Materiales de enseñanza

17
Modelos de Regresión con variables dependientes binarias: Aplicación para el caso de la anemia infantil

Autor(es):

Juan León, Lesly Guzmán, Nicolas Velarde & Andrea Morales

Año:

2026

En la investigación empírica dentro de las ciencias sociales, económicas y de la salud, es muy común encontrarnos con fenómenos de naturaleza dicotómica. Preguntas como si una persona accede o no a un servicio público, si presenta o no una enfermedad, o si logra culminar sus estudios en el tiempo esperado, exigen un tratamiento estadístico particular. En estos casos, el análisis cuantitativo necesita modelos que reconozcan la naturaleza binaria de la variable dependiente. Si bien el Modelo de Probabilidad Lineal (MPL) suele ser un punto de partida intuitivo para estos análisis, presenta limitaciones teóricas y prácticas insalvables —como la presencia de heterocedasticidad y la generación de probabilidades fuera del rango lógico de cero a uno— que nos obligan a recurrir a enfoques no lineales más robustos, como los modelos Logit y Probit. Considerando lo anterior, el presente documento busca servir como una guía metodológica y aplicada para el análisis correcto de variables dependientes binarias. El material de enseñanza plantea un recorrido secuencial que va desde la identificación y recodificación de las variables, hasta la estimación e interpretación de los modelos no lineales. Para lograrlo, abordaremos conceptos teóricos esenciales, como la noción de variable latente, la función de utilidad aleatoria y los supuestos detrás de la estimación por Máxima Verosimilitud. Todo ello estará acompañado de herramientas estadísticas necesarias para calcular los efectos marginales, interpretar la bondad de ajuste y evaluar el desempeño predictivo del modelo. Finalmente, para que estos conceptos trasciendan la teoría, se desarrollará un caso de estudio empírico centrado en uno de los desafíos de salud pública más urgentes en el Perú: la anemia infantil. Al analizar esta problemática —que sabemos que está profundamente ligada a determinantes socioeconómicos, brechas geográficas y restricciones de acceso a servicios—, podremos ilustrar paso a paso cómo la correcta aplicación de estos modelos econométricos resulta fundamental no solo para diagnosticar la realidad con precisión, sino también para guiar el diseño de políticas públicas basadas en evidencia.

16
Machine learning para las ciencias sociales. Con aplicaciones en Python

Autor(es):

Pavel Coronado Castellanos

Año:

2026

El propósito de este documento es brindar a los alumnos de Ciencias Sociales (Economía, Sociología, Ciencia Política, Antropología) y otras ciencias del comportamiento un enfoque que les permita entender las posibilidades y potencialidades de aplicación que brindan las herramientas del aprendizaje de máquinas en sus respectivos campos de estudio. Este documento primero pone en contexto amplio las herramientas de aprendizaje de maquina al compararlas con las herramientas de la inferencia causal (econometría) proponiendo que ambos enfoques son complementarios y no rivales, es decir, ambos enfoques deberán estar en la caja de herramientas de todo científico social y del comportamiento. El documento prosigue en el capítulo dos presentando las principales herramientas matemáticas y estadísticas que servirán como base conceptual para los modelos a estudiarse luego. El capítulo tres presenta la metodología del aprendizaje de máquinas supervisado, esta metodología es transversal a las herramientas específicas que se presentarán en los capítulos posteriores. En los capítulos del cuatro al seis se presenta los tres modelos o herramientas de machine learning más usados. El capítulo siete presenta una introducción al aprendizaje no supervisado. Finalmente, el capítulo ocho presenta las herramientas diseñadas para estimar efectos causales pero usando conjuntamente modelos de machine learning. En cada capítulo se ha incluido secciones prácticas con códigos en Python para que los alumnos conozcan las herramientas de implementación concretas y pueda aplicarlas a sus proyectos laborales o de investigación.

12
La teoría clásica de las ventajas comparativas en el comercio internacional

Autor(es):

Jorge Vega Castro

Año:

2024

En el presente artículo, se exponen los principales aspectos de la teoría clásica del comercio internacional, poniendo énfasis en la explicación y análisis del célebre concepto de las ventajas comparativas, planteado por David Ricardo en 1817, y que, a pesar de sus más de dos siglos de existencia, mantiene plena vigencia en la actualidad. Este texto está dirigido especialmente a los estudiantes de los cursos estándar de economía internacional a nivel pregrado Se presenta el modelo básico de la teoría clásica real del comercio internacional para el caso de dos bienes, dos países y un solo factor productivo (trabajo). Se discute el concepto de las ventajas comparativas, y se hace la distinción entre dicho concepto y el de las ventajas absolutas. Además, se compara también el concepto de costo real o físico de la mano obra con el de la productividad real o física de dicho factor. Asimismo, se analizan los beneficios que tiene el comercio internacional en las economías nacionales. Se amplía el mencionado modelo básico de dos bienes, a uno con varios bienes. Este análisis provee una versión aplicable de la teoría clásica, a un contexto más cercano a la realidad, en la cual se producen y transan numerosas mercancías. Finalmente, se presenta una versión moderna del modelo completo de la teoría clásica del comercio internacional, en el cual se introducen valores monetarios y se comparan costos laborales entre países con distintas monedas. Esto implica estudiar cómo es que se determinan los salarios y las tasas de cambio en las naciones que comercian mutuamente. Este último análisis, constituye un aporte novedoso del presente trabajo, que no se suele presentar en los libros o materiales bibliográficos regularmente utilizados en la enseñanza de la teoría clásica del comercio internacional.