Temario
Descripción:
Los modelos lineales jerárquicos (MLJ), también conocidos como modelos multinivel, modelos mixtos o modelos de efectos aleatorios, son modelos de regresión estadística que permiten estudiar asociaciones contexto-dependientes. Estos modelos proporcionan un marco conceptual y un conjunto flexible de herramientas de análisis para estudiar una variedad de procesos sociales y de desarrollo.
Por ejemplo, en educación, los MLJ pueden ser utilizados para estudiar la relación entre el desempeño académico y el acervo socio-económico de un estudiante cuando se presume que dicha asociación varía de un colegio a otro. Bajo el esquema clásico de regresión múltiple, se hace necesario especificar un modelo para cada colegio para permitir que las estimaciones de los parámetros varíen de un colegio a otro. Cuando el número de estudiantes por colegio es pequeño o el número de colegios es grande el esquema clásico es altamente inconveniente y técnicamente inadecuado. En cambio, los MLJ permiten un modelaje más apropiado y relativamente sencillo de los datos provenientes de éstas y otras estructuras sociales en las que existe una agrupación de las unidades bajo estudio (en este caso, de estudiantes en colegios).
El objetivo de este taller es introducir los MLJ partiendo desde el modelo clásico de regresión múltiple. Se comienza por aplicar el modelo clásico de regresión para estudiar la relación entre el desempeño en matemáticas y el bagaje social y económico de los estudiantes de un colegio. Luego se estudia cómo dicha asociación varía de un colegio a otro y cómo esta dependencia conduce naturalmente a la especificación de un MLJ. Luego se estudia la especificación e interpretación de resultados de un MLJ utilizando los datos de una de las aplicaciones recientes de las Pruebas SABER 11, que incluye resultados en la prueba de matemáticas así como información social y económica a nivel del estudiante. Finalmente se presentan ejemplos de otras aplicaciones y herramientas que permiten la aplicación de este tipo de modelos.
