Aplicación de un Modelo Lineal Generalizado Mixto para datos anidados

Resumen (es)

El rendimiento académico es un fenómeno multidimensional, determinado por el estudiante, la escuela y el contexto socio-económico-cultural en que éstos agentes se desenvuelven. Con el objeto de medir el rendimiento de los establecimientos educacionales, el Ministerio de Educación aplica una bateríaa de pruebas estandarizadas que componen el Sistema de Medición de la Calidad de la Educación, SIMCE. Existen varios factores que determinan el rendimiento en el SIMCE. En este sentido, diversos autores sostienen que el nivel socio-económico de los estudiantes
es el más importante para explicar el rendimiento escolar. Por otra parte, los datos indican que tanto la dependencia escolar como la zona geográfica donde está ubicado el establecimiento educacional in uyen en el rendimiento. Este estudio tiene por objetivo determinar cuáles son los mejores predictores del puntaje SIMCE de matemáticas en establecimientos educacionales de la región de la Araucanía. Los datos de carácter anidado serán modelados a través de un Modelo Lineal Generalizado Mixto (GLMM).

Resumen (en)

The school performance is a multidimensional phenomenon determined by the student, the school and the socio-economical context in which they are immerse. In order to measure the performance of the educational institutions, the Ministry of Education applies a set of standardized tests which form the Measurement System of Quality in Education, SIMCE for its initials in Spanish. There are some factors which determine the performance in the SIMCE. Along this line, many authors hold that the socio-economical level of the students is the most important one to explain the school performance. However, the data indicates that, not only the dependence of the educational institution but also the geographical location
where it is located affect the school performance. This research aims to determine which are the best predictors in the SIMCE score of mathematics in educational institutions of the Araucania region. The nested data will be modelling by using a Generalized Linear Mixed Model.