Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga

En diferentes estudios las unidades estadísticas se describen en dos tipos de variables: cuantitativas y cualitativas. Un ejemplo común donde se observa este tipo de variables son los instrumentos de recolección de información conocidos como encuestas, por lo general, en estos instrumentos existen n...

Descripción completa

Detalles Bibliográficos
Autor Principal: Buitrago Chinchilla, Edwin Leonardo
Otros Autores: Babativa Márquez, José Giovany
Formato: Desconocido (Unknown)
Lenguaje:Español (Spanish)
Publicado: Universidad Santo Tomás 2019
Materias:
Acceso en línea:http://hdl.handle.net/11634/14811
id ir-11634-14811
recordtype dspace
institution Universidad Santo Tomas
collection DSpace
language Español (Spanish)
topic Multiple factorial analysis for mixed data
Ser Pilo Paga
Multivariate data analysis
Discontinuous regression
Baseline
Multidimensional indexes
Statistic analysis
Ser pilo paga (Programa) -- Colombia
Educación superior -- Casos -- Colombia
Igualdad en la educación -- Colombia -- 2014-2018
Análisis Estadístico -- Colombia
Análisis factorial múltiple para datos mixtos
Ser Pilo Paga
Análisis multivariado de datos
Regresión discontinua
Línea base
Índices multidimensionales
spellingShingle Multiple factorial analysis for mixed data
Ser Pilo Paga
Multivariate data analysis
Discontinuous regression
Baseline
Multidimensional indexes
Statistic analysis
Ser pilo paga (Programa) -- Colombia
Educación superior -- Casos -- Colombia
Igualdad en la educación -- Colombia -- 2014-2018
Análisis Estadístico -- Colombia
Análisis factorial múltiple para datos mixtos
Ser Pilo Paga
Análisis multivariado de datos
Regresión discontinua
Línea base
Índices multidimensionales
Buitrago Chinchilla, Edwin Leonardo
Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
description En diferentes estudios las unidades estadísticas se describen en dos tipos de variables: cuantitativas y cualitativas. Un ejemplo común donde se observa este tipo de variables son los instrumentos de recolección de información conocidos como encuestas, por lo general, en estos instrumentos existen numerosas preguntas cerradas que suelen ser reunidas en varios conjuntos que pueden ser de naturaleza cuantitativa o cualitativa. Una técnica multivariada que analiza simultáneamente este tipo de variables es el análisis factorial para datos mixtos (AFDM), esta metodología consiste en transformar las variables cuantitativas en cualitativas, desglosando su intervalo de variación en clases produciendo una tabla homogénea resultante que permite implementar un análisis de correspondencia múltiple (ACM), sin embargo, la noción de agrupación de variables no es una propiedad del AFDM. Si el instrumento cumple esta característica (la agrupación de variables en los sujetos del análisis) se considera necesario hacer uso del análisis factorial múltiple (AFM) ya que este permite analizar grupos de variables cuantitativas y/o cualitativas siendo ampliamente útil cuando el número de variables de cada grupo es muy diferente . Extender el AFM a grupos de variables cualitativas o mixtas (de ambas naturalezas) se conoce como un análisis factorial múltiple para datos mixtos (AFMDM), el cual combina tanto el ACM, el AFDM y el AFM, esta técnica resalta los principales factores de variabilidad de los individuos, descritos estos, de manera equilibrada por los grupos de variables. Aplicando el AFMDM al instrumento de la línea base del programa Ser Pilo Paga, se crearon cuatro índices multidimensionales que resumen 9 grupos temáticos compuestos de 111 variables de tipo cuantitativo y cualitativo, caracterizando un total de 1.487 jóvenes, los cuales 682 son elegibles para hacer parte del programa y 805 no lo son. Se propone para la evaluación de impacto, un estimador de diferencia en diferencia aplicado a los cuatro índices multidimensionales.
author2 Babativa Márquez, José Giovany
author_facet Babativa Márquez, José Giovany
Buitrago Chinchilla, Edwin Leonardo
format Desconocido (Unknown)
author Buitrago Chinchilla, Edwin Leonardo
author_sort Buitrago Chinchilla, Edwin Leonardo
title Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
title_short Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
title_full Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
title_fullStr Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
title_full_unstemmed Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga
title_sort propuesta de índices multidimensionales para la evaluación del programa ser pilo paga
publisher Universidad Santo Tomás
publishDate 2019
url http://hdl.handle.net/11634/14811
_version_ 1712107597661732864
spelling ir-11634-148112021-05-28T20:54:02Z Propuesta de índices multidimensionales para la evaluación del programa Ser Pilo Paga Buitrago Chinchilla, Edwin Leonardo Babativa Márquez, José Giovany http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000583901 Universidad Santo Tomás Multiple factorial analysis for mixed data Ser Pilo Paga Multivariate data analysis Discontinuous regression Baseline Multidimensional indexes Statistic analysis Ser pilo paga (Programa) -- Colombia Educación superior -- Casos -- Colombia Igualdad en la educación -- Colombia -- 2014-2018 Análisis Estadístico -- Colombia Análisis factorial múltiple para datos mixtos Ser Pilo Paga Análisis multivariado de datos Regresión discontinua Línea base Índices multidimensionales En diferentes estudios las unidades estadísticas se describen en dos tipos de variables: cuantitativas y cualitativas. Un ejemplo común donde se observa este tipo de variables son los instrumentos de recolección de información conocidos como encuestas, por lo general, en estos instrumentos existen numerosas preguntas cerradas que suelen ser reunidas en varios conjuntos que pueden ser de naturaleza cuantitativa o cualitativa. Una técnica multivariada que analiza simultáneamente este tipo de variables es el análisis factorial para datos mixtos (AFDM), esta metodología consiste en transformar las variables cuantitativas en cualitativas, desglosando su intervalo de variación en clases produciendo una tabla homogénea resultante que permite implementar un análisis de correspondencia múltiple (ACM), sin embargo, la noción de agrupación de variables no es una propiedad del AFDM. Si el instrumento cumple esta característica (la agrupación de variables en los sujetos del análisis) se considera necesario hacer uso del análisis factorial múltiple (AFM) ya que este permite analizar grupos de variables cuantitativas y/o cualitativas siendo ampliamente útil cuando el número de variables de cada grupo es muy diferente . Extender el AFM a grupos de variables cualitativas o mixtas (de ambas naturalezas) se conoce como un análisis factorial múltiple para datos mixtos (AFMDM), el cual combina tanto el ACM, el AFDM y el AFM, esta técnica resalta los principales factores de variabilidad de los individuos, descritos estos, de manera equilibrada por los grupos de variables. Aplicando el AFMDM al instrumento de la línea base del programa Ser Pilo Paga, se crearon cuatro índices multidimensionales que resumen 9 grupos temáticos compuestos de 111 variables de tipo cuantitativo y cualitativo, caracterizando un total de 1.487 jóvenes, los cuales 682 son elegibles para hacer parte del programa y 805 no lo son. Se propone para la evaluación de impacto, un estimador de diferencia en diferencia aplicado a los cuatro índices multidimensionales. In different studies statistical units are described in two types of variables: quantitative and qualitative. A common example where these types of variables are observed are the information collection instruments known as surveys, in general, in these instruments there are closed questions that are usually gathered together in sets that may be of a quantitative or qualitative nature. A multivariate technique that analyzes this type of variables is the factorial analysis for mixed data (FAMD), this methodology consist in transform the quantitative variables into qualitative variables, breaking down the range of variation in the classes producing a homogeneous table that allows you to implement an analysis Multiple Correspondence (MCA), however, the notion of grouping variables is not an FAMD property. If the instrument complies with this characteristic (the grouping of variables in the individuals of the analysis) it is considered necessary to use multiple factorial analysis (MFA). Because this kind of analysis it allows to analyze quantitative and qualitative variables being broadly useful when the number of variables from each group is very different. Extending the MFA to groups of qualitative or mixed variables (of both natures) is known as a multiple factorial analysis for mixed data (MFAMD), which combines both the MCA, the FAMD and the MFA, this technique highlights the main variability factors of the individuals, described these, in a balanced way by the groups of variables. Applying the MFAMD to the instrument of the baseline of the program Ser Pilo Paga, four multidimensional indices were created that summarize 9 thematic groups composed of 111 variables of quantitative and qualitative type, characterizing a total of 1,487 young people, which 682 are eligible to be part of the program and 805 are not. An estimator of difference in difference applied to the four multidimensional indices is proposed for the impact evaluation. Magister en estadística aplicada http://unidadinvestigacion.usta.edu.co Maestría 2019-01-18T21:16:12Z 2019-01-18T21:16:12Z 2019-01-18 Formación de Recurso Humano para la Ctel: Trabajo de maestría http://purl.org/coar/version/c_ab4af688f83e57aa Buitrago Chinchilla, E. L. (2018). Propuesta de índices multidimensionales para la evaluación del programa "Ser Pilo Paga". [Tesis de maestría, Universidad Santo Tomás Colombia]. Repositorio Institucional http://hdl.handle.net/11634/14811 reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co spa Abdi, H., Williams, L. J. & Valentin, D. (2013), `Multiple factor analysis: principal component analysis for multitable and multiblock data sets', Wiley Interdisciplinary reviews: computational statistics 5(2), 149{179. Adams, D. C. (2016), `Evaluating modularity in morphometric data: challenges with the rv coeficient and a new test measure', Methods in Ecology and Evolution 7(5), 565-572. Álvarez, M. J., Castro, C., Corredor, J., Londoño, J., Maldonado, C., Rodríguez, C., Sánchez, F., Pulido,X. et al. (2017), El programa ser pilo paga: Impactos iniciales en equidad en el acceso a la educación superior y el desempeño académico, Technical report, UNIVERSIDAD DE LOS ANDES-CEDE. Bécue-Bertaut, M. & Pagés, J. (2008), `Multiple factor analysis and clustering of a mixture of quantitative, categorical and frequency data', Computational Statistics & Data Analysis 52(6), 3255-3268. Bernal, R. & Peña, X. (2011), Guía práctica para la evaluación de impacto, Ediciones Uniandes- Universidad de los Andes. Colombia, D. (2009), `Metodología déficit de vivienda', Bogotá, Departamento Administrativo Nacional de Estadística DANE. Colombia, D. (2015), `la mejor educada en el 2025', Líneas estratégicas de la política educativa del Ministerio de Educación Nacional. Corzo, J. A. (2017), `Análisis factorial múltiple para clasificación de universidades latinoamericanas', Comunicaciones en Estadística 10(1), 57-82. Escofier, B. (1979), `Traitement simultané de variables qualitatives et quantitatives en analyse factorielle', Les cahiers de l^aanalyse des données 4, 137-146. Escoufier, Y. (1973), `Le traitement des variables vectorielles', Biometrics pp. 751-760. Gower, J. C. (1971), `A general coeficient of similarity and some of its properties', Biometrics pp. 857-871. Imbens, G. W. & Lemieux, T. (2008), `Regression discontinuity designs: A guide to practice', Journal of econometrics 142(2), 615-635. Lé, S., Josse, J. & Husson, F. (2008), `FactoMineR: A package for multivariate analysis', Journal of Statistical Software 25(1), 1-18. Lee, H. & Munk, T. (2008), Using regression discontinuity design for program evaluation, in `Proceedings of the 2008 Joint Statistical Meeting', American Statistical Association Alexandria, VA, pp. 3-7. Pagés, J. (2014), Multiple factor analysis by example using R, Chapman and Hall/CRC. R Core Team (2017), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria.*https://www.R-project.org/ Saporta, G. (1990), `Probability', Analysis of Data and Statistics, Technip. Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf application/pdf CRAI-USTA Bogotá Universidad Santo Tomás Maestría Estadística Aplicada Facultad de Estadística
score 12,131701