10133nam a2200565Ii 4500 PE-TmUNAS 20260316124829.0 a||||fr|||| 00| 0 ta 221006b |||||||| |||| 00| 0 eng d M-24651-2015 978-84-1622-836-2 Biblioteca Central de la Universidad Nacional Agraria de la Selva. spa Catalogación de la Biblioteca Central de la Universidad Nacional Agraria de la Selva, transcrita por la Biblioteca Central de la Universidad Nacional Agraria de la Selva, sin modificaciones posteriores. Biblioteca Central de la Universidad Nacional Agraria de la Selva. rda spa spa 22 338.9 3845 Pérez López, César, 1955-, autor Técnicas de evaluación de impacto / César Pérez López [y] Ignacio Moral Arce Primera Edición. España : Ibergarceta Publicaciones, S.L., 2015. Print House, 2015. 574 páginas : figuras (blanco y negro) ; 24 cm. rdacontent texto impreso rdamedia sin mediación rdacarrier volumen Este libro contiene referencias bibliográficas. Bibliografía: páginas 567-574. 83 Técnicas de evaluación de impacto : Introdución. Política basada en la evidencia. Tipos de evaluación de políticas públicas. Teoría del cambio. La cadena de resultados. ¿Qué es la evaluación de impacto?. Inferencia causal -- Contrafactual.Sesgo de selección : El contrafactual. Evaluación de impacto prospectiva o retrospectiva. Métodos para el cálculo del contrafactual. El sesgo de selección. Estimaciones del impacto de una política:tipos de parámetros. Dos errores básicos a evitar en la elección del contrafactual. Diseño "antes-después" y series temporales -- Evaluación de impacto. Diseños experimentales.Muestreo : Impacto y contrafactual. diseños experimentales y no experimentales. Diseños experimentales.estracción de muestras. Muestreo aleatorio simple. Tamaño de la muestra en muestreo aleatorio simple. Muestreo sistemático. estimadores y errores. Herramientas para el muestreo estadístico. un caso práctico. Muestreo aleatorio simple con IBMSPSS statistics. Muestreo aleatorio simple con el asistente de muestreo de IBM SPSS statistics. Muestreo a través de SAS. Muestreo a través de STATA -- Diseños experimentales. extracción de muestras estratificadas y por conglomerado : Concepto de muestreo estratificado. Muestreo estratificado sin reposición:estimadores y errores. Muestreo estratificado con reposición: estimadores y errores. Afijación de la muestra: tipos de afijación y errores de los estimadores para muestreo sin reposición. Tamaño de la muestra para muestreo estratificado. Muestreo estratificado con IBM SPSS statistics. Estimaciones y cálculos de errores en el muestreo estratificado. Muestreo estratificado a través de SAS. Muestreo estratificado a través de STATA. Muestreo unietápico de conglomerados. Muestreo bietápico de conglomerados. Diseños complejos: bietápicos de conglomerados. Muestreo polietápico de conglomeradoas. Diseños complejos: bietápico con estratificación en primera etapa. Muestreo de conglomerados monoetápico y polietápico con IBM SPSS statistics. Procedimeinto surveyselect de SAS para muestreo por conglomerados y otros tipos de muestreo -- Diseños experimentales: análisis de los grupos de tratamiento y control. evaluación de impacto : Homogeneidad entre el grupo de tratamiento y el grupo de control. Homogeneidad entre el grupo de tratamiento y el grupo de control a través de tests estadísticos formales. El procedimiento prueba para dos muestras independientes de SPSS. Evaluación del impacto de una política a través de los test de diferencia de medias y de homogeneidad. Contrastes de hipótesis en intervalos de confianza con SAS. Contrastes de diferencias de medias con STATA. Contraste no paramétricos con STATA -- Diseños experimentales. modelos del análisis de la varianza y la covarianza y sus aplicaciones a la evaluación de impacto : Modelos del análisis de la varianza y la covarianza. Modelo anova con un solo factor. efectos fijos y aleatorios. Modelo anova con dos factores: efectos fijos, aleatorios y mixtos. Modelos anova del análisis de la varianza de un factor y la evaluación de impacto. Modelos ANOVA del análisis de la varianza de varios factores y evaluación de impacto. Modelos de ANCOVA del análisis de la covarianza simple de varios factores la evaluación de impacto. Análisis multivariante de la varianza (manova). Análisis multivariante de la covarianza (MANCOVA). Modelo lineal general (GLM). Modelos lineales mixtos. Modelos MANOVA del análisis de la varianza múltiple y evaluación de impacto. Modelos MANCOVA del análisis de la covarianza múltiple y evaluación de impacto. Análisis de la varianza y la covarianza con SAS: procedimiento GLM. STATA y el análisis de la varianza-covarianza, el modelo GLM y los modelos mixtos -- El modelo lineal general y sus aplicaciones a la evaluación de mpacto : Modelo de regresión lineal multiple. Estimación del modelo lineal de regresión múltiple. Estimación del modelo, contrastes e intervalos de confianza a través del cálculo matricial. Análisis de la varianza en regresión. Predicciones. Análisis de los reiduos. El problema de la autocorrelación, su detención y soluciones. El problema de la multicolinealidad y su detención. soluciones. Aplicaciones del modelo de regresión múltiple a la evauación de impacto. el modelo de diferencias en diferencias. SPSS y el modelo de diferencias con variables de control adicionales. SAS y el trabajo básico con el modelo de regresión lineal múltiple. STATA y el trabajo básico con el modelo de regresión múltiple. STATA y el trabajo básico con el modelo de regresión múltiple a través de menús -- Modelos con datos de panel y sus aplicaciones a la evaluación de impacto : Modelos lineales mixtos. Introducción a los datos de panel: estructuras de datos. Modelos econométricos con datos de panel. Modelos de panel con coeficientes constantes. Modelos de panel de efectos fijos. Modelos de panel de efectos aleatorios. Modelos dinámicos con datos de panel. El procedimiento modelos lineales mixtos de SPSS para datos de panel. Los datos de panel y la evaluación de impacto. SAS y los modelos con datos de panel. STATA y los modelos con datos de panel. Estimación de paneles dinámicos con STATA y la meodología arellano bond -- Aleatrización. diseño experimental versus diseño cuasi-experimental : Aleatorización. Diseño experimental. Diseño cuasi-experimental -- Métodos de diferencias para la evaluación de impacto : Introducción al método de diferencias. Descripción del método de diferencias. Etapas de estimación. Situación en la que se puede aplicar. Fortalezas y debilidades del método -- Diseño de variables instrumentales. Fortalezas y limitaciones de este método. Situación en las que se puede aplicar. Estimación de variables instrumentales de un programa de capacitación voluntaria. Un nuevo estimado:late -- Diseños de emparejamiento. propensity score matching : Diseños de emparejamiento. Matching o emparejamiento exacto. Descripción del método de propensity score matching. Etapas de estimación. Situación en las que se puede aplicar. Estimación del modelo de participación en primera etapa -- Diseños cuasi-experimentales regresión en discontinuidad : Técnica de regresión en discontinudiad. Propósito del método. Descripción del método. Etapas de estimación. Situación en las que se puede aplicar. Fortalezas y limitaciones de la técnica. Regresión en discontinuidad difusa -- Diseños cuasi-experimentales diferencias en diferencias : Diseño de diferencias en diferencias. Descripción del método. Etapas de estimación. Extensiones del método de estimación. ¿Por qué el diseño de dif-in-dif cancela el sesgo en variables no observadas?. Situación en las que se puede palicar. Fortalezas y limitaciones de la técnica. Modelos complementarios al de did -- Bibliografía. "Los modelos de análisis de la varianza y la covarianza simples tienen como característica fundamental que la variable dependiente es cuantitativa y las variables independientes son cualitativas o mezcla de cualitativas con cuantitativas. El análisis de la varianza simple es una técnica estadística utilizada para analizar la relación entre una variable dependiente (o endógena) métrica (cuantitativa) y varias variables independientes (o exógenas) no métricas (cualitativas). Los valores no métricos (categorías) de las variables independientes determinarán una serie de grupos en la variable dependiente. El modelo ANOVA mide la significación estadística de las diferencias entre las medias de los grupos determinados en la variable dependiente por los valores (categorías) de las variables independientes no métricas (cualitativas). Por ejemplo, entre el grupo de tratamiento y el grupo de control"--Página 199. Material bibliográfico para estudiantes universitarios, docentes e investigadores. PE-TmUNAS Administración. Turismo y Hotelería. Economía. Contabilidad. Agronomía. Zootecnia. Ingeniería en Industrias Alimentarias. Ingeniería en Conservación de Suelos y Agua. Ingeniería en Recursos Naturales Renovables. Ingeniería Forestal. Ingeniería Ambiental. Ingeneiría en Informática y Sistemas. Ingeniería en Ciberseguridad. Ingeniería en Ciberseguridad. Ingeniería Civil. En español. 3847 Evaluación de impacto (Políticas públicas) 3846 Moral Arce, Ignacio, autor ddc BK 0 arh/ui/ñnoc/bipf 3025 3025 0 0 ddc 0 0 BCUNAS BCUNAS BANKA 2022-10-06 338.9 P438 2015 0002303 2022-10-06 00:00:00 1 2022-10-06 BK Préstamo en sala