Vrije University - Summer graduate programs
Curso de Verano en Métodos Estadísticos de Inferencia Causal
Amsterdam, Países Bajos
Curso de verano
DURACIÓN
2 semanas
IDIOMAS
Inglés
PASO
Tiempo completo
PLAZO DE SOLICITUD
15 May 2026
FECHA DE INICIO MÁS TEMPRANA
06 Jul 2026
TASAS DE MATRÍCULA
EUR 1500 / per course *
FORMATO DE ESTUDIO
En el campus
* estudiantes de la universidad
Hoy en día existe un gran interés entre estudiantes y profesionales por comprender los mecanismos causales que subyacen a los principales acontecimientos. Identificar las relaciones de causa y efecto es importante para la evaluación de impacto y el diseño de políticas eficaces. Esta identificación puede ayudarnos a responder preguntas como: "¿Qué causa una recesión económica?", "¿La renta básica universal reduce el desempleo?" y "¿Un impuesto al carbono reduce las emisiones de gases de efecto invernadero?"
Sin embargo, la identificación de relaciones causales utilizando datos suele ser propensa a errores. Diferenciar la causalidad de la simple correlación requiere aprender y aplicar herramientas cuantitativas sofisticadas. El estándar de oro para identificar vínculos causales se basa en el diseño de experimentos, a menudo mediante ensayos de control aleatorios. Sin embargo, diseñar un ensayo de control aleatorio no siempre es factible o ético. Además, es posible que algunos acontecimientos ya hayan ocurrido en el pasado, como una crisis financiera o un ciclón. ¿Cómo se pueden utilizar datos observacionales para analizar los efectos causales de tales eventos?
Este curso proporciona una introducción práctica a los métodos estadísticos para la inferencia causal. Durante dos semanas, se presenta a los estudiantes métodos experimentales y cuasiexperimentales que les permiten inferir relaciones de causa y efecto de manera sólida. Enseñamos estos métodos desde una perspectiva tanto teórica como aplicada, complementando las conferencias con tutoriales prácticos en computadora en el lenguaje de programación R para ayudar a los estudiantes a aprender haciendo.
- Nivel del curso: Maestría / Avanzado / Doctorado
- Créditos: 3 ECTS
- Horas de contacto: 45
- Idioma: inglés
- Tasa de matrícula: 735 € - 1310 €
Este curso es de nivel de maestría/doctorado, pero está abierto a estudiantes de licenciatura avanzada y profesionales en activo, en todas las disciplinas de las ciencias sociales cuantitativas. Estos incluyen negocios, criminología, economía, econometría, educación, ciencias ambientales, finanzas, ciencias de la salud, estudios internacionales, psicología, políticas públicas, ciencias políticas, políticas sociales, sociología y estadísticas, todas definidas en sentido amplio.
Se espera que los estudiantes participantes tengan conocimientos previos de análisis de regresión y prueba de hipótesis. Si no tiene estos conocimientos, aún puede participar en este curso siguiendo adicionalmente el curso Análisis de datos en R de la VU Amsterdam Summer School en una sesión anterior. Se prefiere experiencia previa en codificación específicamente en R, pero no es un requisito previo del curso.
Todos los estudiantes deben traer sus propias computadoras portátiles al curso. La computadora portátil debería poder ejecutar R Studio.
¡Última oportunidad para aplicar!
Al final de este curso, los estudiantes podrán:
- Comprender la diferencia entre correlación y causalidad.
- Aplicar métodos cuantitativos de análisis estadístico de datos para inferir relaciones causales.
- Identificar factores de confusión que amenazan la inferencia causal y obstaculizan la validez interna y externa de los hallazgos analíticos.
- Analizar críticamente los datos utilizando métodos estadísticos como experimentos, análisis de emparejamiento, diferencias en diferencias, regresión discontinua y estimación de variables instrumentales.
- Explorar los retos y limitaciones en el uso de métodos cuantitativos de inferencia causal, como la disponibilidad de datos, los datos faltantes y los errores de medición.
- Aplicar conocimientos de diagnóstico para fundamentar las evaluaciones de impacto y desarrollar políticas basadas en la evidencia.