Maestría en Estadística Aplicada
URI permanente para esta colecciónhttps://repositorio.upec.edu.ec/handle/123456789/2077
Examinar
Examinando Maestría en Estadística Aplicada por Materia "Clasificación multivariada, ACM, ACP No Lineal, Instituciones Educativas."
Mostrando 1 - 1 de 1
- Resultados por página
- Opciones de ordenación
Ítem Acceso Abierto Revisión de métodos y propuesta de metodología para la obtención de un índice de clasificación para la priorización de instituciones educativas de sostenimiento público utilizando métodos multivariados(Universidad Politécnica Estatal del Carchi-Biblioteca General "Luciano Coral", 2025-04) Zabala Celi, Jhony Leandro; Galvis Correa, Andrés AlejandroLa presente investigación tiene como objetivo diseñar un índice que, utilizando técnicas de clasificación multivariada, facilita la toma de decisiones en la priorización de instituciones educativas fiscales para ser beneficiarias de recursos educativos a través de proyectos de inversión. Se identificaron factores determinantes y se compararon dos metodologías: el Análisis de Correspondencias Múltiples -ACM- y el Análisis de Componentes Principales No Lineal -ACP No Lineal-. Los resultados evidencian que, si bien el ACM genera un índice con menor variabilidad y mayor estabilidad, el ACP No Lineal captura de forma más precisa la complejidad y variabilidad de los datos, lo que lo hace idóneo para reflejar diferencias significativas entre las instituciones. Variables como la etnia de estudiantes y docentes, la relación estudiante-docente, y el acceso a servicios básicos como agua e internet se destacan como elementos fundamentales para la diferenciación y priorización. En este contexto, el ACP No Lineal se erige como la mejor opción para la construcción del índice, ya que permite capturar una mayor variabilidad y manejar de forma eficiente distintos tipos de variables categóricas - ordinales y nominales-. Su capacidad para reflejar de manera precisa la complejidad subyacente en los datos, junto con la habilidad para gestionar no linealidades y transformar los datos en puntuaciones numéricas, posibilita la creación de un índice más robusto y adaptativo. De esta manera, la metodología desarrollada optimiza la categorización de las instituciones en función de múltiples dimensiones, contribuyendo de manera significativa a la toma de decisiones en la asignación de recursos educativos a través de proyectos de inversión.
