Estadística y Econometría Espacial con R, Módulo I - Julio 2024

Una iniciativa del proyecto Nido del Búho

🚀 Comenzando

Para participar en el curso, sigue estos pasos:

1. Crea una cuenta en GitHub (si aún no tienes una) siguiendo los pasos que Alex hizo en la presentación del curso.
2. Dejanos tu Star en este repositorio para saber que pasaste por aquí.
3. Sigue las instrucciones de los profesores.

Ni bien empezamos vamos a hacer una pequeña actividad

📝 Instrucciones para los Estudiantes

Envía un saludo inicial siguiendo las instrucciones de abajo.

1. Saludo Inicial: Todos los estudiantes deben dejar un saludo en los issues contandonos acerca de su experiencia con datos espaciales y la programación y sus series favoritas 🙋‍♂️🙋‍♀️
2. Aportes de Clase: Después de cada sesión, se debe hacer un aporte en forma de issue con la contribución de la clase. 🌟
3. Tareas: Las tareas se subirán al repositorio individual del estudiante y se compartirá un enlace en los issues correspondientes. 🏠

🤝 Contribución

Por favor, contribuye al curso de manera constructiva. Cualquier aporte, pregunta o sugerencia es bienvenida.

1. Para aportar, abre un nuevo issue.
2. Si encuentras un problema o tienes una sugerencia, verifica primero si alguien más ha creado un issue al respecto y, de no ser así, siéntete libre de abrir uno nuevo.

🆘 Soporte

Si tienes alguna pregunta o necesitas ayuda con algo relacionado al curso, por favor abre un issue y etiquétalo como ayuda para que podamos asistirte lo antes posible.

✨ ¡Empecemos!

Estamos emocionados por comenzar este viaje de aprendizaje contigo. ¡Explora, aprende y contribuye!

Bienvenidos al curso colaborativo entre el Centro de Investigación Estadística ERGOSTATS y la Red Ecuatoriana de Ciencia Regional RECIR, parte de la iniciativa "El nido del búho" 🦉.

🎯 Objetivos Pedagógicos

• Comprender los tipos de datos espaciales y su importancia en la ciencia de datos, incluyendo datos vectoriales y raster, y cómo manipularlos en R.

• Analizar patrones espaciales mediante la evaluación de la autocorrelación espacial, y aplicar modelos estadísticos espaciales y geostadísticos para entender la distribución espacial de fenómenos.

• Desarrollar habilidades en la visualización de datos espaciales, utilizando paquetes en R para crear mapas y gráficos que faciliten la interpretación de los resultados estadísticos.

• Aplicar modelos econométricos espaciales para entender las interacciones económicas y sociales en el espacio, y cómo estos modelos pueden ser utilizados para informar políticas públicas y decisiones empresariales.

• Realizar análisis avanzados de patrones de puntos espaciales y procesos, comprendiendo los métodos de simulación y estimación de intensidad para datos de puntos espaciales.