Réplica de Articulo econométrico

María Fernanda Castrillón Meneses

Karen Tatiana Mantilla Prada
Paula Alejandra Caballero Gómez

Henry Sebastián Rangel Quiñonez

Universidad Santo Tomás

Econometría II
Bucaramanga

2021
 1. Introducción

El presente documento realiza una réplica del artículo titulado “Análisis del rendimiento
académico mediante un modelo Logit” de Maria del Carmen Ibarra y Juan Carlos Michalus
publicado en la Revista Ingeniera Industrial de la Universidad Nacional de Misiones,
Argentina. En este articulo Carmen y Juan tienen por objetivo principal analizar el rendimiento
académico de los estudiantes de la Facultad de Ingeniería de la Universidad Nacional de
Misiones según el promedio de materias aprobadas anualmente para el cual se hace uso del
modelo Logit y mediante la técnica estadística multivariada de Regresión Logística, se
determina la incidencia de los factores de índole personal, socioeconómica y académica.

El artículo se encuentra dividido en 5 partes: 1) Introducción, 2) Material y Métodos en el cual

se realiza la caracterización de la población y se definen las variables, 3) Metodología, 4)
Resultados obtenidos en el modelo y 5) Presentación de análisis de resultados para concluir la
investigación.

Finalmente, esta replica tiene como objetivo comparar los resultados del estudio analizado con
los datos obtenidos de la encuesta realizada a estudiantes universitarios de al menos primer
semestre, para así evidenciar mediante la aplicación de un Modelo Logit Binomial la
significancia de diferentes variables en el rendimiento académico de los estudiantes
participantes en el estudio, esta replica se basa en emplear herramientas econométricas para
suscitar predicciones en el comportamiento de una variable ante factores externos.

2. El análisis del rendimiento académico desde la economía y las

herramientas econométricas.

Maria del Carmen y Juan Carlos dan inicio explicando como realizaron su análisis del
rendimiento académico de los estudiantes de la FI – UNAM mediante una regresión lineal
múltiple con los datos de 594 alumnos de las cohortes de 1999 a 2003 desde la cual se define
“Rendimiento Académico” al cociente entre número de materias aprobadas y años de
permanencia en la institución, a mayores porcentajes mayor o mejor será dicho rendimiento y
viceversa.

Además, los autores hacen consideración a otros factores como las características del entorno
socioeconómico, condiciones académicas del nivel medio y promedio del primer año de carrera
y número de materias aprobadas los cuales ellos logran identificar como influyentes para el
rendimiento, siendo está ultima variable mencionada la más significativa del modelo.

Finalmente mencionan y simplifican los resultados u conclusiones de otros estudios en los

cuales se han basado para la presente investigación y también se ha hecho uso de la regresión
logística (odds ratio) para un análisis similar de rendimientos académicos como por ejemplo el
Índice Académico Preuniversitario como predictor más relevante para predecir el desempeño
en el primer año de carrera en la Facultad de Ciencias Médicas en Cuba.

3. Datos Utilizados en la investigación

Los datos utilizados en el documento de Ibarra y Michalus se basan en cinco cohortes de las
carreras: Ingeniería Electromecánica, Electrónica, Civil e Industrial de 1999 a 2003 de la
Universidad Nacional de Misiones en Argentina tomando como población objetivo a 589
estudiantes los cuales cumplen con los requisitos para participar en el estudio.

La muestra para el desarrollo de la réplica obtiene los datos de una encuesta aplicada a
estudiantes de pregrado y agrupa la población que haya culminado al menos su primer semestre
universitario. A partir del articulo replicado se seleccionaron las variables que fueron
consideradas por los autores como influyentes en el rendimiento académico de los estudiantes,
este medido cuantitativamente como el promedio de materias aprobadas en su primer semestre
de estudio, para considerarlo como el indicador de éxito o fracaso académico; a mayor número
de asignaturas aprobadas se concibe un mejor desempeño académico y viceversa.

Para la recolección de dichos datos mediante la encuesta se abarcan 9 preguntas (4 dicotómicas,

incluyendo la Y, 3 categóricas y 2 numéricas) para considerar el grado de incidencia en el
rendimiento que tienen factores tales como las condiciones personales y socioeconómicas, las
condiciones académicas previas y el desempeño en el primer semestre de pregrado.
Seguidamente, se especifican individualmente:

- Género: Variable cualitativa (Femenino/Masculino)

- Perdió materia en primer semestre universitario.
- Nivel educativo de la madre.
- Nivel educativo del padre.
- Tipo de institución: (Pública/Privada)
- Promedio de calificación con la que terminó el colegio (De 0 a 5, siendo 0 mínimo y 5
máximo)
 - Ciudad en la que cual se encuentra ubicado el colegio del cual se graduó.
- Titulación obtenida al graduarse como bachiller: (Académico, Técnico)
- Promedio de calificaciones obtenidas en el primer semestre universitario: (De 0 a 5,
siendo 0 mínimo y 5 máximo)

4. Teoría y Aplicación del Modelo Logit

Es aquí, donde Ibarra y Michalus hacen referencia a como mediante un modelo Logit se puede
calcular para cada conjunto poblacional, la probabilidad de pertenecer a una u otra de las
categorías formalizadas para la variable dependiente (perdió o no una materia en su primer
semestre académico universitario). Entre más alto sea el valor de la probabilidad, el evento
tendrá más posibilidades de ocurrir e inversamente, si sus valores son bajos o cercanos a 0, las
posibilidades de que ocurra serán muy pocas.

5. Resultados

Tabla 1. Variables

Sexo Femenino o Masculino

PM1U perdió materia en 1 semestre de universidad
NEM Nivel educativo madre
NEP Nivel educativo padre
INST Institución privada o pública
PC Promedio colegio
CdadC Ciudad de donde estudio el colegio
TC Título bachiller (o de colegio)
P1U Promedio del primer semestre de la Universidad

Tabla 2. Resultados del Modelo Logit

Estadístico de Wald
BETAS P-Value
(estimado/error) =Z
PM1U 1,7563 2,5679 0,683944079 0.4940 Y
Sexo -1,2914 0,8327 -1,55085865 0.1209 X1
NEM -0,8149 0,4447 -1,83247133 0.0669 . X2
NEP 0,7747 0,3701 2,093218049 0.0363 * X3
INST -1,5722 1,2777 -1,23049229 0.2185 X4
PC 1,1151 1,0376 1,074691596 0.2825 X5
CdadC 0,1415 0,1344 1,052827381 0.2924 X6
TC 0,8708 0,9482 0,918371652 0.3584 X7
P1U -2,0332 1,1148 -1,8238249 0.0682 . X8
Nota: Los datos de esta tabla han sido recopilados mediante una encuesta con un tamaño de
muestra de 72 personas.

Se puede ver en los resultados del modelo Logit, que las variables que hacen que el estudiante
no haya perdido materias en su primer semestre académico universitario (Y) son: Nivel
educativo del padre, Nivel educativo de la madre y el promedio de notas del primer semestre
académico universitario (está en orden de más a menos afectación a la Y, que es en este caso,
perdió o no materias en su primer semestre universitario). Sin embargo, analizando los
resultados de los estimados (betas), se encontró que el sexo, nivel educativo de la madre, la
institución bachiller (privada o pública) y el promedio del primer semestre universitario del
estudiante muestran una menor probabilidad de que el individuo pierda una materia o no, en su
primer semestre académico universitario.

Estos resultados se han comparado con los resultados de la investigación original, el cual arrojo
que las variables de afectación a la Y eran diferentes en ambas investigaciones. Las variables
arrojadas en la investigación base fueron las siguientes: Sexo (0,020), Promedio del colegio
(0,003) e institución si es privada o pública (0,004). Respecto al análisis de los estimados
(betas), las variables: Sexo, Nivel educativo del padre, Ciudad del colegio y el titulo bachiller,
son los que tienen menos probabilidad de que el estudiante pierda una materia o no, en su
primer semestre académico universitario; hablando de las variables, Nivel educativo del padre,
Ciudad del colegio y el Titulo bachiller, tienen más probabilidad en que el estudiante pierda o
no una materia en su primer semestre académico universitario, en la réplica o segunda
investigación.

Tabla 3. Odd ratios y efectos marginales del Modelo logit

VARIABLE ODD RATIO EFECTOS MARGINAL

Sexo 0,275 2,638 0,216 -0,218
NEM 0,443 1,259 0,307 -0,173
NEP 2,170 1,170 0,685 0,167
INST 0,208 3,817 0,172 -0,224
PC 3,050 2,050 0,753 0,207
CdadC 1,152 0,152 0,535 0,035
TC 2,389 1,389 0,705 0,181
P1U 0,131 6,638 0,116 -0,208
Nota: Los datos de esta tabla han sido recopilados mediante una encuesta con un tamaño de
muestra de 72 personas.
Analizando primeramente los odd ratios de cada variable se encontró lo siguiente:

• Sexo: Es 2,6 veces más probable que el sexo del estudiante afecte si perdió o no una
materia en su primer semestre académico universitario. También tiene más veces de
probabilidad en esta nueva investigación que en la investigación base (0,12 veces).
• NEM y NEP (Nivel educativo de la madre y del padre): NEM es 1,3 veces
aproximadamente y el NEP es, 1,17 veces más probable que influya en, si el estudiante
perdió o no una materia en su primer semestre académico universitario. Comparado
estos resultados con la investigación base (0,99 veces), sigue siendo más probable que
el suceso pase en la réplica de la investigación.
• INST(institución del colegio privada o pública): Es 3,8 veces más probable que si la
institución es privada o pública, esta influya en si el estudiante perdió o no una materia
en su primer semestre académico universitario, en comparación con la investigación
base(2,6 veces) esta es menor, quiere decir que en que la institución del colegio sea
privada o pública influye menos veces de probabilidad que el suceso pase, es decir, que
el estudiante pierda o no una materia en su primer semestre académico universitario.
• PC (Promedio del colegio): Es 2,0 veces más probable que el nivel de promedio de
notas del colegio influya, en si el estudiante perdió o no una materia en su primer
semestre académico universitario, comparado estos resultados con los resultados de la
investigación base, se concluye que es más veces probable que influya el PC en ella
(2,25 veces), que en la segunda investigación.
• CdadC (Ciudad del colegio): Es 0,15 veces más probable que la ciudad del colegio
influya en si el estudiante perdió o no una materia en su primer semestre académico
universitario, en comparación con las veces probables de la investigación base (0,99
veces) este es mucho mayor, que los resultados de la segunda investigación.
• TC (Titulo bachiller): Es 1,39 veces aproximadamente más probable que el que sea
bachiller académico o técnico, influya en si el estudiante perdió o no una materia en su
primer semestre académico universitario. Comparado con la investigación base (0,609
veces), este sigue siendo mucho menor que los resultados de la segunda investigación.
• P1U (promedio del primer semestre académico universitario): Es 6,6 veces más
probable que el promedio del primer semestre académico universitario influya en si
perdió o no materias en este mismo. Comparado con los resultados de la investigación
base (1,3 veces), este es mucho menor que los resultados de la nueva investigación.
Analizando los efectos marginales de cada variable se encontró lo siguiente:

• Sexo: Disminuye la probabilidad en un 22% que el sexo del estudiante afecte, el

hecho de que este, haya perdido o no una materia en su primer semestre académico
universitario.
• NEM y NEP (Nivel educativo de la madre y del padre): Disminuye la probabilidad
en un 17% que el nivel educativo de la madre afecte el hecho de que este, haya
perdido o no una materia en su primer semestre académico universitario. Pero,
aumenta la probabilidad en un 17% que el nivel educativo del padre afecte el hecho
de que este, haya perdido o no una materia en su primer semestre académico
universitario.
• INST (institución del colegio privada o pública): Disminuye la probabilidad en un
22% que el hecho de que la institución sea privado o pública, afecte el hecho de que
este, haya perdido o no una materia en su primer semestre académico universitario.
• PC (Promedio del colegio): Aumenta la probabilidad en un 21% que el promedio
de notas con el que termino los estudios bachilleres afecte el hecho de que este,
haya perdido o no una materia en su primer semestre académico universitario.
• CdadC (Ciudad del colegio): Aumenta la probabilidad en un 4% que la ciudad en
donde se encuentra ubicado el colegio, afecte el hecho de que este, haya perdido o
no una materia en su primer semestre académico universitario.
• TC (Titulo bachiller): Aumenta la probabilidad en un 18% que el título bachiller
con el que se graduó afecte el hecho de que este, haya perdido o no una materia en
su primer semestre académico universitario.
• P1U (promedio del primer semestre académico universitario): Disminuye la
probabilidad en un 21% que el promedio del primer semestre académico
universitario afecte el hecho de que este, haya perdido o no una materia en su primer
semestre académico universitario.
6. Conclusiones

Se concluyeron dos cosas:

• Primeramente, el sexo, si el colegio en el que estudio es privado o público y el promedio

de notas del primer semestre académico universitario son los factores influyentes en
que sea más veces probable que el estudiante pierda o no una materia en su primer
semestre académico universitario.
• Como segunda conclusión se tiene que, el nivel de estudios del padre es la variable que
más afecta a si el estudiante perdió o no una materia en su primer semestre académico
universitario(Y).
• También se puede concluir que, todas las variables estudiadas en el artículo original no
afectan de la misma manera que en el de la réplica realizada, y esto puede deberse a
que el tamaño de muestra original fue de 594 estudiantes, y la realizada en la réplica
fue de 72 estudiantes.
Referencias
Michalus, I. y. (01 de 07 de 2010). Análisis del rendimiento académico mediante un modelo
Logit. Revista Ingeniería Industrial, Vol. 2 (9), 47-56.|
Quiñonez, H. S. (23 de julio de 2019). Réplica de Artículo econométrico. Colombia. Obtenido
de
https://pregrado.ustabuca.edu.co/pluginfile.php/849818/mod_resource/content/5/R%C3%A9p
lica%20art%C3%ADculo%20econom%C3%A9trico.pdf

7. Código en R
## Entrega Econometría II - 2021 - 1 ##
## Réplica articulo "Análisis del Rendimiento Academico Mediante un
modelo Logit"
## Michalus ( 2010 ), Revista Ingeniería Industrial .
### Código R Studio
Library ( readxl )
proyecto = read_excel ( "C: / Users / mfern / Downloads / DATOS ECONOMETRIA
II.xlsx" )
attach ( proyecto )
names ( proyecto )
View ( proyecto )
## Modelos logit
reg = glm ( PM1U ~ Sexo + NEM + NEP + INST + PC + CdadC + TC + P1U , data
= proyecto , family = binomial ( link = logit ))
summary ( reg )
## Odd ratios
exp( coeficientes ( reg ))
## Efectos marginales
EfSexo = ( exp (- 1.2914 ) / ( 1 + exp (- 1.2914 )))
Efmg1 = - 1.2914 * EfSexo * ( 1 - EfSexo )

EfNEM = ( exp (- 0.8149 ) / ( 1 + exp (- 0.8149 )))

Efmg2 = - 0.8149 * EfNEM * ( 1 - EfNEM )

EfNEP = ( exp ( 0.7747 ) / ( 1 + exp ( 0.7747 )))

Efmg3 = 0.7747 * EfNEP * ( 1 - EfNEP )

EfINST = ( exp (- 1.5722 ) / ( 1 + exp (- 1.5722 )))

Efmg4 = - 1.5722 * EfINST * ( 1 - EfINST )

EfPC = ( exp ( 1.1151 ) / ( 1 + exp ( 1.1151 )))

Efmg5 = 1.1151 * EfPC * ( 1 - EfPC )

EfCdadC = ( exp ( 0,1415 ) / ( 1 + exp ( 0,1415 )))

Efmg6 = 0,1415 * EfCdadC * ( 1 - EfCdadC )

EfTC = ( exp ( 0.8708 ) / ( 1 + exp ( 0.8708 )))

Efmg7 = 0.8708 * EfTC * ( 1 - EfTC )

EfP1U = ( exp (- 2.0332 ) / ( 1 + exp (- 2.0332 )))

Efmg8 = - 2.0332 * EfP1U * ( 1 - EfP1U )