Métodos cuasiexperimentales para la inferencia causal

El curso en Métodos cuasiexperimentales para la inferencia causal, enseña a identificar relaciones de causalidad cuando no es posible realizar un experimento, utilizando métodos como regresión discontinua, variables instrumentales, matching y diferencias en diferencias. Está dirigido a profesionales que necesitan evaluar el impacto de políticas, programas o intervenciones con los datos disponibles, aunque estos sean imperfectos. A través de clases prácticas con Stata y datos reales, los participantes aprenderán a seleccionar, implementar y validar la estrategia más adecuada para cada situación.

El curso entrega herramientas avanzadas de inferencia causal para identificar efectos con datos imperfectos y seleccionar estrategias de identificación robustas regresión discontinua, variables instrumentales, matching y diferencia en diferencias para evaluaciones de impacto. El estudiante aprenderá a diagnosticar problemas de endogeneidad y sesgo de selección, implementar modelos cuasiexperimentales en STATA y evaluar la validez y robustez de los resultados obtenidos.

El programa está orientado a profesionales que necesitan evaluar políticas, programas e intervenciones en contextos donde la experimentación aleatoria no es viable. Al finalizar, el participante podrá determinar qué método cuasiexperimental es el más adecuado según la pregunta de investigación y los datos disponibles, y comunicar resultados, riesgos y limitaciones a audiencias técnicas y no técnicas.

La modalidad de impartición es online clases en vivo a través de una plataforma streaming. Los aprendizajes se desarrollan mediante clases expositivas, discusión guiada de evidencia aplicada y laboratorios intensivos en STATA con datos reales. La evaluación se basa en ejercicios prácticos, tareas de laboratorio y un proyecto final que exige implementar, interpretar y comunicar resultados de evaluaciones cuasiexperimentales de manera rigurosa y reproducible.