BIBLIOTECA VIRTUAL de Derecho, Economía y Ciencias Sociales

LA PROBLEMÁTICA ACTUAL DE LA DESERCIÓN ESCOLAR, UN ANÁLISIS DESDE LO LOCAL

Javier Martínez Morales y otros




Esta página muestra parte del texto pero sin formato.

Puede bajarse el libro completo en PDF comprimido ZIP (112 páginas, 5.71 Mb) pulsando aquí

 

 

3.5 Metodología

Para realizar el análisis de la relación causa y efecto que existe entre la drogadicción y la deserción escolar, se utilizará datos primarios provenientes de una encuesta . La cual consistirá en dos cuestionarios, uno que será aplicado a estudiantes del nivel medio superior y superior, que se encuentren en la ciudad de Hidalgo del Parral; y el otro cuestionario será aplicado a la población en general de Hidalgo del Parral, sólo que sean mayores a 15 años. Además los cuestionarios aplicados, reflejaran una descripción de la perspectiva que tiene la población que actualmente habita Hidalgo del Parral sobre el consumo de drogas, los adictos y la legalización de las drogas.

Los datos secundarios provenientes de la Encuesta nacional de Adicciones (ENA), en sus versiones 1988, 1993, 1998, 2002 y 2008, publicadas por la Secretaria de Salud e INEGI, se utilizaran para mostrar la tendencia que ha tenido el consumo de drogas en el país a lo largo de 20 años.

Modelos econométricos

Modelo de mínimos Cuadrados Ordinarios (MCO)

Para lograr el objetivo de estimar el peso que tiene la drogadicción en la deserción escolar se utilizara el modelo econométrico de mínimos cuadrados ordinarios (MCO), con base en la publicación de Tonconi (2010).

Tonconi utilizó el MCO para analizar los factores que influyen en el rendimiento académico de los estudiantes de la Facultad de Ingeniería Económica de la UNA-Puno, haciendo una adaptación del estudio sobre el rendimiento escolar en Bolivia (Romaguera, 1999).

Para el presente análisis la variable que comprende el establecimiento de la relación causa-efecto entre variables independientes o explicativas frente a la variable dependiente o explicada, que se constituye como paso previo para llegar al objetivo de estimación, está planteada por la siguiente ecuación:

Donde,

RA: Representa el rendimiento académico del estudiante

CM: Representa el número de materias que ya curso el estudiante

HE: Representa el número de horas dedicadas al estudio por día

A: Representa variable dicotómica asistencia a clases (1 si asiste a más del 80%, 0 en caso contrario).

DC: Representa el número de materias reprobadas

I: Nivel de interés mostrado hacia sus estudios (1 = si muestra interés, 0 = no muestra interés)

C: Consume algún tipo de drogas (1 = Si, 0 = No)

T: Representa variable dicotómica si trabaja el estudiante (1=Si Trabaja; 0=No Trabaja).

EP: Escolaridad de los padres

EC: Estado civil (1 = casado, 0 = los demás casos)

TF: Tipo de familia (1= familia nuclear, 0= los demás casos)

LO: Localidad de origen (1 =foránea, 0 = Parral)

Ut: Representa la perturbación estocástica asociada al rendimiento académico del estudiante.

Modelo Probit de Máxima Verosimilitud (MV)

El modelo Probit, Tonconi lo usó para analizar los factores que influyen en la deserción estudiantil, adaptándolo del estudio sobre los determinantes de la deserción estudiantil en Argentina (Giovagnoli, 2002).

Para esta investigación la variable dependiente dicotómica consiste en, si el estudiante alguna vez ha desertado (DE = 1) o nunca desertó (DE = 0). La especificación empírica incluye las variables como desempeño académico, el nivel de asistencia a clases del estudiante, ingreso económico mensual del hogar, la variable si trabaja el alumno aparte de estudiar, el nivel de interés que muestra en su educación, si es consumidor de algún tipo de droga, y la escolaridad de los padres, pueden explicar si el estudiante puede o no desertar, la especificación funcional del modelo Probit es de la siguiente forma:

Β es un vector de parámetros, que refleja el efecto que cada una de las variables (contenidas en el vector x) tiene sobre la probabilidad de que el estudiante es desertor. Para un vector x dado, se espera que:

El modelo con variable dependiente dicotómica es un modelo de regresión, que se expresa de esta forma:

En este sentido, con fines de interpretación, se utiliza los efectos marginales del modelo Probit, el cual se expresa en la siguiente forma funcional:

Donde f es la función de densidad relacionada con la función de distribución F(.). Se debe anotar que la anterior derivada representa los efectos marginales.

La fnción de densidad acumulada (FDA) que se utilizara para estimar el modelo es una FDA normal (Modelo probit), con media cero y varianza unitaria dado el supuesto de normalidad, la probabilidad de que la variable dependiente DE tome el valor 1 vendrá dada por la siguiente expresión:

Ahora, analizando la probabilidad de que un estudiante sea consumidor de drogas, se especifica el siguiente modelo. Si el estudiante es consumidor (CD = 1) o no lo es (CD = 0). Se incluye variables como si es o no desertor, el sexo del individuo, el estado civil, el ingreso económico del hogar, si tiene familiares o amigos que consuman algún tipo de droga, nivel de consumo de dichas sustancias, las relaciones interpersonales y el tipo de familia. Mostrándose a continuación el modelo Probit:

Donde,

CD: Consume drogas (1 = No, 0 = Si)

DE: Representa una variable dicotómica (1 si no es desertor, 0 si lo es).

S: Representa el sexo del individuo entrevistado (1 si es hombre, 0 si es mujer).

EC: Estado civil (1 = casado, 0 = los demás casos)

IH: Representa el nivel de ingreso de la persona respondiente (1 = alto o medio, 0 = bajo)

FA: Tiene familiares o amigos que consuman algún tipo de droga (1 = Si, 0 = No)

RIf: Relaciones interpersonales – familia (1 = buenas, 0 = regulares o malas)

TF: Tipo de familia (1= familia nuclear, 0= los demás casos)

Ut: Representa la perturbación estocástica asociada al consumo de drogas del estudiante

Población y muestra

Población

Como se menciono anteriormente, se aplicaran dos tipos de cuestionarios, los cuales irán dirigidos a dos tipos diferentes de población. Por lo que la población de estudio para el modelo de rendimiento académico (modelo I) está definida como el total de estudiantes que se encuentran cursando el nivel medio superior o superior en Hidalgo del Parral, Chihuahua, siendo un total de 8598 estudiantes.

A continuación se muestra la distribución de esta población:

Preparatoria, bachillerato o equivalente

Para los modelos de probabilidad de deserción escolar (modelo II) y drogadicción (modelo III), la población está definida como el total de individuos mayores a 15 años de edad que vivan en Hidalgo del Parral, siendo un total de 70240 individuos, según estadísticas del Conteo de Población y Vivienda 2005.

Muestra

Para calcular el tamaño de una muestra hay que tomar en cuenta tres factores:

• El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra hacia la población total.

• El porcentaje de error que se pretende aceptar al momento de hacer la generalización.

• El nivel de variabilidad que se calcula para comprobar la hipótesis.

La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar tales resultados, pero también implica estudiar a la totalidad de los casos de la población.

Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser prácticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de confianza menor. Comúnmente en las investigaciones sociales se busca un 95%.

El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hipótesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hipótesis verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra es del mismo tamaño que la población, por lo que conviene correr un cierto riesgo de equivocarse.

Comúnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son complementarios la confianza y el error.

La variabilidad es la probabilidad (o porcentaje) con el que se aceptó y se rechazó la hipótesis que se quiere investigar en alguna investigación anterior o en un ensayo previo a la investigación actual. El porcentaje con que se aceptó tal hipótesis se denomina variabilidad positiva y se denota por p, y el porcentaje con el que se rechazó se la hipótesis es la variabilidad negativa, denotada por q.

Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la unidad: p+q=1. Además, cuando se habla de la máxima variabilidad, en el caso de no existir antecedentes sobre la investigación (no hay otras o no se pudo aplicar una prueba previa), entonces los valores de variabilidad es p=q=0.5.

Donde:

n es el tamaño de la muestra;

Z es el nivel de confianza;

p es la variabilidad positiva;

q es la variabilidad negativa;

N es el tamaño de la población;

E es la precisión o el error.

Entonces, la muestra general, para los modelos II y III, se estimara de la siguiente manera:

N = 70240 individuos

Z = la confianza es del 95%, es decir, el intervalo de confianza es P(-1.96<z<1.96) = 95%

p = 0.5

q= 0.5

E = 5%

n = (1.96)2(0.5)(0.5)(70240)

(70240)(0.05)2 + (1.96)2(0.5)(0.5)

n = 67458.50

176.56

n = 382.07

La muestra consistirá en 383 cuestionarios, para distribuirlos dentro de las diferentes colonias de la ciudad.

Para calcular el tamaño de la muestra para el modelo I, primero se aplicó una prueba piloto, para calcular la variabilidad y posteriormente la muestra real.

Al aplicar la prueba piloto la variabilidad fue de 0.4396, por lo que,

N = 8927 estudiantes

Z = la confianza es del 95%, es decir, el intervalo de confianza es P(-1.96<z<1.96) = 95%

p = 0.4396

E = 10%

n = (1.96)2(0.4396)(8927)

(8927)(0.1)2 + (1.96)2(0.4396)

n = 15075.63

90.96

n = 165.74

La muestra consistirá en 166 cuestionarios, para distribuirlos dentro de los diferentes intervalos de nivel educativo.

Selección de la muestra

Para la selección de los estudiantes, se acudió a las instituciones educativas correspondientes, eligiéndolos al azar.

Para la selección de los individuos mayores de 15 años, se procedió a elaborar conglomerados, mediante un mapa, seleccionando las colonias que fueron más representativas .

Técnicas e instrumentos de recolección de datos

Para obtener información, se empleara como instrumento de medición la encuesta y la investigación documental.

Para cuantificar las variables independientes se realizará una encuesta . En relación a los determinantes de la deserción escolar, se complementará los cuestionarios con ítems que evaluaran los factores que influyen en rendimiento académico como: número de horas dedicadas al estudio por día, asistencia a clases, nivel de interés mostrado hacia sus estudios, número de materias aprobadas y reprobadas, si consume algún tipo de drogas, si trabaja, escolaridad de los padres, estado civil, tipo de familia, localidad de origen.

La preparación de la información comprende varios aspectos como la recopilación, clasificación, sistematización u ordenamiento, tabulado y presentación de la información referente a cada variable objeto de estudio; las técnicas que se utilizaron en dichos aspectos son manuales y electrónicas; en el segundo caso se utilizará una computadora, en la cual se le asignará carpetas, archivos, y ventanas de acuerdo al orden lógico de las variables y que ello facilite su guardado, modificación y recuperación de los datos de información procesada, para su posterior análisis ya sea individual o en conjunto.

Para el procesamiento de los datos de información recopilada, se utiliza el paquete estadístico STATA versión 10.1.

Finalmente, se indica que para la determinación e interpretación de los coeficientes de los factores determinantes del rendimiento escolar se utilizará el modelo econométrico de mínimos cuadrados ordinarios, el cual permite estimar los coeficientes de cada variable independiente para su respectivo análisis. Mientras que para analizar la probabilidad de consumo de drogas se utilizará el modelo econométrico probit de máxima verosimilitud, considerando que la variable consumo de drogas son discretas dicotómicas o dummies, que permite estimar los coeficientes de las variables independientes para su respectiva explicación.


Grupo EUMEDNET de la Universidad de Málaga Mensajes cristianos

Venta, Reparación y Liberación de Teléfonos Móviles
 
Todo en eumed.net:

Congresos Internacionales


¿Qué son?
 ¿Cómo funcionan?

 

15 al 29 de
julio
X Congreso EUMEDNET sobre
Turismo y Desarrollo




Aún está a tiempo de inscribirse en el congreso como participante-espectador.


Próximos congresos

 

06 al 20 de
octubre
I Congreso EUMEDNET sobre
Políticas públicas ante la crisis de las commodities

10 al 25 de
noviembre
I Congreso EUMEDNET sobre
Migración y Desarrollo

12 al 30 de
diciembre
I Congreso EUMEDNET sobre
Economía y Cambio Climático

 

 

 

 

Encuentros de economia internacionales a traves de internet


Este sitio web está mantenido por el grupo de investigación eumednet con el apoyo de Servicios Académicos Internacionales S.C.

Volver a la página principal de eumednet