Curso Nivelatorio de Programación en R
Manejo y análisis de datos para investigación aplicada
Maestría en Economía y en Ciencias Administrativas · Econometría I | CIENFI — Universidad Icesi
Profesor: PhD. Eduard F. Martínez-González | efmartinez@icesi.edu.co | eduard-martinez.github.io
Bienvenida
Este es un curso breve e intensivo para llegar a la Maestría con una base común de R: importar, limpiar, transformar, cruzar, describir y visualizar datos, estimar regresiones básicas y —sobre todo— trabajar de forma ordenada y reproducible, como se trabaja en la investigación aplicada. No hace falta experiencia previa en programación.
La lógica del curso: ver → replicar → aplicar
Cada unidad se recorre en tres pasos:
- Ver la teoría (los documentos tienen código ejecutable en el navegador: no necesita instalar nada para empezar a probar) y el video de apoyo.
- Replicar la práctica guiada en RStudio, dentro de su propio proyecto.
- Aplicar en la tarea con su cuestionario y en la actividad con IA.
Las sesiones sincrónicas abren cada bloque; el grueso del aprendizaje ocurre haciendo.
Las cuatro unidades
Unidad 1 — Fundamentos de R y flujo de trabajo reproducible. Qué hace R cuando ejecutamos código, cómo leer errores y warnings, vectores y data frames, y la base de todo el curso: proyectos de RStudio, carpetas ordenadas y scripts con estilo.
Unidad 2 — Manejo de datos con tidyverse. El 80% del trabajo empírico real: importar y diagnosticar, limpiar una base sucia con decisiones documentadas, transformar con dplyr, agrupar y cruzar bases con join.
Unidad 3 — Visualización y estadísticas descriptivas. De la base limpia al hallazgo comunicable con ggplot2 y tablas descriptivas, trabajando sobre un extracto real de la GEIH (DANE).
Unidad 4 — Regresiones básicas y flujo de trabajo empírico. La ecuación de Mincer en la GEIH: lm, interpretación con unidades (y sin causalidad injustificada), fixest, tablas con modelsummary y el pipeline reproducible completo.
Materiales por unidad
| Unidad | Teoría | Video guía | Práctica | Tarea | Cuestionario | Actividad IA |
|---|---|---|---|---|---|---|
| 1. Fundamentos | Ver teoría | Ver video | Práctica 1 | Tarea 1 | Cuestionario 1 | Primero tú, luego la IA |
| 2. Manejo de datos | Ver teoría | Ver video | Práctica 2 | Tarea 2 | Cuestionario 2 | El código corre… pero está mal |
| 3. Visualización | Ver teoría | Ver video | Práctica 3 | Tarea 3 | Cuestionario 3 | Mejora esta figura |
| 4. Regresiones | Ver teoría | — (sin video) | Práctica 4 | Tarea 4 | Cuestionario 4 | Crítica al econometrista artificial |
Calendario (julio de 2026)
Sesiones sincrónicas de 10:00 a 12:00.
| Ses. | Fecha | Modalidad | Contenido / hito |
|---|---|---|---|
| 1 | Martes 14 jul | Sincrónica | Unidad 1: R, RStudio y proyectos; arranque de la Unidad 2 |
| — | 14–21 jul | Asincrónica | Teoría y práctica U1 · Tarea 1 · Actividad IA 1 |
| 2 | Martes 21 jul | Sincrónica | Unidad 2: limpieza, dplyr y joins sobre la base de firmas |
| — | 21–27 jul | Asincrónica | Práctica U2 · Tarea 2 · Actividad IA 2 · teoría U3 |
| 3 | Lunes 27 jul | Sincrónica | Unidades 3 y 4: gráficos, descriptivas y regresiones; lanzamiento del proyecto final |
| — | 27–31 jul | Asincrónica | Tareas 3 y 4 · Actividades IA 3 y 4 · proyecto en parejas |
| 4 | Viernes 31 jul | Sincrónica | Sustentación de proyectos finales |
Evaluación
| Componente | Peso | Uso de IA permitido |
|---|---|---|
| Tareas 1–4 (script + cuestionario) | 40% | Para entender y depurar, declarado |
| Actividades con IA | 10% | Diseñadas para usar IA con verificación |
| Proyecto final (pipeline reproducible + informe) | 35% | Integrada, con apéndice de uso |
| Sustentación oral (defensa del código) | 15% | Sin IA |
La política de IA en una frase
Primero su cerebro, luego la IA; todo lo que la IA produzca se verifica; y todo uso se declara. Los niveles permitidos por entrega y la lista de verificación están en la Guía de uso de IA.
Proyecto final
Un análisis empírico completo en parejas sobre la base de innovación empresarial: limpiar con decisiones documentadas, construir indicadores por sector y compararlos con el referente nacional, graficar, estimar la relación innovación–ventas e interpretarla — todo en un proyecto reproducible que se defiende oralmente. Enunciado · Rúbrica.
Datos del curso
| Base | Grano | Se usa en |
|---|---|---|
| innovacion_empresas.csv | Firma (506, deliberadamente sucia) | U1, U2 y proyecto final |
| sectores_agregado.csv | Sector (7, referente limpio) | U2 y proyecto final |
| geih_nivelacion.csv | Persona ocupada (21.821, GEIH real) | U3 y U4 |
Descripción variable a variable: diccionario de datos.
Guías del curso
- Programa completo del curso — objetivos, metodología, bibliografía
- Guía de estilo de scripts — cómo se escribe un script en este curso
- Guía de organización de proyectos — carpetas, reglas y la prueba de reproducibilidad
- Plantilla de proyecto — estructura lista para copiar (descargable)
- Guía de uso de IA — reglas, niveles, prompts y lista de verificación
Antes de la primera sesión
Instale R y RStudio Desktop, y luego los paquetes del curso (en la consola de RStudio):
install.packages(c("tidyverse", "rio", "readxl", "janitor",
"skimr", "pacman", "fixest", "modelsummary"))Con eso está listo. Si algo falla en la instalación, escríbame antes de la primera sesión: efmartinez@icesi.edu.co.