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 informació...

Full description

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

id	SANTOTOMAS_464afd7bdf0fd76ff6dd4e4484b0dcdd
oai_identifier_str	oai:repository.usta.edu.co:11634/58117
network_acronym_str	SANTOTOMAS
network_name_str	Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv	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.
title	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.
spellingShingle	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. 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
title_short	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.
title_full	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.
title_fullStr	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.
title_full_unstemmed	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.
title_sort	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.
dc.creator.fl_str_mv	Montoya Casas, Michael Stibenson
dc.contributor.advisor.none.fl_str_mv	Pacheco López, Mario José
dc.contributor.author.none.fl_str_mv	Montoya Casas, Michael Stibenson
dc.contributor.orcid.spa.fl_str_mv	https://orcid.org/0000-0003-4752-703X
dc.contributor.googlescholar.spa.fl_str_mv	https://scholar.google.es/citations?hl=es&user=a5SEoPgAAAAJ
dc.contributor.cvlac.spa.fl_str_mv	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479
dc.contributor.corporatename.spa.fl_str_mv	Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv	Public spending Missing data Education poverty Bootstrap Expectation-Maximization algorithm Multilevel Beta regression
topic	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
dc.subject.lemb.spa.fl_str_mv	Estadísticas Algoritmo Educación Pobreza-Población
dc.subject.proposal.spa.fl_str_mv	Gasto público Datos faltantes Pobreza en educación Bootstrap Algoritmo de Expectación-Maximización Multinivel Regresión beta
description	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.
publishDate	2024
dc.date.accessioned.none.fl_str_mv	2024-10-03T12:43:44Z
dc.date.available.none.fl_str_mv	2024-10-03T12:43:44Z
dc.date.issued.none.fl_str_mv	2024
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.spa.fl_str_mv	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
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11634/58117
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.usta.edu.co
identifier_str_mv	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 reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co
url	http://hdl.handle.net/11634/58117
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Alkire, S., & Foster, J. (2011). Counting and Multidimensional Poverty Measurement. Oxford University Press. Angulo, R. C., Díaz, B. Y., & Pardo, R. P. (2013). A Counting Multidimensional Poverty Index in Public Policy Context: the case of Colombia. Oxford Department of International Development. Angulo, R. C., Díaz, Y. C., & Pardo, R. P. (2011). Índice de Pobreza Multidimensional para Colombia (IPM-Colombia) 1997-2010 . ARCHIVOS DE ECONOMÍA. Baltagi, B. H. (2013). Econometric analysis of panel data. John Wiley & Sons. Banco de la República. (2023). Persistencia de la desigualdad en la educación de Colombia: un análisis histórico. BANREP. Banco Mundial. (2022). The State of Global Learning Poverty: 2022 Update. worldbank.org. Banco Mundial. (2022a). El 70 % de los niños de 10 años se encuentran en situación de pobreza de aprendizajes y no pueden leer y comprender un texto simple. bancomundial.org. COMUNICADO DE PRENSA N.º 2022/074/EDU. Banco Mundial. (2024). Educación: Panorama general. bancomundial.org, https://www.bancomundial.org/es/topic/education/overview. ancoMundial. (17 de Oct de 2023). bancomundial.org. Obtenido de Entendiendo a la pobreza: https://www.bancomundial.org/es/topic/poverty/overview?cid=ECR_GA_worldbank_ES_EXTP_Search&s_kwcid=AL!18468!3!665400387540!b!!g!!como%20se%20mide%20la%20pobreza&gad_source=1#2 Barro, R. J. (1977). Economic Growth in a cross section of Countries”, Quarterly Journal of Economics. Vol. CVI. Becker, G. (1964). Human Capital. Chicago IL: University of Chicago Press. Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, págs. 357 - 365. Bertsekas, D., & Tsitsiklis, J. (2002). Introducyion to Probability. USA: Athena Scientific. Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2015). Time Series Analysis: Forecasting and Control. Wiley. Bürkner, P.-C. (2018). Advanced Bayesian Multilevel Modeling with the R Package brms. The R Journal, 395-411. Castillo-Mateo, J., & Guajardo, A. C. (2022). Métodos Monte Carlo basados en cadenas de Markov. Zaragoza: Universidad de Zaragoza. Chamorro, D. B. (2013). Eficiencia del Gasto Público en educación en Colombia. Un Análisis a Nivel Departamental para los años 2005 y 2010. Santiago de Cali: Universidad del Valle. Obtenido de Santiago de Cali: Universidad del Valle. Cribari-Neto, F., & Ferrari, S. (2004). Beta Regression for Modelling Rates and Proportions. Journal of Applied Statistics, 799-815. Cribari-Neto, F., & Zeileis, A. (2010). Beta Regression in R. Journal of statistical Software. DANE . (2024). Glosario - Gran encuesta integrada de hogares. Departamento Administrativo Nacional de Estadística. DANE. (2014). METODOLOGÍA ÍNDICE DE POBREZA MULTIDIMENSIONAL (IPM). Departamento Administrativo Nacional de Estadística. DANE. (2021). Anexo técnico No. 2. Construcción del indicador inasistencia escolar del Índice de Pobreza Multidimensional 2020. Bogotá. Colombia: Departamento Administrativo Nacional de Estadística. DANE. (2022). Gastos del gobierno general por finalidad (GGF). Anexo estadístico ggf. Obtenido de https://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-nacionales/cuentas-nacionales-anuales/gastos-del-gobierno-general-por-finalidad DANE. (2023). Boletín Técnico Pobreza multidimensional en Colombia año 2022. Departamento Administrativo Nacional de Estadística. DANE. (2023a). dane.gov.co. Obtenido de Cambio demográfico de la Retroproyección de la población 1985-2019: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/estimaciones-del-cambio-demografico ANE. (2023b). dane.gov.co. Obtenido de Proyecciones de los componentes del cambio demográfico a nivel nacional 2020-2070 y departamental 2020-2050 actualización post COVID-19: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/estimaciones-del-cambio-demografico DANE. (2023c). Serie departamental de población por área, para el periodo 2005-2019. Proyecciones y retroproyecciones de población departamental para el periodo 1985-2019 y 2020-2050 con base en el CNPV 2018. Departamento Administrativo Nacional de Estadística. DANE. (2023d). Serie departamental de población por área, para el periodo 2020-2050. Departamento Administrativo Nacional de Estadística. Proyecciones y retroproyecciones de población departamental para el periodo 1985-2019 y 2020-2050 con base en el CNPV 2018. DANE. (2024a). Índice de Precios al Consumidor - IPC. Variaciones porcentuales - mayo 2024. Departamento Administrativo Nacional de Estadística. DANE. (2024b). PIB por departamento. Departamento Administrativo Nacional de Estadística. Anexos estadísticos PIB departamental 2005-2023. DANE. (2024c). Pobreza multidimensional. Anexo nacional. Departamento Administrativo Nacional de Estadística. DANE. (2024d). Pobreza multidimensional. Anexo departamental. Departamento Administrativo Nacional de Estadística. Del Callejo Canal, D., Canal-Martínez, M., Vernazza, E., Urruticoechea, A., & Álvarez-Vaz, R. (2022). Consideraciones a la imputación múltiple. Un caso de estudio con datos panel. Cuadernos Del CIMBAGE, 1(24), 33-47. Dempster, A., Laird, N. M., & Rubin, D. (1977). Maximum Likelihood Estimation from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society B, 39, 1–38. DNP. (2015). Plan Nacional de Desarrollo 2014 - 2018 (Tomo 1). . Bogotá DC: Departamento Nacional de Planeación. DNP. (2017). Panorámica regional. Pobreza monetaria y multidimensional departamental, necesidad de políticas públicas diferenciadas . Departamento Nacional de Planeación. DNP. (2019). Plan de Desarrollo Nacional 2018 - 2022 (Tomo 1). . Bogotá DC: Departamento Nacional de Planeación. DNP. (2023). Plan de Desarrollo Nacional 2022 - 2026 . Bogotá DC: Departamento Nacional de Planeación. DNP. (2024). Distribuciones de los recursos del Sistema General de Participaciones (SGP). Detalle histórico por cantidad y concepto SGP. SICODIS, Series gasto público y gasto público en educación 2015 -2022. Enders, C. K. (2010). Applied Missing Data Analysis. Guilford Press. Forero, D., & Parrado, C. V. (2019). Gasto en el Sector Educativo en Colombia. FEDESARRROLLO. Galvis Aponte, L. A. (2015). LA EFICIENCIA DEL GASTO PÚBLICO EN EDUCACIÓN EN COLOMBIA. . Cartagena: Universidad Tecnológica de Bolívar. Galvis, L. A. (2015). La eficiencia del gasto público en educación en Colombia. Economía & Región.yr: 2015;no: 9;iss: 2. García, J. G., Albaladejo, J. P., & Fernández, J. A. (2006). Métodos de inferencia estadística con datos faltantes. Estudio de simulación sobre los efectos de las estimaciones. ESTADÍSTICA ESPAÑOLA, págs. 241 - 270. Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis. CRC Press. Grün, B., Kosmidis, I., & Zeileis, A. (2012). Extended Beta Regression in R: Shaken, Stirred, Mixed, and Partitioned. Journal of Statistical Software. Vol. 48. #11. Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press. Honaker, J., King, G., & Blackwell, M. (2011). Amelia II: A Program for Missing Data. Journal of Statistical Software, 45(7), 1–47. Hyndman, R., & Athanasopoulos, G. (2021). Forecasting: principles and practice. 3rd edition, OTexts: Melbourne, Australia. Keller, K. (2006). Investment in Primary, Secondary, and Higher Education and the Effects on Economic Growth. Contemporary Economic Policy 24 (1), 18 – 34. Little, R. J., & Rubin, D. B. (2020). Statistical Analysis with Missing Data. John Wiley & Sons, Hoboken, 3rd edition. Little, R. J., & Rubin, D. B. (2020). Statistical Analysis with Missing Data. John Wiley & Sons, Hoboken, NJ, 3rd edition. Mankiw, N., Romer, D., & Weil, D. (1992). “A Contribution to the empirics of Economic Growth. Quarterly Journal of Economics, (107), 3, pp.407- 437. McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models. Chicago: Second Edition. Chapman and Hall. Ministerio de Educación. (2022). Decreto 1411 de 2022 Ministerio de Educación. MINEDUC. Función pública. ONU. (2024). Objetivos de desarrollo sostenible. Obtenido de un.org: https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/ Peña, P. (2002). Cadena de Markov para modelar la permanencia de pacientes en una unidad de cuidados intensivos cardiológicos. Chile: Universidad Técnica Federico Santa María. Podestá, A. (2020). Gasto público para impulsar el desarrollo económico e inclusivo y lograr los Objetivos de Desarrollo Sostenible. Santiago: serie Macroeconomía del Desarrollo, N° 214, Comisión Económica para América Latina y el Caribe (CEPAL). Robert, C., & Casella, G. (2009). Introducing Monte Carlo Methods with R. 1st Edition. Springer. Rodríguez, M., Freire, M., & Pais, C. (2017). El efecto del gasto público sanitario y educativo en la determinación del bienestar de los países de la OCDE: un modelo con datos de panel. Cuadernos de Economía, 41, 104-118. Romer, P. (1990). Endogenous Technological Change. Journal of Political Economy. Ross, S. (2000). Introduction to Probability Models. USA: Academic Press. Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. SDP. (2010). Densidades Urbanas: El caso de Bogotá. BOGOTÁ D.C., COLOMBIA 2010: ALCALDÍA MAYOR DE BOGOTÁ. Boletin No. 22. Sen, A. (1998). Las teorías del desarrollo a principios del siglo XXI. Cuadernos de Economía, Banco Interamericano de Desarrollo. SOGEOCOL. (Sociedad Geográfica de Colombia). Departamentos de Colombia. Obtenido de sogeocol.edu.co: https://sogeocol.edu.co/Home_B/esgeo/departamentos/ Speagle, J. S. (2019). A Conceptual Introduction to Markov Chain Monte Carlo Methods . Harvard. Trucco, D. (2023). Mejorar la educación es crucial para un desarrollo social y económico inclusivo y sostenible . CEPAL. Wooldridge, J. M. (2015). Introductory econometrics: A modern approach. Nelson Education.
dc.rights.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo) Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.campus.spa.fl_str_mv	CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv	Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv	Rregrado estadística
dc.publisher.faculty.spa.fl_str_mv	Facultad de estadística
institution	Universidad Santo Tomás
bitstream.url.fl_str_mv	https://repository.usta.edu.co/bitstream/11634/58117/6/2024cartaderechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58117/7/2024cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58117/8/2024MichaelMontoya.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58117/5/license.txt https://repository.usta.edu.co/bitstream/11634/58117/4/license_rdf https://repository.usta.edu.co/bitstream/11634/58117/1/2024cartaderechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/58117/2/2024cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/58117/3/2024MichaelMontoya.pdf
bitstream.checksum.fl_str_mv	013fe0b9ef66f6efd4d789f4d2889e8a c8431ccdcaf82f1ac660be37049cdcc8 11ce641d56ffe488fd52a9f19f3d5c13 aedeaf396fcd827b537c73d23464fc27 217700a34da79ed616c2feb68d4c5e06 d6fbd2c79cbc8b58e4257214f6c38635 679625ac1d8f8a6df63746ecce7cb082 8ffa8141b36a2dcc0dcde04dca76deb7
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv	repositorio@usta.edu.co
_version_	1860882302612013056
spelling	Pacheco López, Mario JoséMontoya Casas, Michael Stibensonhttps://orcid.org/0000-0003-4752-703Xhttps://scholar.google.es/citations?hl=es&user=a5SEoPgAAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479Universidad Santo Tomás2024-10-03T12:43:44Z2024-10-03T12:43:44Z2024Montoya 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 Institucionalhttp://hdl.handle.net/11634/58117reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEn 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.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.Profesional en estadísticaPregradoapplication/pdfspaUniversidad Santo TomásRregrado estadísticaFacultad de estadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aplicación 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.Public spendingMissing dataEducation povertyBootstrapExpectation-Maximization algorithmMultilevelBeta regressionEstadísticasAlgoritmoEducaciónPobreza-PoblaciónGasto públicoDatos faltantesPobreza en educaciónBootstrapAlgoritmo de Expectación-MaximizaciónMultinivelRegresión betainfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáAlkire, S., & Foster, J. (2011). Counting and Multidimensional Poverty Measurement. Oxford University Press.Angulo, R. C., Díaz, B. Y., & Pardo, R. P. (2013). A Counting Multidimensional Poverty Index in Public Policy Context: the case of Colombia. Oxford Department of International Development.Angulo, R. C., Díaz, Y. C., & Pardo, R. P. (2011). Índice de Pobreza Multidimensional para Colombia (IPM-Colombia) 1997-2010 . ARCHIVOS DE ECONOMÍA.Baltagi, B. H. (2013). Econometric analysis of panel data. John Wiley & Sons.Banco de la República. (2023). Persistencia de la desigualdad en la educación de Colombia: un análisis histórico. BANREP.Banco Mundial. (2022). The State of Global Learning Poverty: 2022 Update. worldbank.org.Banco Mundial. (2022a). El 70 % de los niños de 10 años se encuentran en situación de pobreza de aprendizajes y no pueden leer y comprender un texto simple. bancomundial.org. COMUNICADO DE PRENSA N.º 2022/074/EDU.Banco Mundial. (2024). Educación: Panorama general. bancomundial.org, https://www.bancomundial.org/es/topic/education/overview.ancoMundial. (17 de Oct de 2023). bancomundial.org. Obtenido de Entendiendo a la pobreza: https://www.bancomundial.org/es/topic/poverty/overview?cid=ECR_GA_worldbank_ES_EXTP_Search&s_kwcid=AL!18468!3!665400387540!b!!g!!como%20se%20mide%20la%20pobreza&gad_source=1#2Barro, R. J. (1977). Economic Growth in a cross section of Countries”, Quarterly Journal of Economics. Vol. CVI.Becker, G. (1964). Human Capital. Chicago IL: University of Chicago Press.Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, págs. 357 - 365.Bertsekas, D., & Tsitsiklis, J. (2002). Introducyion to Probability. USA: Athena Scientific.Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2015). Time Series Analysis: Forecasting and Control. Wiley.Bürkner, P.-C. (2018). Advanced Bayesian Multilevel Modeling with the R Package brms. The R Journal, 395-411.Castillo-Mateo, J., & Guajardo, A. C. (2022). Métodos Monte Carlo basados en cadenas de Markov. Zaragoza: Universidad de Zaragoza.Chamorro, D. B. (2013). Eficiencia del Gasto Público en educación en Colombia. Un Análisis a Nivel Departamental para los años 2005 y 2010. Santiago de Cali: Universidad del Valle. Obtenido de Santiago de Cali: Universidad del Valle.Cribari-Neto, F., & Ferrari, S. (2004). Beta Regression for Modelling Rates and Proportions. Journal of Applied Statistics, 799-815.Cribari-Neto, F., & Zeileis, A. (2010). Beta Regression in R. Journal of statistical Software.DANE . (2024). Glosario - Gran encuesta integrada de hogares. Departamento Administrativo Nacional de Estadística.DANE. (2014). METODOLOGÍA ÍNDICE DE POBREZA MULTIDIMENSIONAL (IPM). Departamento Administrativo Nacional de Estadística.DANE. (2021). Anexo técnico No. 2. Construcción del indicador inasistencia escolar del Índice de Pobreza Multidimensional 2020. Bogotá. Colombia: Departamento Administrativo Nacional de Estadística.DANE. (2022). Gastos del gobierno general por finalidad (GGF). Anexo estadístico ggf. Obtenido de https://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-nacionales/cuentas-nacionales-anuales/gastos-del-gobierno-general-por-finalidadDANE. (2023). Boletín Técnico Pobreza multidimensional en Colombia año 2022. Departamento Administrativo Nacional de Estadística.DANE. (2023a). dane.gov.co. Obtenido de Cambio demográfico de la Retroproyección de la población 1985-2019: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/estimaciones-del-cambio-demograficoANE. (2023b). dane.gov.co. Obtenido de Proyecciones de los componentes del cambio demográfico a nivel nacional 2020-2070 y departamental 2020-2050 actualización post COVID-19: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/estimaciones-del-cambio-demograficoDANE. (2023c). Serie departamental de población por área, para el periodo 2005-2019. Proyecciones y retroproyecciones de población departamental para el periodo 1985-2019 y 2020-2050 con base en el CNPV 2018. Departamento Administrativo Nacional de Estadística.DANE. (2023d). Serie departamental de población por área, para el periodo 2020-2050. Departamento Administrativo Nacional de Estadística. Proyecciones y retroproyecciones de población departamental para el periodo 1985-2019 y 2020-2050 con base en el CNPV 2018.DANE. (2024a). Índice de Precios al Consumidor - IPC. Variaciones porcentuales - mayo 2024. Departamento Administrativo Nacional de Estadística.DANE. (2024b). PIB por departamento. Departamento Administrativo Nacional de Estadística. Anexos estadísticos PIB departamental 2005-2023.DANE. (2024c). Pobreza multidimensional. Anexo nacional. Departamento Administrativo Nacional de Estadística.DANE. (2024d). Pobreza multidimensional. Anexo departamental. Departamento Administrativo Nacional de Estadística.Del Callejo Canal, D., Canal-Martínez, M., Vernazza, E., Urruticoechea, A., & Álvarez-Vaz, R. (2022). Consideraciones a la imputación múltiple. Un caso de estudio con datos panel. Cuadernos Del CIMBAGE, 1(24), 33-47.Dempster, A., Laird, N. M., & Rubin, D. (1977). Maximum Likelihood Estimation from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society B, 39, 1–38.DNP. (2015). Plan Nacional de Desarrollo 2014 - 2018 (Tomo 1). . Bogotá DC: Departamento Nacional de Planeación.DNP. (2017). Panorámica regional. Pobreza monetaria y multidimensional departamental, necesidad de políticas públicas diferenciadas . Departamento Nacional de Planeación.DNP. (2019). Plan de Desarrollo Nacional 2018 - 2022 (Tomo 1). . Bogotá DC: Departamento Nacional de Planeación.DNP. (2023). Plan de Desarrollo Nacional 2022 - 2026 . Bogotá DC: Departamento Nacional de Planeación.DNP. (2024). Distribuciones de los recursos del Sistema General de Participaciones (SGP). Detalle histórico por cantidad y concepto SGP. SICODIS, Series gasto público y gasto público en educación 2015 -2022.Enders, C. K. (2010). Applied Missing Data Analysis. Guilford Press.Forero, D., & Parrado, C. V. (2019). Gasto en el Sector Educativo en Colombia. FEDESARRROLLO.Galvis Aponte, L. A. (2015). LA EFICIENCIA DEL GASTO PÚBLICO EN EDUCACIÓN EN COLOMBIA. . Cartagena: Universidad Tecnológica de Bolívar.Galvis, L. A. (2015). La eficiencia del gasto público en educación en Colombia. Economía & Región.yr: 2015;no: 9;iss: 2.García, J. G., Albaladejo, J. P., & Fernández, J. A. (2006). Métodos de inferencia estadística con datos faltantes. Estudio de simulación sobre los efectos de las estimaciones. ESTADÍSTICA ESPAÑOLA, págs. 241 - 270.Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis. CRC Press.Grün, B., Kosmidis, I., & Zeileis, A. (2012). Extended Beta Regression in R: Shaken, Stirred, Mixed, and Partitioned. Journal of Statistical Software. Vol. 48. #11.Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.Honaker, J., King, G., & Blackwell, M. (2011). Amelia II: A Program for Missing Data. Journal of Statistical Software, 45(7), 1–47.Hyndman, R., & Athanasopoulos, G. (2021). Forecasting: principles and practice. 3rd edition, OTexts: Melbourne, Australia.Keller, K. (2006). Investment in Primary, Secondary, and Higher Education and the Effects on Economic Growth. Contemporary Economic Policy 24 (1), 18 – 34.Little, R. J., & Rubin, D. B. (2020). Statistical Analysis with Missing Data. John Wiley & Sons, Hoboken, 3rd edition.Little, R. J., & Rubin, D. B. (2020). Statistical Analysis with Missing Data. John Wiley & Sons, Hoboken, NJ, 3rd edition.Mankiw, N., Romer, D., & Weil, D. (1992). “A Contribution to the empirics of Economic Growth. Quarterly Journal of Economics, (107), 3, pp.407- 437.McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models. Chicago: Second Edition. Chapman and Hall.Ministerio de Educación. (2022). Decreto 1411 de 2022 Ministerio de Educación. MINEDUC. Función pública.ONU. (2024). Objetivos de desarrollo sostenible. Obtenido de un.org: https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/Peña, P. (2002). Cadena de Markov para modelar la permanencia de pacientes en una unidad de cuidados intensivos cardiológicos. Chile: Universidad Técnica Federico Santa María.Podestá, A. (2020). Gasto público para impulsar el desarrollo económico e inclusivo y lograr los Objetivos de Desarrollo Sostenible. Santiago: serie Macroeconomía del Desarrollo, N° 214, Comisión Económica para América Latina y el Caribe (CEPAL).Robert, C., & Casella, G. (2009). Introducing Monte Carlo Methods with R. 1st Edition. Springer.Rodríguez, M., Freire, M., & Pais, C. (2017). El efecto del gasto público sanitario y educativo en la determinación del bienestar de los países de la OCDE: un modelo con datos de panel. Cuadernos de Economía, 41, 104-118.Romer, P. (1990). Endogenous Technological Change. Journal of Political Economy.Ross, S. (2000). Introduction to Probability Models. USA: Academic Press.Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons.SDP. (2010). Densidades Urbanas: El caso de Bogotá. BOGOTÁ D.C., COLOMBIA 2010: ALCALDÍA MAYOR DE BOGOTÁ. Boletin No. 22.Sen, A. (1998). Las teorías del desarrollo a principios del siglo XXI. Cuadernos de Economía, Banco Interamericano de Desarrollo.SOGEOCOL. (Sociedad Geográfica de Colombia). Departamentos de Colombia. Obtenido de sogeocol.edu.co: https://sogeocol.edu.co/Home_B/esgeo/departamentos/Speagle, J. S. (2019). A Conceptual Introduction to Markov Chain Monte Carlo Methods . Harvard.Trucco, D. (2023). Mejorar la educación es crucial para un desarrollo social y económico inclusivo y sostenible . CEPAL.Wooldridge, J. M. (2015). Introductory econometrics: A modern approach. Nelson Education.THUMBNAIL2024cartaderechosdeautor.pdf.jpg2024cartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg8241https://repository.usta.edu.co/bitstream/11634/58117/6/2024cartaderechosdeautor.pdf.jpg013fe0b9ef66f6efd4d789f4d2889e8aMD56open access2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg8906https://repository.usta.edu.co/bitstream/11634/58117/7/2024cartadefacultad.pdf.jpgc8431ccdcaf82f1ac660be37049cdcc8MD57open access2024MichaelMontoya.pdf.jpg2024MichaelMontoya.pdf.jpgIM Thumbnailimage/jpeg4417https://repository.usta.edu.co/bitstream/11634/58117/8/2024MichaelMontoya.pdf.jpg11ce641d56ffe488fd52a9f19f3d5c13MD58open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/58117/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/58117/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessORIGINAL2024cartaderechosdeautor.pdf2024cartaderechosdeautor.pdfapplication/pdf2323409https://repository.usta.edu.co/bitstream/11634/58117/1/2024cartaderechosdeautor.pdfd6fbd2c79cbc8b58e4257214f6c38635MD51metadata only access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf347933https://repository.usta.edu.co/bitstream/11634/58117/2/2024cartadefacultad.pdf679625ac1d8f8a6df63746ecce7cb082MD52metadata only access2024MichaelMontoya.pdf2024MichaelMontoya.pdfapplication/pdf1421836https://repository.usta.edu.co/bitstream/11634/58117/3/2024MichaelMontoya.pdf8ffa8141b36a2dcc0dcde04dca76deb7MD53open access11634/58117oai:repository.usta.edu.co:11634/581172024-10-04 03:23:42.607metadata only accessRepositorio Universidad Santo Tomásrepositorio@usta.edu.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

Publicaciones similares