Desigualdad de aprendizajes en Uruguay: determinantes de los resultados de PISA 2012
|
|
- José Ignacio Franco Sosa
- hace 6 años
- Vistas:
Transcripción
1 Desigualdad de aprendizajes en Uruguay: determinantes de los resultados de PISA 2012 Andrea Doneschi Departamento de Economía, FCS, UdelaR Marzo de 2017
2 Contenido 1 Introducción 2 Función de producción educativa Antecedentes 3 por alumno y escuela 4 5 Andrea Doneschi Desigualdad de aprendizajes en Uruguay 1/24
3 Introducción Informe Coleman Factores determinantes del desempeño: características individuales y de la escuela Qué tanto afecta cada uno? Composición social de la escuela o tipo de institución (Raudenbush y Bryk 1986; Somers et al 2004) Segregación (Katzman 2001; Katzman y Retamoso 2007) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 2/24
4 Función de producción educativa Antecedentes - Función de producción educativa Hanushek 1979, 2002: Y it = f (F (t) i, P (t), S (t), A i ) + r it i i Y it F (t) i resultados académicos del estudiante i en el momento t influencia de la familia en los resultados del estudiante (acumulativa al momento t) P (t) i influencia de los compañeros (acumulativa al momento t) S (t) i recursos educativos (acumulativa al momento t) A i r it habilidades innatas término aleatorio Andrea Doneschi Desigualdad de aprendizajes en Uruguay 3/24
5 Función de producción educativa Antecedentes - Antecedentes Contexto familiar y características individuales Hanushek y Wößmann (2010): educación y ocupación de los padres; libros en el hogar; estatus familiar; sexo; inmigrante Coutinho Pereira (2010): grado Recursos escolares el efecto del tamaño de clase depende de otros factores Aspectos institucionales la segregación es una solución eficiente pero inequitativa (Lazear 2001, Fertig 2003) composición social: barrio, escuela y estudiante (Katzman y Retamoso 2007) contexto sociocultural del centro e instituciones privadas (ANEP 2005) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 4/24
6 Metodología Introducción por alumno y escuela Determinantes de desempeños: datos anidados Los estudiantes (nivel 1) están agrupados en escuelas (nivel 2) Los estudiantes comparten características dentro de cada grupo que difiere de los otros grupos (individuos no son independientes dentro del grupo): MCO no sería apropiado Como consecuencia de la estructura de datos, se sugiere la utilización de modelos jerárquicos lineales Andrea Doneschi Desigualdad de aprendizajes en Uruguay 5/24
7 por alumno y escuela 1. Modelo nulo o vacío Y ij = β 0j + r ij (1) β 0j = γ 00 + u 0j (2) Si se sustituye β 0j en la ecuación (1) entonces Y ij = γ 00 + u 0j + r ij (3) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 6/24
8 por alumno y escuela Var(Y ij ) = Var(u 0j + r ij ) = τ 00 + σ 2 Supuestos: Cov(u 0j, r ij ) = 0 Cov(Y ij, Y i j) = Cov(u 0j + r ij, u 0j + r i j) = τ 00, con i i Cov(Y ij, Y i j ) = 0, con j j Andrea Doneschi Desigualdad de aprendizajes en Uruguay 7/24
9 por alumno y escuela La especificación del modelo va incorporando variables explicativas. 2. Incorporación de las variables del nivel 1 (estudiantes): X ij Y ij = β 0j + β 1j X ij + r ij (4) β 0j tiene la misma estructura que en el modelo anterior (compuesto por una parte fija y otra aleatoria); además, β 1j = γ 10. El modelo a estimar es el siguiente: Y ij = γ 00 + γ 10 X ij + u 0j + r ij (5) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 8/24
10 por alumno y escuela 3. Incorporación de las variables del nivel 2 (escuelas): W j Se supone la siguiente estructura para β 0j : β 0j = γ 00 + γ 01 W j + u 0j (6) Y ij = γ 00 + γ 10 X ij + γ 01 W j + u 0j + r ij (7) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 9/24
11 por alumno y escuela 4. Interacción La diferencia entre escuelas podría encontrarse en la pendiente (y no solo en la constante); si se asume que β 1j = γ 10 + γ 11 W j, la ecuación a estimar será la siguiente: Y ij = γ 00 + γ 10 X ij + γ 01 W j + γ 11 X ij W j + u 0j + r ij (8) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 10/24
12 por alumno y escuela Datos - Desempeño educativo: pruebas PISA en matemáticas PISA (Programme for International Student Assessment) Año 2012 Examina el rendimiento en matemática, ciencia y lectura de los jóvenes de 15 años que asisten a la educación media Matemática: tópico principal de esta ola de las pruebas La variable de resultados consta de cinco valores plausibles Muestreo en dos etapas: primero se realiza una muestra estratificada de los centros de estudio y luego se seleccionan los estudiantes dentro de cada centro Para las estimaciones se eliminaron los individuos con valores faltantes en alguna de las variables utilizadas Andrea Doneschi Desigualdad de aprendizajes en Uruguay 11/24
13 por alumno y escuela Rendimiento en matemática en PISA 2012, países seleccionados Andrea Doneschi Desigualdad de aprendizajes en Uruguay 12/24
14 por alumno y escuela Datos - por alumno y escuela Descripción de las variables consideradas en el análisis HLM Nombre variable Características del estudiante y su entorno escs female preprim1 preprim2 nuclear grade1-grade5 Descripción Indicador de estatus económico, social y cultural elaborado por la OCDE; se deriva de otros tres índices: hisei, pared y homepos. Para las estimaciones se utiliza esta variable centrada respecto a la media del centro educativo (escs c) Variable binaria que vale 1 si el estudiante es mujer Variable binaria que vale 1 si el estudiante asistió a un curso de pre-primaria un año o menos Variable binaria que vale 1 si el estudiante asistió a un curso de pre-primaria más de un año Variable binaria que vale 1 si el estudiante vive con la madre y el padre A partir de la variable grade se construyeron cinco variables binarias que refieren al grado en que se encuentra el estudiante respecto al grado modal (grade4); en Uruguay es primer año del ciclo superior de educación media Andrea Doneschi Desigualdad de aprendizajes en Uruguay 13/24
15 por alumno y escuela Nombre variable Recursos escolares Descripción schsize Matrícula total del centro de estudios csize Variable binaria que vale 1 si el tamaño promedio de la clase es menor o igual a 25 stratio Ratio de estudiantes sobre profesores (los profesores de tiempo parcial se ponderan por 0,5) scmatedu Índice sobre la calidad de los recursos escolares (en base a preguntas al director) Aspectos institucionales pcgirls respcur city privado utu mescs Proporción de mujeres en el centro Índice sobre la responsabilidad del centro en el currículum y la evaluación Variable binaria que vale 1 si el centro se encuentra en una ciudad o gran ciudad Variable binaria que vale 1 si el centro es privado Variable binaria que vale 1 si el centro es público y de formación técnica (corresponde a los centros educativos de la ex Universidad del Trabajo del Uruguay, UTU, actualmente Consejo de Educación Técnico Profesional, CETP) Media de la variable escs a nivel de la escuela. Para las estimaciones se utiliza esta variable centrada respecto a la media global (mescs c) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 14/24
16 por alumno y escuela Relación entre escs y el resultado en matemática por estudiante math score math score index of economic, social and cultural status index of economic, social and cultural status mpvmath Fitted values privado público utu Andrea Doneschi Desigualdad de aprendizajes en Uruguay 15/24
17 por alumno y escuela Relación entre escs y el resultado en matemática por estudiante para algunos centros educativos index of economic, social and cultural status privado público utu Graphs by group(schoolid) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 16/24
18 por alumno y escuela Relación entre mescs y el resultado en matemática promedio del centro educativo math score math score mescs_c mescs_c mpvmath_mean Fitted values privado público utu Andrea Doneschi Desigualdad de aprendizajes en Uruguay 17/24
19 Modelos estimados Introducción Modelo nulo Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 sin variables explicativas variables del nivel 1 (estudiantes) variables del nivel 2 (escuelas) sin mescs se incorpora variable mescs interacciones: escs con privado y con mescs interacción de escs y privado interacción de escs y mescs Andrea Doneschi Desigualdad de aprendizajes en Uruguay 18/24
20 Coeficientes estimados Variable Modelo nulo Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 const *** *** *** *** *** *** *** (6.73) (6.57) (22.64) (17.58) (17.57) (17.57) (17.59) Nivel 1 escs c 9.09 *** 9.33 *** 9.65 *** 9.26 *** 8.59 *** 9.43 *** (1.37) (1.37) (1.37) (1.78) (1.6) (1.37) female *** *** *** *** *** *** (2.58) (2.54) (2.54) (2.51) (2.52) (2.51) preprim (5.13) (5.07) (5.06) (5.07) (5.06) (5.06) preprim *** *** *** *** *** *** (3.72) (3.65) (3.63) (3.66) (3.65) (3.64) nuclear 8.36 *** 8.19 *** 8.76 *** 8.71 *** 8.72 *** 8.72 *** (2.87) (2.78) (2.8) (2.8) (2.81) (2.8) grade *** *** *** *** *** *** (7.76) (6.67) (6.88) (6.91) (6.86) (6.92) grade *** *** *** *** *** *** (5.16) (4.82) (4.92) (4.94) (4.93) (4.94) grade *** *** *** *** *** *** (3.86) (3.61) (3.66) (3.67) (3.67) (3.67) grade *** *** *** *** *** *** (12.89) (12.44) (12.34) (12.38) (12.39) (12.37) Andrea Doneschi Desigualdad de aprendizajes en Uruguay 19/24
21 Variable Modelo nulo Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Nivel 2 schsize 0.02 *** 0.01 *** 0.01 *** 0.01 *** 0.01 *** (0) (0) (0) (0) (0) csize (5.13) (4.38) (4.38) (4.38) (4.38) stratio *** *** *** *** *** (0.34) (0.39) (0.39) (0.39) (0.39) scmatedu 4.76 * (2.63) (2.16) (2.16) (2.16) (2.16) pcgirls (38.59) (29.87) (29.86) (29.84) (29.85) respcur (4.21) (3.87) (3.87) (3.87) (3.87) city *** 9.80 ** 9.82 ** 9.81 ** 9.81 ** (4.76) (4.72) (4.72) (4.72) (4.72) privado *** (8.27) (10.84) (10.83) (10.83) (10.85) utu (8.74) (7) (7) (7) (7) mescs c *** *** *** *** (5.64) (5.65) (5.64) (5.66) Interacciones privado*escs c (5.42) (3.5) mescs c*escs c * (3.03) (1.96) Observaciones estudiantes 4,677 escuelas 168 Nota: Los parámetros se estimaron con errores estándar robustos. Andrea Doneschi Desigualdad de aprendizajes en Uruguay 20/24
22 Descomposición de la varianza Modelo nulo Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Var(rij) = σ Var(u 0j ) = τ Total = τ 00 + σ ICC = τ 00/(τ 00 + σ 2 ) Varianza explicada por las variables explicativas respecto al modelo nulo R1 2 (nivel 1) R2 2 (nivel 2) R 2 (total) Notas: a) La varianza para cada nivel es el promedio de las varianzas obtenidas para cada valor plausible; b) ICC: Intraclass Correlation Coefficient Andrea Doneschi Desigualdad de aprendizajes en Uruguay 21/24
23 Expectativas de la familia y del propio estudiante Habilidades: anxmat índice: preocupación o nerviosismo que siente el estudiante al enfrentar problemas matemáticos en la clase, al realizar tareas, o sobre el éxito futuro en la materia Andrea Doneschi Desigualdad de aprendizajes en Uruguay 22/24
24 Principales resultados del trabajo Los resultados académicos están asociados al contexto familiar El centro educativo es determinante en los resultados el entorno económico, social y cultural promedio es el más influyente respecto al tipo de centro (público o privado): a igual entorno del centro, los resultados serían similares en uno público o privado Posible presencia de segregación educativa Andrea Doneschi Desigualdad de aprendizajes en Uruguay 23/24
25 Desigualdad de aprendizajes en Uruguay: determinantes de los resultados de PISA 2012 Andrea Doneschi Departamento de Economía, FCS, UdelaR Marzo de 2017
Documentos de Trabajo
Documentos de Trabajo Desigualdad de aprendizajes en Uruguay: determinantes de los resultados de PISA 2012 Andrea Doneschi Documento No. 01/17 Enero 2017 ISSN 0797-7484 Desigualdad de aprendizajes en Uruguay:
Desigualdad de aprendizajes en Uruguay: los resultados de PISA 2012
DESIGUALDAD DE APRENDIZAJES EN URUGUAY: LOS RESULTADOS DE PISA 2012 Desigualdad de aprendizajes en Uruguay: los resultados de PISA 2012 ANDREA DONESCHI Universidad de la República, Uruguay RESUMEN El presente
El contexto socioeconómico de la comunidad y la salud infantil en Colombia. Un análisis multinivel
El contexto socioeconómico de la comunidad y la salud infantil en Colombia. Un análisis multinivel Ana María Osorio Profesora asociada. Departamento de Economía. Pontificia Universidad Javeriana Cali.
T2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Taller Análisis de Datos Multinivel
Taller Análisis de Datos Multinivel Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica Facultad de Medicina Universidad de La Frontera munozs@ufro.cl 12-25 de Mayo, 2012 Datos Pacientes en clínicas
El objetivo del presente trabajo es analizar los factores determinantes de la calidad educativa en la Argentina y, especialmente,
151 PALABRAS CLAVE Calidad de la educación Rendimiento escolar Medición Escuelas privadas Escuelas públicas Aspectos sociales Argentina Se debe el mayor rendimiento de las escuelas de gestión privada en
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C)
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo C) DURACION: 2 HORAS Y 15 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos
Factores detrás de la desigualdad de resultados en las pruebas PISA
Factores detrás de la desigualdad de resultados en las pruebas PISA 2000-2009 Mariana Marchionni CEDLAS-UNLP y CONICET XLIX Reunión Anual de la AAEP - Universidad Nacional de Misiones Noviembre de 2014
Modelos de regresión multinivel
Luis Guillermo Díaz Leonardo Trujillo Julio 2011 Estructura de datos multinivel Los investigadores de las ciencias sociales y naturales, se enfrentan al problema de modelar estructuras de datos complejas,
TEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
TEMA 5: Especificación y Predicción en el MRL
EMA 5: Especificación y Predicción en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) ema 5: Especificación y Predicción Curso
Análisis de los condicionantes del rendimiento educativo de los alumnos españoles en PISA 2009 mediante técnicas
Presupuesto y Gasto Público 67/2012: 71-96 Secretaría de Estado de Presupuestos y Gastos 2012, Instituto de Estudios Fiscales Análisis de los condicionantes del rendimiento educativo de los alumnos españoles
Documentos de Trabajo
cinve Documentos de Trabajo La Función de Producción Educativa: el posible sesgo en la estimación de efectos institucionales con los datos PISA. El caso de las escuelas de Tiempo Completo ( ) DT. 03/2009
Prueba SIMCE 4 Básico 2002 Factores que Inciden en el Rendimiento de los Alumnos
Prueba SIMCE 4 Básico 2002 Factores que Inciden en el Rendimiento de los Alumnos Nota Técnica Agosto de 2003 Departamento de Estudios y Estadísticas Factores que Inciden en el Rendimiento de los Alumnos
Marcelo Perera Cecilia Llambí
La Función de Producción Educativa: el posible sesgo en la estimación de efectos institucionales con los datos PISA. El caso de las escuelas de Tiempo Completo ( ) Marcelo Perera Cecilia Llambí En el presente
Introducción. Contenido ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS
6 ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS Dr. Jorge Ibarra Salazar Departamento de Economía Tecnológico de Monterrey Introducción Temas previos Producción y Costos Aplicación de técnicas estadísticas
Impacto de las Oportunidades para aprender en los rendimientos académicos de los jóvenes en Colombia. Laura Jimena Giraldo Agudelo
Impacto de las Oportunidades para aprender en los rendimientos académicos de los jóvenes en Colombia Laura Jimena Giraldo Agudelo Tesis de Grado Juan Byron Correa Fonnegra Asesor de Tesis Universidad del
Métodos cuantitativos de las ciencias sociales aplicados a los estudios urbanos y regionales André Lemelin
Métodos cuantitativos de las ciencias sociales aplicados a los estudios urbanos y regionales André Lemelin INDICE PREFACIO... 15 PRIMERA PARTE INTRODUCCIÓN A LA PRIMERA PARTE... 19 CAPÍTULO 1-1 EL ENFOQUE
Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Economía Aplicada. Secciones Cruzadas Repetidas o Datos Fusionados. Basado en Wooldridge cap.13
Economía Aplicada Secciones Cruzadas Repetidas o Datos Fusionados Departamento de Economía Universidad Carlos III de Madrid Basado en Wooldridge cap.13 1 / 13 Dos Ejemplos de Secciones Cruzadas Repetidas
Inequidad en los aprendizajes escolares en América Latina
Documento de trabajo del BID # IDB-WP-180 Inequidad en los aprendizajes escolares en América Latina Análisis multinivel del SERCE según la condición socioeconómica de los estudiantes Jesús Duarte María
Contributions of multivariate linear hierarchical models to education research into performance. An example using. PISA 2009 data on Spanish students
Aportaciones de los modelos jerárquico-lineales multivariados a la investigación educativa sobre el rendimiento. Un ejemplo con datos del alumnado español en PISA 2009 Contributions of multivariate linear
Análisis del movimiento de Categorías de Desempeño Febrero, 2018
Análisis del movimiento de Categorías de Desempeño Febrero, 2018 1. Datos utilizados En este informe se consideran todos los establecimientos de la Macrozona, que comprende las regiones del Maule, Ñuble,
Vanessa Méndez Obando Diana M. Buitrago Galindo Director o tutor de proyecto: Edy Lorena Burbano Vallejo
Incidencia de la orientación vocacional media técnica en el desempeño académico en matemáticas de los estudiantes de colegios públicos y privados en los resultados de las pruebas PISA 2012 en Colombia
ANÁLISIS DE LOS RESULTADOS DE LA PRUEBA NACIONAL
ANÁLISIS DE LOS RESULTADOS DE LA PRUEBA NACIONAL DE APROVECHAMIENTO EN LECTURA EN SECUNDARIA: C M Y CM MY CY CMY K Con más de 31 millones de alumnos en 225 mil escuelas en el año 2003, el Sistema Educativo
ANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Administración Nacional de Educación Pública
Administración Nacional de Educación Pública Estado de situación educativa Rendición de Cuentas Ejercicio 2016 Cuatro desafíos I. Potenciar la educación inicial (4 y 5 años) y contribuir a la universalización
Aprendiendo juntos: Retos a la educación desde los procesos de segregación urbana
Aprendiendo juntos: Retos a la educación desde los procesos de segregación urbana Ruben Kaztman Alejandro Retamoso IPES UNIVERSIDAD CATÓLICA DEL URUGUAY Propósitos del documento PREOCUPACION GENERAL APORTE
Estadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Universidad de la República, Facultad de Ciencias Económicas y Administración.
Universidad de la República, Facultad de Ciencias Económicas y Administración. ECONOMETRIA II- CURSO 2010 Practica 5 MODELOS DE VARIABLE DEPENDIENTE TRUNCADA CENSURADA, MODELOS DE SELECTIVIDAD, MODELOS
Capítulo 3. Modelos Jerárquicos Lineales
Capítulo 3 Modelos Jerárquicos Lineales Fa c t o r e s e s c o l a r e s y a p r e n d i z a e e n Mé x i c o El caso de la educación básica Consistentemente, en las diferentes evaluaciones que ha realizado
Agrupación de escuelas y valor agregado
Agrupación de escuelas y valor agregado Ernesto Treviño Octubre 22, 2010 Agenda Contexto Conceptos Principales resultados Conclusiones Contexto Proyecto de Ley del Sistema Nacional de Aseguramiento de
ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía
ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
SEMINARIO INTERNACIONAL SOBRE MEDICIÓN
APROVECHAMIENTO ESCOLAR Y DESIGUALDAD SOCIAL Eduardo Backhoff Escudero SEMINARIO INTERNACIONAL SOBRE MEDICIÓN DE GRUPOS SOCIALES VULNERABLES MÉXICO, D.F., 18 Y 19 DE OCTUBRE, 2011 PROPÓSITO DE LA PONENCIA
Resultados de PISA 2015 en Cataluña
Resultados de PISA 2015 en Cataluña Investigación científica frente a mitos www.convivenciacivica.org Resultados de PISA 2015 en Cataluña Reforma Consideraciones educativa generales en España: Investigación
Contributions of multivariate linear hierarchical models to education research into performance. An example using PISA 2009 data on Spanish students
Aportaciones de los modelos jerárquico-lineales multivariados a la investigación educativa sobre el rendimiento. Un ejemplo con datos del alumnado español en PISA 2009 Contributions of multivariate linear
Econometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Muestreo en Poblaciones Finitas
Información Adicional. Estimadores de Razón y Regresión 1/25 Muestreo en Poblaciones Finitas Información Adicional. Estimadores de Razón y Regresión José A. Mayor Gallego Departamento de Estadística e
FACTORES DETERMINANTES DEL DESEMPEÑO EDUCATIVO EN URUGUAY
FACTORES DETERMINANTES DEL DESEMPEÑO EDUCATIVO EN URUGUAY 2003-2006 Cecilia Oreiro Instituto de Economía Facultad de Ciencias Económicas y Administración Universidad de la República coreiro@iecon.ccee.edu.uy
Introduccion a los Modelos de Regresion
(wsosa@udesa.edu.ar) Universidad de San Andres Referencias Hayashi (2000) Capitulo 1, pp. 3-46. Cualquier texto basico de econometria (con matrices!!!) Introduccion Modelo lineal: y i = β 1 + β 2 x 2i
ANEXO TABLAS CRECER EN ESPAÑA: ACTITUDES, DESEMPEÑO E INTEGRACIÓNDE LOS HIJOS DE INMIGRANTES
ANEXO TABLAS CRECER EN ESPAÑA: ACTITUDES, DESEMPEÑO E INTEGRACIÓNDE LOS HIJOS DE INMIGRANTES ANEXO AL CAPÍTULO 4: Tabla 4A1: Determinantes del Estatus Ocupacional entre los Padres Inmigrantes en España
Resultados de eficiencia en educación aplicando Análisis Envolvente de Datos (DEA)
Resultados de eficiencia en educación aplicando Análisis Envolvente de Datos (DEA) Contenido Introducción... 2 1. Eficiencia en educación primaria... 3 1.a. Variables de Insumo (Input)... 4 1.b. Variable
PISA 2012 Informes de centros
2 PISA 2012 Informes de centros Puntuación media con intervalo de confianza al 95% El gráfico muestra la puntuación estimada para el centro, la comunidad autónoma, España y la OCDE. Cualquier puntuación
DISEÑO EN BLOQUES ALEATORIZADOS
DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS DISEÑO EN CUADRADOS LATINOS DISEÑO EN CUADRADOS GRECO-LATINOS DISEÑO EN CUADRADOS DE
EXISTEN PEER EFFECTS EN EL RENDIMIENTO ACADÉMICO DE LOS ESTUDIANTES DE GRADO 11 EN LOS COLEGIOS OFICIALES DE LA CIUDAD DE MEDELLÍN?
EXISTEN PEER EFFECTS EN EL RENDIMIENTO ACADÉMICO DE LOS ESTUDIANTES DE GRADO 11 EN LOS COLEGIOS OFICIALES DE LA CIUDAD DE MEDELLÍN? SANDRA MILENA CHICA GÓMEZ Trabajo de grado para optar el título de Magister
Econometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Modelo de Regresión Lineal
Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,
Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de Pr (N (0, 1) > 1, 282) = 0, 10
Econometría Universidad Carlos III de Madrid Examen Extraordinario 25 de Junio de 2014 Instrucciones para la realización del examen: Dispone de 2 horas y media para responder al examen La evaluación consta
ANÁLISIS DE RASCH PARA LOS ÍTEMS DEL ÍNDICE DE ESTATUS ECONÓMICO SOCIAL Y CULTURAL DE LA EVALUACIÓN PISA 2006 PARA MÉXICO
ANÁLISIS DE RASCH PARA LOS ÍTEMS DEL ÍNDICE DE ESTATUS ECONÓMICO SOCIAL Y CULTURAL DE LA EVALUACIÓN PISA 2006 PARA MÉXICO ROBERTO SOLÍS GONZÁLEZ / DAMIÁN CANALES SÁNCHEZ RESUMEN: Análisis de Rasch para
Econometría II. Hoja de Problemas 2
Econometría II. Hoja de Problemas 2 1. Se quiere estudiar si los beneficios de las empresas dependen del gasto en I+D que realizan. Para estimar la ecuación beneficios t = β 1 +β 2 ventas t +β 3 gid t
Multicolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u
CAPíTULO 6 Multicolinealidad 6.1. Introducción Uno de los supuestos básicos del modelo lineal general y = Xβ + u establece que las variables explicativas son linealmente independientes, es decir, la igualdad
Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015
Soluciones Examen Final de Econometría Universidad Carlos III de Madrid 26 de Mayo de 2015 Conteste todas las preguntas en dos horas y media. Pregunta 1 (33 puntos: Un investigador está considerando las
Taller Análisis de Datos Multinivel (2da parte)
Taller Análisis de Datos Multinivel (2da parte) Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica Facultad de Medicina Universidad de La Frontera munozs@ufro.cl 12-25 de Mayo, 2012 Software SAS:
Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Econometría III Examen. 29 de Marzo de 2012
Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean
Contenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Econometría 1. Karoll GOMEZ Segundo semestre 2017
Econometría 1 Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 II. El modelo de regresión lineal Esperanza condicional I Ejemplo: La distribución de los salarios
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Econometría Avanzada FLACSO 2014
Econometría Avanzada FLACSO 2014 Hemos cubierto: Mapa Planteamiento de una pregunta económica de interés Diferencias entre econometría y estadística Métodos: Lineales (MCO) revisión, variables instrumentales
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una
Regresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
PROBLEMA 1: Nivel nutricional de los menores de 6 años
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I Curso 2012/13 SOLUCIONES EXAMEN FINAL (Convocatoria Ordinaria) 10 de Enero de 2013 PROBLEMA 1: Nivel nutricional de los menores de 6 años 1. Los nutricionistas
Proyecto de Asistencia Técnica Programa: Índices de Desempeño Escolar Graduandos y III Básica 2006 GUATEMALA. por Rubén Cervini
Proyecto de Asistencia Técnica Programa: Índices de Desempeño Escolar Graduandos y III Básica 2006 GUATEMALA por Rubén Cervini Sumario I. Antecedentes II. Concepto de desempeño institucional III. Objetivos
Métodos de Diseño y Análisis de Experimentos
1 / 16 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM mayo 2018 Ejemplo Modelos Mixtos 2 / 16 3 / 16 Ejemplo 1 (2 factores
Objetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
4. CRISIS, IGUALDAD DE OPORTUNIDADES Y RESULTADOS EDUCATIVOS EN ESPAÑA: UNA VISIÓN RETROSPECTIVA DESDE PISA 2012 JOSÉ GARCÍA MONTALVO
4. CRISIS, IGUALDAD DE OPORTUNIDADES Y RESULTADOS EDUCATIVOS EN ESPAÑA: UNA VISIÓN RETROSPECTIVA DESDE PISA 212 JOSÉ GARCÍA MONTALVO Universidad Pompeu Fabra e ICREA-Academia 4. CRISIS, IGUALDAD DE OPORTUNIDADES
Una vindicación de las escuelas españolas
Autor: Julio Carabaña, catedrático de sociología de la Universidad Complutense de Madrid. Asesor en 1983 de José María Maravall Herrero, Ministro de Educación y Ciencia (1982-1988) Vindicación: Reivindicación,
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A)
TIEMPO: 2 HORAS Instrucciones: UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo A) 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de Econometria
UNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
UEE Reporte Técnico
Universidad Autónoma de Baja California Instituto de Investigación y Desarrollo Educativo Unidad de Evaluación Educativa Análisis multinivel del logro educativo en la formación cívica y ética de los estudiantes
Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Truncamiento y Selección
y Selección Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 4 Tobit vs. Tobit: inversión en equipo q = x i i β + ε i
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
ESTUDIO MULTINIVEL BASADO EN PISA 2009: DETERMINANTES DEL RENDIMIENTO EDUCATIVO EN URUGUAY
ESTUDIO MULTINIVEL BASADO EN PISA 2009: DETERMINANTES DEL RENDIMIENTO EDUCATIVO EN URUGUAY Vivian Tatiane Rodrigues YUANE 1 Kalinca Leia BECKER 2 1126 126 RESUMEN: Los resultados de PISA 2009 manifiestan
1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Uruguay Factores asociados TERCE
Uruguay Factores asociados TERCE a) Desempeño de los estudiantes La tabla 1 expone los resultados de Uruguay en las pruebas TERCE y su comparación con el rendimiento promedio regional. Como se advierte,
ESCUELA SUPERIOR POLITECNICA DEL LITORAL
ESCUELA SUPERIOR POLITECNICA DEL LITORAL PRIMER TÉRMINO 2017 ECONOMETRÍA II EXAMEN FINAL Profesor: Gonzalo E. Sánchez Yo,, al firmar este compromiso, reconozco que el presente examen está diseñado para
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B)
UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA EXAMEN FINAL (Modelo B) TIEMPO: 125 MINUTOS Instrucciones: 1. Este un modelo de examen que le servirá para autoevaluarse de todos los contenidos del curso de
Regresión Simple. Leticia Gracia Medrano. 2 de agosto del 2012
Regresión Simple Leticia Gracia Medrano. lety@sigma.iimas.unam.mx 2 de agosto del 2012 La ecuación de la recta Ecuación General de la recta Ax + By + C = 0 Cuando se conoce la ordenada al origen y su pendiente
Efectos de la inmigración sobre la equidad y los niveles del gasto público en educación en España
XXI SEMINARIO REGIONAL DE POLÍTICA FISCAL Santiago de Chile, 26 al 29 de enero de 2009 Efectos de la inmigración sobre la equidad y los niveles del gasto público en educación en España Javier Salinas Jiménez
Regional and Sectoral Economic Studies Vol (2013)
EL FRACASO ESCOLAR EN EL NIVEL MEDIO ARGENTINO: ES MENOS FRECUENTE EN LAS ESCUELAS DE GESTIÓN PRIVADA DEBIDO A SU ADMINISTRACIÓN? FORMICHELLA, María Marta* KRÜGER, Natalia** Abstract In Argentina it is
ÍNDICE INTRODUCCIÓN... 1 CAPÍTULO
ÍNDICE INTRODUCCIÓN... 1 CAPÍTULO 1 Fundamentos Teóricos... 13 1.1. El concepto de eficiencia del mercado... 13 1.2. El modelo de descuento de dividendos... 15 1.3. El modelo del resultado residual...
Participación Laboral Femenina en Chile: Situación y Desafíos
Participación Laboral Femenina en Chile: Situación y Desafíos Rafael Novella Unidad de Mercados Laborales y Seguridad Social, BID Santiago, 17 de Junio 2015 Rafael Novella (SCL-LMK BID) 1 / 25 1 Introducción
Herramientas para el Estudio de Mercado. Técnicas de Predicción.
Herramientas para el Estudio de Mercado Proyecciones Económicas Técnicas de Predicción. Profesor: Exaú Navarro Pérez Técnicas de Predicción. Introducción. Técnicas Elementales de Predicción. Modelo Econométrico.
TEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales
Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales 5.1 Introducción a los modelos de ecuaciones el planteamiento LISREL. 5.2. Fases en la elaboración de un modelo. 5.2.1.
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II. TEORÍA DE MUESTRAS E INFERENCIA. Ejercicios propuestos en Selectividad. AÑO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 6. TEORÍA DE MUESTRAS E INFERENCIA. Ejercicios propuestos en Selectividad. AÑO 2009 1. 7. 8. 2. 3. 9. 4. 10. 11. 5. 12. AÑO 2010 18. 13. 14. 19. 15. AÑO
Programa Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Econometría
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Análisis Económico Curso: Créditos ECTS: 6 Tipo de asignatura:
nivel socioeconómico (ese) Y rendimiento en los países del Gip
nivel socioeconómico (ese) Y rendimiento en los países del Gip De acuerdo con el informe internacional de PISA, y de manera coincidente con muchas otras investigaciones, el origen socioeconómico de los
NORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos)
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: (tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Modelos de Variable Dependiente Limitada. Econometría Aplicada UCEMA Daniel Lema
Modelos de Variable Dependiente Limitada Econometría Aplicada UCEMA Daniel Lema Modelos de Variable Dependiente Limitada Censura y muestras seleccionadas Modelos de regresión censurados Modelos para muestras
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Tema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Curso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación: Teórico-Práctica
Ficha Técnica Titulación: Grado en Economía Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Instrumental Curso: 2º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación:
Factores que influyen en el rendimiento escolar en el Perú: Resultados con base en la Evaluación Censal de Estudiantes (ECE) 2013
Factores que influyen en el rendimiento escolar en el Perú: Resultados con base en la Evaluación Censal de Estudiantes (ECE) 2013 Introducción Diagnósticos precisos sobre los logros de aprendizaje de los
Una Mirada a la Efectividad de los Profesores en Chile
Una Mirada a la Efectividad de los Profesores en Chile Bernardo Lara, Stanford University Alejandra Mizala, Universidad de Chile Andrea Repetto, Universidad Adolfo Ibáñez 15 de Junio, 2010 Rol esencial