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.

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.

• Autores: Montoya Casas, Michael Stibenson
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/58117
• Acceso en línea: http://hdl.handle.net/11634/58117
• Palabra clave: Public spending; Missing data; Education poverty; Bootstrap; Expectation-Maximization algorithm; Multilevel; Beta regression; Estadísticas; Algoritmo; Educación; Pobreza-Población; Gasto público; Datos faltantes; Pobreza en educación; Bootstrap; Algoritmo de Expectación-Maximización; Multinivel; Regresión beta
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia