Aplicación del Algoritmo de Expectación-Maximización con Bootstrap para la Imputación de Indicadores en Modelos de Regresión Beta Multinivel Bayesianos con Enlace Logit: Un Análisis de Panel para Explicar la Relación del Gasto Público en Educación, el Factor Productivo Nacional y el Factor Demográfico sobre la Pobreza en Educación del 2015 al 2023
Cargando...
Fecha
Autores
Director
Enlace al recurso
DOI
Google Scholar
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Descripción
En 2015, la Organización de las Naciones Unidas (ONU) estableció 17 Objetivos de Desarrollo Sostenible (ODS), con el propósito principal de erradicar la pobreza, asegurar la prosperidad y proteger el medio ambiente. Estos objetivos tienen un seguimiento y evaluación hasta 2030. Utilizando información oficial nacional, se identificaron variables históricas relacionadas con indicadores de pobreza en educación, gasto público en educación, factores demográficos (densidad poblacional y migración) y el producto interno bruto (PIB) per cápita a nivel departamental.
Para analizar los datos de pobreza en educación a nivel departamental entre 2015 y 2018, se aplicó el algoritmo de Expectación-Maximización con Bootstrap, mejorando la robustez del modelado ante la falta de información histórica. Posteriormente, se utilizó un modelo de Regresión Beta Multinivel con enlace logit, que permitió evaluar la relación entre la pobreza en educación y variables como el gasto público, los factores demográficos y la producción económica a nivel departamental entre 2015 y 2023.
Los resultados mostraron que no existe una relación significativa entre la densidad poblacional y la pobreza en educación, mientras que la relación entre el gasto público y la pobreza en educación resultó ser significativa y relevante. Además, la producción económica nacional mostró una relación positiva e importante con los indicadores de pobreza en educación. También se evidenció la desigualdad en el acceso a la educación en los departamentos periféricos del país. A pesar de que el gasto público es mayor en las áreas con peores indicadores, aún se necesita mejorar el enfoque y control de los recursos. Finalmente, se demostró que la imputación mediante el algoritmo EMB permitió capturar mejor las tendencias y la información relevante sobre el contexto educativo en Colombia.
Abstract
In 2015, the United Nations (UN) established 17 Sustainable Development Goals (SDGs), with the primary aim of eradicating poverty, ensuring prosperity, and protecting the environment. These goals have a follow-up and evaluation agenda until 2030. Using official national data, historical variables were identified related to education poverty indicators, public spending on education, demographic factors (population density and migration), and per capita gross domestic product (GDP) at the departmental level.
To analyze education poverty data at the departmental level between 2015 and 2018, the Expectation-Maximization with Bootstrap algorithm was applied, improving the robustness of the model due to the lack of historical data. Subsequently, a Multilevel Beta Regression model with logit link was used to assess the relationship between education poverty and variables such as public spending, demographic factors, and economic production at the departmental level from 2015 to 2023.
The results showed no significant relationship between population density and education poverty, while the relationship between public spending and education poverty proved to be significant and relevant. Furthermore, national economic production had a positive and important relationship with education poverty indicators. The study also highlighted inequality in access to education in peripheral departments of the country. Although public spending is higher in areas with worse indicators, the focus and control of resources still need improvement. Finally, it was demonstrated that the imputation through the EMB algorithm better captured trends and relevant information about the educational context in Colombia.
Idioma
spa
Palabras clave
Citación
Montoya Casas, M. S. (2024). Aplicación del Algoritmo de Expectación-Maximización con Bootstrap para la Imputación de Indicadores en Modelos de Regresión Beta Multinivel Bayesianos con Enlace Logit: Un Análisis de Panel para Explicar la Relación del Gasto Público en Educación, el Factor Productivo Nacional y el Factor Demográfico sobre la Pobreza en Educación del 2015 al 2023. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional
Colecciones
Licencia Creative Commons
Atribución-NoComercial-SinDerivadas 2.5 Colombia