MODELOS LINEALES GENERALES Y MIXTOS EN LA CARACTERIZACIÓN DE LA VARIABLE CALIFICACIÓN, INGENIERÍA AGROINDUSTRIAL, UNI-NORTE

Los modelos mixtos son una propuesta de modelación estadística avanzada, que permiten mejorar la calidad del análisis de los factores fijos y factores aleatorios, modelando la variabilidad aleatoria y la correlación de los errores, siendo muy útiles en el análisis de datos desbalanceado, datos con p...

Descripción completa

Detalles Bibliográficos
Autores principales: Dicovskiy Riobóo, L. M., Pedroza Pacheco, M. E.
Formato: Online
Idioma:spa
Publicado: Universidad Nacional de Ingeniería (UNI) en Managua 2018
Acceso en línea:https://www.camjol.info/index.php/NEXO/article/view/5527
Descripción
Sumario:Los modelos mixtos son una propuesta de modelación estadística avanzada, que permiten mejorar la calidad del análisis de los factores fijos y factores aleatorios, modelando la variabilidad aleatoria y la correlación de los errores, siendo muy útiles en el análisis de datos desbalanceado, datos con pseudoréplicas, o datos con algún tipo de estructura jerárquica o de agrupación. En esta investigación, con el software InfoStat se realizó una aplicación de los modelos generales y mixtos, sobre la variable “Calificación de los estudiantes Aprobados”, de Ingeniería Agroindustrial, con datos de 11 años. Se respondió preguntas estadísticas sobre el comportamiento del rendimiento académico, en función del Año académico y del Género de los estudiantes. Al modelar el Año Académico, el Género y la interacción como factores fijos, en relación con la nota de los estudiantes aprobados, se determinó que la inclusión de los factores aleatorios: Estudiante y Docente, mejoraron los: AIC, BIC del modelo, la normalidad y homocedasticidad de los residuos, mejorándose así la calidad del análisis estadístico. El modelo con factores mixtos, encontró diferencias significativas en las notas de los estudiantes aprobados por los factores: “Año Académico” y “Género”. Sin embargo, no se determinó efecto de interacción entre ambos factores.