Avance numero 3 SIMCE

18

Click here to load reader

Transcript of Avance numero 3 SIMCE

Page 1: Avance numero 3 SIMCE

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

Page 2: Avance numero 3 SIMCE

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)

Page 3: Avance numero 3 SIMCE

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.

Page 4: Avance numero 3 SIMCE

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

Page 5: Avance numero 3 SIMCE

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.

Page 6: Avance numero 3 SIMCE

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.

Page 7: Avance numero 3 SIMCE

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

Page 8: Avance numero 3 SIMCE

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).

Page 9: Avance numero 3 SIMCE

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

Page 10: Avance numero 3 SIMCE

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

Page 11: Avance numero 3 SIMCE

Anexo 5

Análisis del Modelo que explica el modelo de Lenguaje

Pruebas de normalidad

,021 5709 ,000Unstandardized Residual

Estadíst ico gl Sig.

Kolmogorov-Smirnova

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

Estadíst ico Error típ.

Page 12: Avance numero 3 SIMCE

Análisis de residuos de Lenguaje

Pruebas de normalidad

,049 5719 ,000Unstandardized Residual

Estadíst ico gl Sig.

Kolmogorov-Smirnova

Corrección de la signif icación de Lillief orsa.

Page 13: Avance numero 3 SIMCE

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

Estadíst ico Error típ.

Page 14: Avance numero 3 SIMCE

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 icat iv 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.

Page 15: Avance numero 3 SIMCE

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.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig. Orden cero Parcial Semiparcial

Correlaciones

Tolerancia FIV

Estadíst icos de

colinealidad

Variable dependiente: Desempeño_Lenguajea.

Diagnósticos de colineal idada

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.

Page 16: Avance numero 3 SIMCE

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 icat iv 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_matemat icasb.

Page 17: Avance numero 3 SIMCE

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.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig. Orden cero Parcial Semiparcial

Correlaciones

Tolerancia FIV

Estadíst icos de

colinealidad

Variable dependiente: Desempeño_matematicasa.

Diagnósticos de colineal idada

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.

Page 18: Avance numero 3 SIMCE