Estudio de la incidencia actitudinal de los estudiantes en pruebas de matemáticas tipo ICFES: Una aproximación semiparamétrica
En temas académicos, los efectos marginales de la educación varían en función de distintos niveles de capacidades de los estudiantes. De esta manera, la omisión del comportamiento de la educación junto con el efecto de interacción de la misma con las capacidades de los estudiantes, conlleva a tene...
| Autor Principal: | Corredor Rivera, Diego Armando |
|---|---|
| Formato: | Formación de Recurso Humano para la Ctel: Trabajo de grado de pregrado |
| Idioma: | spa |
| Publicado: |
Universidad Santo Tomás
2018
|
| Materias: | |
| Acceso en línea: |
Corredor Rivera, D. A. (2018). Estudio de la incidencia actitudinal de los estudiantes en pruebas de matemáticas tipo ICFES: Una aproximación semiparamétrica |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
En temas académicos, los efectos marginales de la educación varían en función de distintos niveles de
capacidades de los estudiantes. De esta manera, la omisión del comportamiento de la educación junto con
el efecto de interacción de la misma con las capacidades de los estudiantes, conlleva a tener resultados
erróneos si se utilizaran métodos lineales para la estimación de los parámetros de interés. Los modelos de
regresión semiparamétrica tienen como principal objetivo analizar la relación entre la variable respuesta y
las explicativas, esta relación se puede establecer por medio de una función de distribución conocida, que
facilita la estimación de los parámetros y la interpretación de los resultados del modelo. Los errores pueden
tener una estructura desconocida la cual puede tener efectos negativos en la estimación de los parámetros,
ya que estos pueden llegar a tener gran parte de la informaci on que no se ajusta adecuadamente al modelo,
es por esta razón que se estudiaran los diferentes tipos de errores que se pueden obtener al ajustar un
modelo semiparamétrico, obteniendo así la mejor estimación insesgada del modelo y la menor perdida
de información en los errores. |
|---|