Your SlideShare is downloading. ×
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Avance numero 3 SIMCE
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Avance numero 3 SIMCE

118

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
118
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. UNIVERSIDAD DE TALCA FACULTAD DE CIENCIAS EMPRESARIALES ESCUELA DE INGENIERIA COMERCIAL ECONOMETRIA Identificar las partes determinantes de los resultados de la prueba SIMCE en el rendimiento escolar de los alumnos de cuarto básico del país. Análisis y Conclusiones INTEGRANTES Bárbara González Faúndez Ivania Méndez Céspedes Mario Moreno Ureta Vanessa Navarro Rudolph Camila Saavedra Nazal PROFESOR Medardo Aguirre AYUDANTE Claudio Candía Gladys Castro 30 de diciembre, 2011
  • 2. Modelos Propuestos Modelo SIMCE Matemática Ln (M)= β0 + β1LnX1 + ∑ βi EPZi + ∑ βi NSi + ∑ βi DCi + µ Donde: Ln (M): Logaritmo del desempeño en Educación Matemática. X1 : Logaritmo natural del tamaño del establecimiento. EPZ : Establecimiento por zona (las categorías están definidas anteriormente). NS : Nivel socioeconómico de los colegios (las categorías están definidas anteriormente). DC : Dependencia de los colegios µ : Residuos Estimaciones (Anexo 1) Resumen Modelo de desempeño Matemáticas (Anexo2) Modelo SIMCE Lectura Ln (L) = β0+ β1 LnX1 + ∑βi EPZi + ∑βi NSi + ∑βi DCi + µ Donde: Ln (L) : Logaritmo del desempeño en Educación Matemática X1 : Logaritmo natural del tamaño del establecimiento EPZ : Establecimiento por zona (las categorías están definidas anteriormente) NS : Nivel socioeconómico de los colegios (las categorías están definidas anteriormente) DC : Dependencia de los colegios (las categorías están definidas anteriormente) µ : Residuos Estimaciones (Anexo 3) Resumen del modelo de desempeño Lectura (Anexo 4)
  • 3. Los modelos propuestos no incluyen variables irrelevantes ni omiten variables relevantes para explicar el desempeño, tanto en la prueba de Lenguaje como en la de Matemática. Las restricciones que se imponen a los modelos de regresión se cumplen. La variable dependiente en cada modelo (desempeño en Lenguaje y Matemática) no es aleatoria, nos encontramos en un contexto de experimento controlado. Las variables independientes de los modelos no presentan correlación, a excepción de las variables “municipal” y “particular subvencionado” que presentan una correlación de -0.897; sin embargo esto se justifica dado que son variables categóricas. En cuanto a los residuos, éstos presentan media 0, su varianza se muestra constante (0.009 en Matemática y 0.006 en Lenguaje) y, las correlaciones son 0. Según la prueba de normalidad de Kolmogorov-Smirnov, el p-value = 0.000, por lo que es menor que α (α = 0.05), con esto se demuestra que los residuos del modelo tienen distribución normal. (Ver anexo 5) Análisis de heterocedasticidad Dado que los datos son de corte transversal, es factible pensar que se presente un problema de heterocedasticidad (como ha sido el caso). Sometido a los análisis de Lenguaje y Matemática y al test de correlación por rasgos de Spearman para comprobar la existencia de heterocedasticidad se verifica que no tiene problemas. Discusión de los resultados Chile está dividido en tres zonas: zona norte, zona centro y zona sur. En el modelo final, se observa que con respecto a la zona central, la zona sur tiene un mejor desempeño en el SIMCE de Matemática; por su parte, los resultados en el SIMCE de Lenguaje presentan la misma tendencia. A su vez, la zona norte presenta un desempeño inferior al de a zona central, tanto en el SIMCE de Lenguaje como en el de Matemática. Estos resultados son estadísticamente concluyentes ya que al analizar su p-value, éste es menor a 0.05 (hallándose en región de rechazo). La zona sur es la zona con mayor desempeño global en el SIMCE. Una de las razones de dicho comportamiento es que en esta zona hay menor porcentaje de alumnos prioritarios, como lo señala Page, Murnane, & Vegas, (2009). Entendiéndose este último, como alumnos con mayor riesgo social, medido por parámetros como: pertenencia al programa chile solidario, puntaje en la ficha de protección social, pertenencia al fondo A de Fonasa o por la escolaridad de la madre.
  • 4. La zona central obtiene un segundo lugar en el desempeño global del SIMCE, lo cual puede ser explicado debido a que es la zona con menor porcentaje de pobreza en el país1 En último lugar se encuentra la zona norte, la cual posee el más bajo desempeño global, el cual podría ser explicado por su porcentaje de alumnos vulnerables (es el más alto del país). Por su parte en la tabla de coeficientes, la variable tamaño del establecimiento se presenta con signo positivo, esto quiere decir que mientras más alumnos hayan, los resultados del SIMCE de los 4tos básicos, tanto en Lenguaje como en Matemática, tienden a ser mejores. Sin embargo, la incidencia de ésta variable en la prueba de Lenguaje es menor que en la de Matemática. Aguirre, Roquefort y Bravo (2004) concuerdan con estos resultados, y concluyen que el mejor rendimiento relacionado con una mayor cantidad de alumnos, se da principalmente porque los colegios más grandes están ubicados en zonas urbanas, y éstos están mejor equipados y poseen mejor infraestructura que un establecimiento pequeño. Por otra parte, la ubicación y la infraestructura se relacionan con la dependencia del colegio y, en general, los particulares, que son los que obtienen los mejores puntajes, se encuentran en su mayoría en zonas urbanas. Summers y Wolfe (1977), sin embargo, declaran lo contrario, tanto para el tamaño de los cursos como para tamaño del colegio, y dicen que los establecimientos de mayor tamaño tienen menor rendimiento que aquellos con menos alumnos. Esto puede explicarse, en parte, considerando que mientras menos alumnos hallan en un colegio, los cursos tienden a ser más pequeños y el profesor puede enseñar de manera más personalizada. De acuerdo a los resultados del modelo planteado, se puede extraer que el rendimiento de los colegios va disminuyendo en relación al nivel socioeconómico, presentando los colegios de clase baja un rendimiento evidentemente diferenciado por el sector social al que pertenezcan los alumnos del mismo, observándose resultados decrecientes, disminuyendo desde los colegios particulares pagados, colegios subvencionados, terminando por los colegios municipales que presentan el rendimiento más bajo a nivel nacional. El SIMCE muestra que los resultados obtenidos a partir de la educación impartida se encuentran bajo la influencia del nivel socioeconómico de las familias mejorando los resultados a medida que aumenta el nivel socioeconómico. 1 Datos sobre la Pobreza en Chile, PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO
  • 5. Lo anterior concuerda con lo planteado por Mella y Ortiz (1999) quienes proponen que el estatus socioeconómico de los alumnos es la variable más importante en la explicación de la varianza de los puntajes de logro escolar. Existe además una fuerte correlación negativa entre el puntaje SIMCE y los colegios de clase baja, lo que indica que a mayor nivel de vulnerabilidad menor es el puntaje promedio pues estos establecimientos atienden a la población con menores ingresos. Sin embargo, esto no es indicativo de que los colegios de clase baja no sean capaces de obtener altos rendimientos, pero esto indica también la elevada dispersión que existiría entre los puntajes obtenidos por estos establecimientos. El análisis de la variable dependencia, arroja como resultado que los rendimientos están muy bien definidos en relación al origen del financiamiento de los establecimientos. Al hacer una comparación en los puntajes promedio obtenidos por los diferentes establecimientos de acuerdo a la dependencia administrativa de estos, se puede concluir que existe una brecha significativa entre los colegios subvencionados y particulares pagados, brecha que aumenta aun más entre estos últimos y los colegios municipales. La diferencia en el rendimiento escolar, medida por los resultados en la prueba SIMCE, que se da entre los colegios de distinta dependencia muestra la alta segmentación que existe en los establecimientos chilenos, tal como lo plantea González, Mizala y Romaguera (2002), por lo general los alumnos de menores ingresos acuden a establecimientos municipales, los de estrato medio a establecimientos subvencionados y los de ingresos altos a colegios particulares pagados. Fernando Arrau C. (2005), señala que en el estrato bajo, el puntaje promedio de los establecimientos particulares subvencionados supera a los municipales, si se considera Lenguaje Matemática. En el estrato medio, los establecimientos municipales superan a los particulares subvencionados. El análisis las variaciones según tipo de dependencia y grupo socioeconómico. Sin desmedro de lo anterior, cabe destacar que el proceso de privatización y subvención no ha logrado aumentar los niveles educacionales en términos de calidad, puesto que los resultaos generales son deficientes para la mayor parte de los alumnos. Limitaciones del modelo Las limitaciones al construir el modelo fueron diversas, en primer lugar, en muchos de los artículos y estudios consultados, señalaban como variable significativa los años de escolaridad de los padres, dato que ya no es posible obtener para resultados del SIMCE agrupados por establecimiento.
  • 6. El estudio también tuvo como limitación las políticas públicas, entre las cuales se pueden mencionar subvención escolar preferencial, proyectos especiales (enlaces, transporte escolar), excelencia académica, desempeño difícil, etc. Estas son variables que no han sido consideradas y que influyen positivamente en el desempeño de los establecimientos como lo señala Page, Murnane, & Vegas (2009) Además, el modelo no tiene dinamismo, es decir, no incluye los cambios respecto a tendencias (sociales, culturales, medioambientales, económicas, políticas, etc.) que pueden influir en los pronósticos realizados con el modelo. Esto implica que el modelo esta creado para un momento determinado del tiempo, con una cierta cantidad de personas, que tienen ciertas características y que pertenecen a un lugar geográfico especifico; es por esto que el modelo no podría ser utilizado para otros años debido a que las variables determinantes del desempeño varían en distintos momentos del tiempo. Conclusiones Generales Para finalizar, es importante destacar ciertas variables consideradas que fueron trascendentales para la construcción del modelo pues le brindaron consistencia y significancia, según lo que sostienen los documentos científicos y la teoría económica. Las variables a las cuales se hace referencia son: nivel socioeconómico, dependencia del establecimiento, numero de alumnos que rindieron el SIMCE y zona geográfica. Todas estas variables se comportaron en el modelo según lo estudiado, es decir, en el caso de la variable socioeconómica, los colegios con alumnos de un nivel socioeconómico superior obtuvieron un mejor desempeño global en las pruebas del SIMCE, por su parte mientras mayor el número de alumnos que rindiera dicha prueba, mejor desempeño del establecimiento, (hasta un máximo de 50 alumnos). Con respecto a la dependencia del establecimiento y su incidencia en el desempeño de los colegios, se concluye que los colegios particulares pagados tienen un desempeño significativamente superior que los colegios particulares subvencionados y municipales; Sin embargo, a la hora de comparar el desempeño de los establecimientos particulares subvencionados y los municipales, no se observa una diferencia significativa. Finalmente, a la hora de concluir sobre la variable zona geografía, las diferencias en el desempeño (mejor en la zona sur y peor en la norte), se explican por diferencias en los niveles de pobreza e índice de vulnerabilidad de los alumnos en cada zona.
  • 7. Bibliografía ¿Qué es el SIMCE?. Disponible en www.simce.cl, consultada el día 8 de Noviembre de 2011. Carnoy, M. (2006). Economía de la educación. Barcelona: Editorial UOC. Departamento de Economía Universidad de Chile. (junio de 2009). SCielo. Estudios de economía, 36(1), 47-66. González, D. S. (2003). LA ESTIMACIÓN DE LA FUNCIÓN DE PRODUCCIÓN EDUCATIVA EN VALOR AÑADIDO MEDIANTE REDES NEURONALES: UNA APLICACIÓN PARA EL CASO ESPAÑOL. Universidad Complutense de Madrid, Madrid. Himmel, E. et al. (1984). Análisis de la influencia de factores alterables del proceso educativo sobre la efectividad escolar, Santiago, Universidad Católica de Chile. John, R. (2010). LA ECONOMÍA Y LA FUNCIÓN DE PRODUCCIÓN EN EDUCACIÓN. “Visión de Futuro”,13(1),http://www.fce.unam.edu.ar/revistacientifica/index.php?option=com_content &view=article&id=184&Itemid=51. Lockheed, M., & Bruns, B. (1990). School effects on achievement in secondary mathematics and portuguese in Brazil, Washington, Banco Mundial. Mella, O., & Ortíz, I. (1999). RENDIMIENTO ESCOLAR. INFLUENCIAS DIFERENCIALES DE FACTORES EXTERNOS E INTERNOS. Revista Latinoamericana de Estudios Educativos, 1° trimestre, año/vol. XXIX, número 001. Centro de Estudios Educativos, Distrito Federal, México, pp. 69-92. BIBLIOGRAPHY l 13322 Page, L., Murnane, R. J., & Vegas, E. (2009). Distribución de los rendimientos estudiantiles en Chile análisis de Línea Base para la Evaluación de la Subvención Escolar Preferencial (SEP). Perera, M., & Llambí, C. (2008). 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. Trabajo de invesigación, Ministerio de Desarrollo Social, Centro de Investigaciones Económicas, Montevideo. UNIVERSIA BUSSINES REVIEW. (s.f.). UNIVERSIA. Recuperado el 15 de noviembre de 2011, de http://ubr.universia.net/pdfs/UBR0032007010.pdf Universidad nacional de Mexico. (s.f.). UNAM. Recuperado el 1 de noviembre de 2011, de http://www.ses.unam.mx/curso2008/pdf/Rodriguez2005.pdf
  • 8. Naciones Unidas. (s.f.). Programa de las Naciones Unidas para el Desarrollo. Recuperado el 29 de 12 de 2011, de http://www.pnud.cl/areas/ReduccionPobreza/datos-pobreza-en-Chile.asp BIBLIOGRAPHY l 13322 Pablo González, A. M. (2002). RECURSOS DIFERENCIADOS A LA EDUCACIÓN SUBVENCIONADA EN CHILE. Serie de Economía (150).
  • 9. ANEXOS Anexo 1 Estimación del modelo Ln (M) = 5,595 + 0,022ln X1 – 0,015 EPZN + 0,024 EPZS – 0,159 NSB – 0,092 NSM -0,066 DCMU – 0,069 DCPS Donde: Ln X1 : Tamaño del establecimiento EPZN : Establecimiento por zona norte EPZS : Establecimiento por zona sur NSB : Nivel socioeconómico bajo NSM : Nivel socioeconómico medio DCMU : Dependencia de los colegios municipales DCPS : Dependencia de los colegios particular subvencionados Anexo 2 Resumen Modelo de desempeño Matemáticas Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1 ,628(a) ,395 ,394 ,09512
  • 10. Anexo 3 Estimación del modelo Ln (L) = 5,669 + 0,008ln X1 – 0,012 EPZN + 0,030 EPZS – 0,121 NSB – 0,066 NSM – 0,042 DCMU – 0,040 DCPS Donde: Ln X1 : Tamaño del establecimiento EPZN : Establecimiento por zona norte EPZS : Establecimiento por zona sur NSB : Nivel socioeconómico bajo NSM : Nivel socioeconómico medio DCMU : Dependencia de los colegios municipales DCPS : Dependencia de los colegios particular subvencionados Anexo 4 Resumen del modelo de desempeño Lectura Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación 1 ,589(a) ,347 ,347 ,07525
  • 11. Anexo 5 Análisis del Modelo que explica el modelo de Lenguaje Pruebas de normalidad ,021 5709 ,000Unstandardized Residual Estadístico gl Sig. Kolmogorov-Smirnov a Corrección de la signif icación de Lillief orsa. Descriptivos ,0000000 ,00125867 -,0024675 ,0024675 ,0012608 ,0030593 ,009 ,09510240 -,55082 ,35878 ,90960 ,12046 -,230 ,032 ,714 ,065 Media Límite inf erior Límite superior Interv alo de conf ianza para la media al 95% Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Unstandardized Residual Estadístico Error típ.
  • 12. Análisis de residuos de Lenguaje Pruebas de normalidad ,049 5719 ,000Unstandardized Residual Estadístico gl Sig. Kolmogorov-Smirnov a Corrección de la signif icación de Lillief orsa.
  • 13. Descriptivos ,0000000 ,00099261 -,0019459 ,0019459 ,0021406 ,0047143 ,006 ,07506559 -,51765 ,30159 ,81925 ,08905 -,595 ,032 1,826 ,065 Media Límite inf erior Límite superior Interv alo de conf ianza para la media al 95% Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Unstandardized Residual Estadístico Error típ.
  • 14. Análisis del Modelo que explica el modelo de Matemáticas Correlaciones 1 -,897** ,519** -,236** ,059** ,003 -,257** -,349** ,000 ,000 ,000 ,000 ,783 ,000 ,000 7927 7927 7927 7927 7927 7927 7927 5719 -,897** 1 -,383** ,295** -,050** ,045** ,221** ,179** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 7927 5719 ,519** -,383** 1 -,690** -,040** ,231** -,453** -,489** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 7927 5719 -,236** ,295** -,690** 1 ,040** -,145** ,312** ,102** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 7927 5719 ,059** -,050** -,040** ,040** 1 -,228** ,043** -,037** ,000 ,000 ,000 ,000 ,000 ,000 ,006 7927 7927 7927 7927 7927 7927 7927 5719 ,003 ,045** ,231** -,145** -,228** 1 -,276** ,030* ,783 ,000 ,000 ,000 ,000 ,000 ,022 7927 7927 7927 7927 7927 7927 7927 5719 -,257** ,221** -,453** ,312** ,043** -,276** 1 ,228** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 7927 5719 -,349** ,179** -,489** ,102** -,037** ,030* ,228** 1 ,000 ,000 ,000 ,000 ,006 ,022 ,000 5719 5719 5719 5719 5719 5719 5719 5719 Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimiento Desempeño_Lenguaje Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimi ento Desempeño_ Lenguaje La correlación es signif icativ a al niv el 0,01 (bilateral).**. La correlación es signif icante al niv el 0,05 (bilateral).*. ANOVAb 17,340 7 2,477 439,076 ,000a 32,220 5711 ,006 49,560 5718 Regresión Residual Total Modelo 1 Suma de cuadrados gl Media cuadrática F Sig. Variables predictoras: (Constante), Número de alumnos con puntaje 2010 del establecimiento, Colegios de la zona norte, part sub, Colegios zona sur, Colegios de clase media, Colegios de clase baja, Municipal a. Variable dependiente: Desempeño_Lenguajeb.
  • 15. Coeficientesa 5,688 ,004 1370,813 ,000 -,042 ,005 -,227 -7,950 ,000 -,349 -,105 -,085 ,140 7,149 -,040 ,005 -,214 -8,425 ,000 ,179 -,111 -,090 ,177 5,661 -,120 ,004 -,643 -32,723 ,000 -,489 -,397 -,349 ,294 3,396 -,066 ,003 -,309 -19,131 ,000 ,102 -,245 -,204 ,437 2,287 -,013 ,003 -,044 -3,994 ,000 -,037 -,053 -,043 ,958 1,043 ,030 ,003 ,126 11,266 ,000 ,030 ,147 ,120 ,917 1,091 ,000 ,000 ,088 7,583 ,000 ,228 ,100 ,081 ,841 1,189 (Constante) Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimiento Modelo 1 B Error típ. Coeficientes no estandarizados Beta Coeficientes estandarizad os t Sig. Orden cero Parcial Semiparcial Correlaciones Tolerancia FIV Estadísticos de colinealidad Variable dependiente: Desempeño_Lenguajea. Diagnósticos de colinealidada 3,840 1,000 ,00 ,00 ,00 ,00 ,01 ,01 ,01 ,02 1,491 1,605 ,00 ,01 ,01 ,02 ,06 ,00 ,02 ,01 1,030 1,931 ,00 ,00 ,01 ,00 ,00 ,42 ,26 ,00 ,678 2,379 ,00 ,01 ,01 ,00 ,04 ,53 ,28 ,03 ,535 2,679 ,00 ,01 ,04 ,02 ,20 ,02 ,31 ,02 ,324 3,441 ,00 ,00 ,03 ,04 ,12 ,00 ,12 ,68 ,073 7,243 ,29 ,07 ,01 ,73 ,41 ,01 ,00 ,24 ,028 11,691 ,70 ,89 ,90 ,18 ,16 ,00 ,00 ,01 Dimensión 1 2 3 4 5 6 7 8 Modelo 1 Autov alor Indice de condición (Constante) Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimi ento Proporciones de la v arianza Variable dependiente: Desempeño_Lenguajea.
  • 16. Análisis del Modelo que explica el modelo de Matemáticas Correlaciones 1 -,897** ,519** -,236** ,059** ,003 -,346** -,257** ,000 ,000 ,000 ,000 ,783 ,000 ,000 7927 7927 7927 7927 7927 7927 5709 7927 -,897** 1 -,383** ,295** -,050** ,045** ,155** ,221** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 5709 7927 ,519** -,383** 1 -,690** -,040** ,231** -,515** -,453** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 5709 7927 -,236** ,295** -,690** 1 ,040** -,145** ,097** ,312** ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 5709 7927 ,059** -,050** -,040** ,040** 1 -,228** -,020 ,043** ,000 ,000 ,000 ,000 ,000 ,128 ,000 7927 7927 7927 7927 7927 7927 5709 7927 ,003 ,045** ,231** -,145** -,228** 1 -,038** -,276** ,783 ,000 ,000 ,000 ,000 ,004 ,000 7927 7927 7927 7927 7927 7927 5709 7927 -,346** ,155** -,515** ,097** -,020 -,038** 1 ,286** ,000 ,000 ,000 ,000 ,128 ,004 ,000 5709 5709 5709 5709 5709 5709 5709 5709 -,257** ,221** -,453** ,312** ,043** -,276** ,286** 1 ,000 ,000 ,000 ,000 ,000 ,000 ,000 7927 7927 7927 7927 7927 7927 5709 7927 Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Desempeño_ matematicas Número de alumnos con puntaje 2010 del establecimiento Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Desempeño_ matematicas Número de alumnos con puntaje 2010 del establecimi ento La correlación es signif icativ a al niv el 0,01 (bilateral).**. ANOVAb 33,585 7 4,798 529,825 ,000a 51,626 5701 ,009 85,211 5708 Regresión Residual Total Modelo 1 Suma de cuadrados gl Media cuadrática F Sig. Variables predictoras: (Constante), Número de alumnos con puntaje 2010 del establecimiento, Colegios de la zona norte, part sub, Colegios zona sur, Colegios de clase media, Colegios de clase baja, Municipal a. Variable dependiente: Desempeño_matematicasb.
  • 17. Coeficientesa 5,650 ,005 1076,435 ,000 -,065 ,007 -,267 -9,696 ,000 -,346 -,127 -,100 ,140 7,131 -,068 ,006 -,278 -11,365 ,000 ,155 -,149 -,117 ,177 5,642 -,162 ,005 -,659 -34,682 ,000 -,515 -,417 -,358 ,295 3,393 -,092 ,004 -,331 -21,267 ,000 ,097 -,271 -,219 ,437 2,286 -,016 ,004 -,041 -3,899 ,000 -,020 -,052 -,040 ,958 1,043 ,021 ,003 ,068 6,315 ,000 -,038 ,083 ,065 ,918 1,089 ,001 ,000 ,139 12,415 ,000 ,286 ,162 ,128 ,842 1,187 (Constante) Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimiento Modelo 1 B Error típ. Coeficientes no estandarizados Beta Coeficientes estandarizad os t Sig. Orden cero Parcial Semiparcial Correlaciones Tolerancia FIV Estadísticos de colinealidad Variable dependiente: Desempeño_matematicasa. Diagnósticos de colinealidada 3,840 1,000 ,00 ,00 ,00 ,00 ,01 ,01 ,01 ,02 1,490 1,605 ,00 ,01 ,01 ,02 ,06 ,00 ,02 ,01 1,030 1,931 ,00 ,00 ,01 ,00 ,00 ,43 ,26 ,00 ,678 2,380 ,00 ,01 ,01 ,00 ,04 ,52 ,29 ,03 ,537 2,674 ,00 ,01 ,04 ,02 ,20 ,02 ,30 ,02 ,324 3,441 ,00 ,00 ,03 ,04 ,12 ,00 ,11 ,68 ,073 7,232 ,29 ,07 ,01 ,73 ,41 ,01 ,00 ,24 ,028 11,667 ,70 ,89 ,90 ,18 ,16 ,00 ,00 ,01 Dimensión 1 2 3 4 5 6 7 8 Modelo 1 Autov alor Indice de condición (Constante) Municipal part sub Colegios de clase baja Colegios de clase media Colegios de la zona norte Colegios zona sur Número de alumnos con puntaje 2010 del establecimi ento Proporciones de la v arianza Variable dependiente: Desempeño_matematicasa.

×