Clases: Pablo Celhay 📭 pacelhay@uc.cl
Talleres: José Daniel Conejeros 📭 jdconejeros@uc.cl
En este repositorio podrán encontrar el material preparado para las clases, talleres y evaluaciones.
- Clonar este repositorio (necesitas crearte un usuario) 👉 git@github.com:JDConejeros/DCPP_DEPP_v2022.git
- Descargar el archivo .zip 👉 Link
📁 Clase semana 1: Regresión Bivariada
📁 Clase semana 2: Sesgo por variable omitida
📁 Clase semana 3: Experimentos aleatorios
📁 Clase semana 4: Variables Instrumentales
📁 Clase semana 5: Regresión Discontinua
DEJA TUS COMENTARIOS SOBRE LOS TALLERES AQUÍ: https://forms.gle/Lzr4gHuDXXf6H9DSA
📌 Taller 1: Regresión Simple y Sesgo por variable omitida. Fecha: 20-08-2022
- 📊 Datos
📌 Taller 2: Regresión Múltiple y supuestos Fecha: 24-09-2022
- 📊 Datos
📌 Taller 3: Experimentos aleatorios Fecha: 29-09-2022
- 📊 Datos
📌 Taller 4: Variables Instrumentales Fecha: 08-10-2022
- 📊 Datos
📌 Taller 5: Regresión discontinua Fecha: 22-10-2022
- 📊 Datos
📌 Taller 6: DID & ML(inicial) Fecha: 05-11-2022
- 📊 Datos
Pueden acceder a los videos en el siguiente enlace https://drive.google.com/drive/folders/1tEmrqjB9JKMmWkFppqaFyIxRky3DyUr_?usp=sharing
Pablo Celhay 📭 pacelhay@uc.cl
José Daniel Conejeros 📭 jdconejeros@uc.cl
-
- Presentación final (30%). Fecha: 05/11/2022 en clase (09:00 a 12:15)
- Trabajo final (30%). Fecha: 05/11/2022 hasta las 23:59 hrs.
-
📌 Tarea 1: Se envia por correo hasta el 09/10/2022
‼️ -
📌 Tarea 2: Se envia por correo hasta el 23/10/2022
‼️
Clases:
-
S&W: Stock, J. and Watson, M., Introduction to Econometrics, 3rd edition. (Disponible en Biblioteca SJ-UC aquí)
-
A&P: Angrist, J. D., & Pischke, J. S. (2014). Mastering 'metrics: The path from cause to effect. Princeton University Press. (Disponible en Biblioteca SJ-UC aquí)
-
GMPRV: Gertler, P. et al. (2017). "La evaluación de Impacto en la Práctica", Segunda edición. Grupo Banco Mundial y Banco Inter Americano del Desarrollo. (Descargable aquí)
Talleres:
-
Cunningham, S. (2021). Causal inference. In Causal Inference. Yale University Press.: Causal inference encompasses the tools that allow social scientists to determine what causes what. In a messy world, causal inference is what helps establish the causes and effects of the actions being studied—for example, the impact (or lack thereof) of increases in the minimum wage on employment, the effects of early childhood education on incarceration later in life, or the influence on economic growth of introducing malaria nets in developing regions. Scott Cunningham introduces students and practitioners to the methods necessary to arrive at meaningful answers to the questions of causation, using a range of modeling techniques and coding instructions for both the R and the Stata programming languages.
-
R para Ciencia de Datos: Libro base para el uso de R, aquí podrán ver que la plataforma de Rstudio no es solo para el análisis estadístico, sino que de procesamiento de datos y reporte (versión en español).
-
AnalizaR Datos Políticos: Manual con herramientas y tips prácticos para analizar datos políticos.
-
UCLA: Espacio para aprender estadística y programación.
Para los que alguna vez fuimos nuevos en RStudio sirve bastante ver las preguntas/respuestas de otras personas en las comunidades de R (¡son muy activas!). De hecho, casi todas nuestras preguntas ya fueron respondidas por personas en todo el mundo. No olvidar que la mayoría de estos foros están en inglés: