.





BÁSICAS

CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio; CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio; CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética; CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado; CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía





COMPETENCIAS TRANSVERSALES

CT3 - Comunicación y plurilingüismo; CT5 - Gestión de la información y ciudadanía digital; CT7 - Pensamiento crítico; CT8 - Trabajo en grupo.



COMPETENCIAS ESPECÍFICAS

C3CC01 - Analizar y diseñar diversos modelos de proyectos de investigación social; C3CC02 - Comprender y aplicar la lógica del análisis multivariable y utilizar adecuadamente el SPSS para el análisis y gestión de datos.



RESULTADOS DE APRENDIZAJE

1.Resolver problemas de relaciones multivariantes.

2.Saber aplicar los análisis estadísticos de simplificación y clasificación multivariable.

TEMA 1. Condiciones metodológico-estadísticas para el análisis multivariable: análisis exploratorio. Introducción al análisis multivariante. Conceptos. Técnicas descriptivas y técnicas explicativas. Condiciones, límites y ventajas de aplicabilidad. Contextualización del análisis multivariante en el proceso de investigación social.



TEMA 2. Análisis Cluster. Técnica descriptiva de clasificación. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Contextos de uso y beneficios obtenidos con su aplicación.



TEMA 3. Análisis KMEANS. Técnica descriptiva de clasificación. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Contextos de uso y beneficios obtenidos con su aplicación.



TEMA 4. Análisis factorial de correspondencias (AFC), simples y múltiples. Técnica descriptiva de reducción de datos. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Contextos de uso y beneficios obtenidos con su aplicación



TEMA 5. Análisis factorial de componentes principales. Técnica descriptiva de reducción de datos. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Contextos de uso y beneficios obtenidos con su aplicación



TEMA 6. Análisis Factorial de Varianza. Técnica explicativa de construcción de modelos predictivos de comportamiento. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Tipos de variables. Contextos de uso y beneficios obtenidos con su aplicación.



TEMA 7. Análisis de Regresión Múltiple. Técnica explicativa de construcción de modelos predictivos de comportamiento. Concepto. Requisitos y condiciones de aplicabilidad. Limitaciones. Tipos de variables. Contextos de uso y beneficios obtenidos con su aplicación.



TEMA 8. Análisis de segmentación CHAID y AID. Técnica de dependencia de segmentación y tipologías. Conceptos. Requisitos y condiciones de aplicabilidad. Limitaciones. Contextos de uso y beneficios obtenidos con su aplicación.

Esta asignatura tiene 6 créditos ECTS y las actividades formativas se organizan en 32 horas de docencia magistral y 28 de prácticas. Se entiende que . alcanzar las competencias, hay otras 90 horas de trabajo autónomo del estudiante (media de 6h/semana de dedicación).



En esta materia se utilizan diversas metodologías siendo la más importante el aprendizaje basado en problemas y proyectos. Se potenciará especialmente el trabajo autónomo de los/las estudiantes, así como las estrategias participativas.



Más concretamente y en conexión con las diversas modalidades docentes (magistral, práctica de laboratorio) la metodología de la asignatura, aplicada y participativa, combina la teoría con la práctica, el trabajo en un aula convencional con el trabajo en sala de ordenadores, el trabajo individual con el trabajo en equipo.



-.En las sesiones magistrales/expositivas el alumnado asiste a la explicación y ejemplificación por parte del/a profesor/a de los conceptos teóricos de cada técnica de análisis multivariante en el contexto de un aula convencional. La metodología de trabajo se basa en la clase magistral, fomentando espacios de comunicación y posibilitando el contraste de ideas.

-.En las sesiones prácticas-presenciales se potencia el trabajo individual y colaborativo. El alumnado trabaja conforme a la siguiente dinámica:



1)El alumnado trabaja en el aula de ordenadores con el paquete estadístico IBMSPSS o equivalente. Cada alumno/a trabaja en un puesto de trabajo y, autorizados/as por el/la profesor/a, experimenta con un hipotético caso concreto de investigación social y recrea un proceso de tabulación de datos y de proceso estadístico de datos multivariante con la citada aplicación informática.



2)El alumnado trabaja en el aula de ordenadores y/o en el aula convencional para interpretar las salidas de datos obtenidas en la fase anterior. Esta fase se realiza en pequeños grupos o equipos de trabajo, de manera que se construyen espacios para la reflexión, el contraste y la discusión, fundamentales en el proceso de aprendizaje.



3) El alumnado en un aula convencional o en la sala de ordenadores asiste a la explicación, reflexión y discusión en el grupo amplio y con la guía del profesor/a, del caso analizado(planteamiento, proceso de datos, salidas, interpretación, conclusiones). Esta fase habilita a éste para la autoevaluación de sus avances en su proceso de aprendizaje.



-. Consulta específica en tutoría.

• Sistema de Evaluación Continua
• Sistema de Evaluación Final
• Herramientas y porcentajes de calificación:
  • Trabajos en equipo (resolución de problemas, diseño de proyectos) (%): 25
  • Prueba teórico-práctica (%): 75

I. La EVALUACIÓN CONTINUA es el sistema preferente de evaluación. Consta de:

1.1) Programa de prácticas, entregables individuales y entregable de grupo. La evaluación continua está vinculada al programa práctico con actividades semanales de resolución de problemas y ejercicios.

Se evaluará con estos instrumentos:



-. Primera prueba individual y presencial(C1). Computa un 35% de la nota final si la calificación es de al menos 5/10. Prueba teórico-práctica de explotación (con programa SPSS o equivalente), lectura e interpretación de resultados.



-. Segunda prueba individual y presencial (C2). Computa un 40% de la nota final, siempre y cuando se haya aprobado la primera prueba individual y presencial (C1). Prueba teórico-práctica con ejercicios de explotación (con programa SPSS o equivalente), lectura e interpretación de resultados.



-. Trabajo de grupo (TG). Computa un 25% de la calificación final. Únicamente se calificará en la evaluación continua.



-. Prueba única individual(F). Prueba presencial e individual para el alumnado que no haya aprobado el primer (C1) entregable. Computa un máximo del 75% de la calificación final. Se realizará una prueba teórico-práctica con ejercicios de explotación (programa SPSS o equivalente), lectura e interpretación de resultados que acredite la consecución de todas las competencias de la asignatura.



IMPORTANTE A CONSIDERAR:

a) Para obtener la calificación de la evaluación continua será obligatorio presentar todos los entregables.

b) Para aprobar la asignatura es imprescindible aprobar la prueba final.

c) Los resultados obtenidos en la evaluación continua únicamente se computarán en la calificación global de la convocatoria ordinaria.

d) De acuerdo con el art.12.2 de la Normativa Reguladora de la Evaluación del Alumnado, en el caso de la evaluación continua:

d.1. Si el peso de la prueba final es superior al 40% de la asignatura, será suficiente no presentarse al examen para que la calificación sea no presentado o no presentada.

d.2. En caso contrario, si el peso de la prueba final es igual o inferior al 40%, el alumnado podrá renunciar a la convocatoria en un plazo mínimo de un mes antes de la finalización del 2º cuatrimestre (13 de abril de 2022). La renuncia deberá presentarse por escrito ante el profesorado responsable de la asignatura.



II. SISTEMA DE EVALUACIÓN FINAL. Los resultados de aprendizaje se evaluarán en una prueba de evaluación global. El alumnado habrá de considerar lo siguiente:



2.1) El alumnado tiene derecho a ser evaluado mediante el sistema de evaluación final, independientemente de que haya participado en el sistema de evaluación continua. Para ello, y de acuerdo con el art. 8.3 de la Normativa Reguladora de Evaluación, dispone de un plazo de 9 semanas en el que debe presentar por escrito al profesorado responsable de la asignatura el deseo de abandonar la evaluación continua y adherirse a la evaluación final.



2.2) Instrumentos de calificación en la evaluación final. Las pruebas se realizarán en la fecha oficial de examen y computarán por el 100% de la calificación de la asignatura. Se realizarán ejercicios teórico-prácticos de explotación (con programa SPSS o equivalente), lectura e interpretación de resultados que acrediten la consecución de todas las competencias de la asignatura. La resolución de problemas de investigación con los procedimientos estadísticos desarrollados en el curso podrá computar como mínimo un 80% de la calificación final. La resolución de ejercicios de explotación de datos (con programa IBMSPSS o equivalente) podrá computar como máximo por un 20% de la calificación final.

A ello se suman las siguientes consideraciones:

a) Los criterios de evaluación de resultados y aprendizaje para dichas pruebas finales serán los mismos que para la evaluación continua.

b) En el caso del alumnado acogido a la prueba final, para renunciar bastará con no presentarse a la prueba fijada en la fecha oficial de pruebas de evaluación.



III. CRITERIOS DE EVALUACIÓN DE LOS RESULTADOS DE APRENDIZAJE

-. El alumnado es capaz de identificar un problema de investigación como problema estadístico de análisis multivariante.

-. El alumnado es capaz de reconocer entre las técnicas de análisis multivariante trabajadas, aquella que se adapta en sus objetivos y condiciones de aplicación a cada problema.

-. El alumnado es capaz de desarrollar, razonar y aplicar los supuestos, criterios y conocimientos básicos de cada técnica de análisis multivariante.

-. El alumnado sabe gestionar datos con software de análisis estadístico, diseñar un análisis, establecer las condiciones de explotación, elegir la técnica e identificar las opciones necesarias.

-. El alumnado sabe leer e adecuadamente los resultados estadísticos obtenidos e interpretarlos en el contexto de la investigación social.

Evaluación final mediante pruebas teórico-prácticas por el 100% de calificación. Consiste en responder a las preguntas planteadas sobre los aspectos teóricos y prácticos del total de casos prácticos del temario.En la convocatoria extraordinaria se aplicarán los mismos instrumentos y se seguirán los mismos criterios de evaluación que en la ordinaria.

-. Los materiales de aprendizaje de cada tema (apuntes y presentaciones)
-. Los casos prácticos de análisis multivariante de datos con los resultados derivados de la aplicación de cada técnica y sus correspondientes ficheros de datos.
-. Se recomienda disponibilidad de ordenador personal, preferentemente portátil.

Bibliografía básica

MATEOS-APARICIO MORALES, G. y HERNÁNDEZ ESTRADA, A. (2021). Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA. Madrid: Ediciones Pirámide.

BIZQUERRA ALZINA,R. (1989) Introducción Conceptual al Análisis Multivariante. Un enfoque con los paquetes SPSS, BMDP, LISREL Y SPAD. I y II. Bacelona: PPU.

ESCOBAR MERCADO, M. (2007). El análisis de segmentación. Técnicas y aplicaciones de los árboles de clasificación. Madrid: CIS, Cuadernos Metodológicos, 39.

CEA D´ANCONA, Maria Angeles (2001) Análisis Multivariable: Teoría y Práctica en la Investigación Social. Madrid: Ed. Síntesis.C

COLECCIÓN. Cuadernos de estadística. Madrid: La Muralla.

HAIR, J.F. Jr., ANDERSON, R.E., TATHAM, R.L., BLACK, W.C. (1999) Análisis Multivariante. Madrid, Prentice Hall Iberia.

VISAUTA, B. y MARTORI, J.C. (2003) Análisis estadístico con SPSS para Windows. Vol.2: Estadística multivariante, ., Mc Graw Hill, Madrid.

Bibliografía de profundización

ABASCAL, E. y GRANDE, I(1989) “Métodos Multivariantes para la Investigación Comercial. Teoría, aplicaciones y programación BASIC”. Barcelona: Ariel Economía.
BOUROCHE, J.M. & SAPORTA, G.(1980)“L’Analyse des données”. Presses Universitaires de France, Paris.
CORNEJO, J.M.(1988) “Técnicas de Investigación Social: el Análisis de Correspondencias (Teoría y Práctica)”. Barcelona: Biblioteca Universitaria de Ciencias Sociales, PPU.
CUADRAS, C.M.(1996) “Métodos de Análisis Multivariante”. Barcelona: Ciencia y Tecnología, EUB, S.L.
ESCOFIER, B. & PAGES, J.(1992) “Análisis Factoriales Simples y Múltiples. Objetivos, métodos e interpretación”. Bilbao: Servicio Editorial Universidad País Vasco.
GREEN, P.E., CARMONE, F.J.Jr. & SMITH, S.M.(1991) “Multidimensional Scaling. Concepts and Applications”. New York: Allin Bacon.
GREENACRE, M.(2008)“La práctica del análisis de correspondencias”. Barcelona: Fundación BBVA.
KENDALL, SIR M.(1980) “Multivariate Analysis”. Londres: Charles Griffin & Company LTD.
TACQ, J.(1998) “Multivariate analysis techniques in Social Science Research. From problem to analysis”. Londres: Sage Publications.
YOUNG, F.W.(1987) “Multidimensional Scaling. History, Theory and Applications”. New Jersey: Lawrence Erlbaum Associates, Publishers.

Revistas

Cuadernos metodológicos del CIS
Cuadernos de Estadística La Muralla
Colección SAGE Quantitative Applications in the Social Sciences
Empiria

Direcciones web

www.cis.es (CIS)
www.ine.es (INE)
www.eustat.es (Eustat)
ec.europa.eu/eurostat (Eurostat)