Guía docente de Modelización de Datos Categóricos (22311A2)

• Se recomienda la realización de la asignatura Análisis de Tablas de Contingencia del módulo Análisis Estadístico de Datos Discretos. Aplicaciones.

• Modelización log-lineal de la estructura de independencia y asociación en tablas de contingencia multidimensionales.
• Modelos de respuesta discreta para tablas de contingencia multidimensionales
• Estadística computacional para datos categóricos.
• Aplicaciones en distintos campos como la sociología, la epidemiología y las ciencias biomédicas.

• Conocer y manejar las metodologías estadísticas que permiten establecer las relaciones de independencia y asociación entre más de dos variables categóricas.
• Saber seleccionar, en base a un conjunto de datos reales, los modelos estadísticos más adecuados para explicar una variable categórica a partir de varias variables relacionadas con ella.
• Aprender a manejar un software estadístico que permita al alumno aplicar a datos reales los modelos estadísticos estudiados.
• Desarrollar habilidades para la defensa, publicación y presentación de los resultados de la aplicación con datos reales de las técnicas estadísticas estudiadas.

Tema 1. Generalidades sobre tablas de contingencia multidimensionales.

Paradoja de Simpson. Independencia condicional. Ausencia de interacción. Contrastes de hipótesis para tablas tridimensionales.

Tema 2. Modelos log-lineales

Formulación de modelos jerárquicos: efectos principales e interacciones. Interpretación basada en cocientes de ventajas. Ajuste, inferencia y selección stepwise de variables.

Tema 3. Modelos de respuesta discreta

Formulación e interpretación de modelos logit de respuesta binaria y respuesta múltiple. Estimación indirecta a partir de modelos log-lineales.

Talleres de prácticas computacionales de los contenidos del programa usando SPSS y R con conjuntos de datos reales.

Taller 1. Independencia y asociación en tablas tridimensionales

Taller 2. Modelos log-lineales.

Taller 3. Modelos logit

Agresti, A. (1996). An Introduction to Categorical Data Analysis. Wiley.

Aguilera del Pino, A.M. (2005). Modelización de Tablas de Contingencia Multidimensionales. Colección Cuadernos de Estadística (33). La muralla- Hespérides.

Bilder, C.R. y Loughin, T.M. (2015). Analysis of categorical data with R. CRC Press.

Christensen, R. (1997). Log-Linear Models and Logistic Regression. Springer-Verlag.

Correa Piñero, A.D. (2002). Análisis Logarítmico Lineal. Colección Cuadernos de Estadística (21). La muralla- Hespérides.

Kateri, M. (2014). Contingency Table Analysis. Methods and Implementation Using R. Ed. Birkhaüser

Ruiz-Maya, L., Martín Pliego, F.J., Montero, J.M. y Uriz Tomé, P. (1995). Análisis Estadístico de Encuestas: Datos Cualitativos. Ed. AC.

Silva Aycaguer, L. y Barroso Utra, I. (2004). Regresión Logística. Hespérides-La Muralla.

Thompson, L. (2007). S-PLUS (and R) Manual to Accompany Agresti’s (2002) Categorical Data Analysis (2ª edition) (https://home.comcast.net/~lthompson221/Splusdiscrete2.pdf).

Aguilera del Pino, A.M. (2001). Tablas de Contingencia Bidimensionales. Colección Cuadernos de Estadística (15). La muralla- Hespérides.

Agresti, A. (1984). Analysis of Ordinal Categorical Data. Wiley.

Agresti, A. (1990). Categorical Data Analysis. Wiley.

Andersen, E.B. (1994). The Statistical Analysis of Categorical Data. Springer-Verlag.

Bishop, Y.M.M., Fienberg, S.E. y Holland, P.W. (1975). Discrete Multivariate Analysis. MIT.

Christensen, R. (1990). Log-Linear Models. Springer-Verlag.

Hosmer, D.W. y Lemeshow, S. (1989). Applied Logistic regression. Wiley.

Kleinbaum, D.G. (1994). Logistic Regression. A Self-Learning Text. Springer-Verlag.

Power, D.A. y Xie, Y. (2000). Statistical Methods for Categorical Data Análisis. Academia Press.

Selvin, S. (1996). Statistical Analysis of Epidemiological Data. Oxford University Press.

Web del Dpto. de Estadística e I.O. de la Universidad de Granada: http://www.stei.es/estadistica/

Web de Análisis de Datos Categóricos: http://www.stat.ufl.edu/~aa/cda/cda.html

Instituto Nacional de Estadística: http://www.ine.es/

Instituto de Estadística Andaluz: http://www.juntadeandalucía.es

Centro de investigaciones sociológicas: http://www.cis.es/cis/opencms/ES/index.html

Eurostat: http://epp.eurostat.ec.europa.eu

• MD01. MD1. Lección magistral/expositiva 
• MD02. MD2. Sesiones de discusión y debate 
• MD03. MD3. Resolución de problemas y estudio de casos prácticos 
• MD04. MD4. Prácticas en sala de informática 
• MD05. MD5. Seminarios 
• MD06. MD6. Ejercicios de simulación 
• MD07. MD7. Análisis de fuentes y documentos 
• MD08. MD8. Realización de trabajos en grupo 
• MD09. MD9. Realización de trabajos individuales 

De acuerdo a lo establecido en la guía docente de la titulación se llevará a cabo una evaluación continua en la que se valorarán:

• Prueba escrita de conocimientos

Descripción: Prueba escrita presencial con preguntas teóricas y ejercicios prácticos para evaluar los contenidos de los distintos temas.

Porcentaje sobre la calificación final: 50%

• Actividades individuales

Descripción: Para evaluar los contenidos y la adquisición de competencias de cada tema, a cada alumno se le asignarán actividades individualizadas.

Criterios de evaluación: Los alumnos subirán los ficheros de las actividades realizadas a la plataforma Prado en el formato adecuado y en el plazo fijado. Algunas de estas actividades serán presentadas oralmente por los alumnos durante los talleres de clases de prácticas.

Porcentaje sobre calificación final: 30%

• Trabajo con datos reales

Descripción: Los alumnos se dividirán en grupos de dos y mediante la supervisión del profesor trabajarán en el análisis de un conjunto de datos categóricos reales mediante los métodos estadísticos estudiados. Las fases del trabajo serán: búsqueda de datos adecuados, planteamiento de objetivos, análisis estadístico, obtención de resultados con el software R e interpretación de los mismos.

Criterios de evaluación: Los resultados del trabajo se presentarán en forma de informe estadístico que se subirá a la plataforma PRADO junto al fichero de datos y el script de R realizado para su análisis. Además se realizará una presentación oral en los talleres de prácticas .

Porcentaje sobre calificación final: 15%

• Participación

Descripción: La participación de los alumnos en las clases teóricas y prácticas, realización de otros ejercicios propuestos y participación en los foros de PRADO se tendrá en cuenta para la evaluación de la asignatura.

Porcentaje sobre calificación final: 5%

En el caso de que el estudiante decidiera no realizar la prueba escrita figurará en el acta con la anotación de "No presentado“.

A la convocatoria extraordinaria podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. Y se garantizará, en todo caso, la posibilidad de obtener el 100% de la calificación final.

• La evaluación extraordinaria consistirá en un examen escrito teórico-práctico sobre el temario que figura en esta guía docente. Para superar la asignatura será necesario que en esta prueba se obtenga una puntuación mínima de cinco puntos (en la escala de cero a diez) y al menos un 35% en cada una de las partes para hacer la media entre ambas. El alumno que no se presente a este examen tendrá la calificación de “No presentado” en la convocatoria extraordinaria.

Aquellos estudiantes que no puedan cumplir con el método de evaluación continua por motivos laborales, estado de salud, discapacidad o cualquier otra causa debidamente justificada podrán acogerse a la realización de una evaluación única final.

• La evaluación única final contemplada en la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada se basará en un examen escrito teórico-práctico sobre el temario que figura en esta guía docente. Para superar la asignatura será necesario que en esta prueba se obtenga una puntuación mínima de cinco puntos (en la escala de cero a diez) y al menos un 35% en cada una de las partes para hacer la media entre ambas. El alumno que no se presente a este examen final tendrá la calificación de “No presentado”.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

Las prácticas se realizan con el software libre R.