Modelo Estadístico para determinar los factores académicos en los Resultados de las Pruebas Saber Pro

Objetivo: Diseñar un modelo estadístico que determine los factores académicos sobre resultados de las Pruebas Saber Pro. Metodología o método: El estudio de técnicas de relaciones multivariables y de aprendizaje fueron empleadas para establecer un mecanismo de relación entre un conjunto de variables académicas y sociodemográficas y su influencia con el resultado de la prueba Saber Pro, a través de un diseño y selección de un modelo estadístico multivariable que determine en forma óptima los factores académicos que inciden en los resultados de las pruebas Saber Pro. Resultados: Se apreció que no existen diferencias significativas entre los modelos y la realidad reflejada en la muestra de la validación a excepción de la prueba PCME que el modelo de Random Forest no prueba hipótesis de validación. Se identificó que el modelo de regresión lineal multivariante no muestra diferencias significativas en ninguna de las pruebas, al contrario del modelo Random Forest si muestra diferencias para ciertos valores de α en ING y FPI además de rechazar hipótesis de igualdad para la prueba PCME. Conclusiones: Cualquiera de las técnicas utilizadas en el estudio puede ayudar a realizar un modelo predictivo que sea capaz de permitir a la institución generar estrategias para lograr crear políticas orientadas a mejorar el rendimiento de los estudiantes. Sin embargo, la técnica de regresión lineal multivariante de acuerdo a las pruebas de hipótesis es la mejor posicionada en este estudio.

研究目标：构建统计模型，以明确影响Saber Pro学业水平测试（Pruebas Saber Pro）成绩的学术相关因素。
研究方法：本研究采用多变量关联分析与统计学习技术，通过设计并筛选最优多变量统计模型，探究一组学术与社会人口统计学变量及其与该测试成绩的关联机制，精准识别对Saber Pro测试成绩存在影响的学术因素。
研究结果：结果显示，除随机森林（Random Forest）模型未通过PCME测试的验证假设检验外，其余模型的拟合结果与验证样本所反映的实际情况均无显著差异。经分析发现，多元线性回归模型在所有测试中均未表现出显著差异；与之相反，随机森林模型则在ING与FPI的部分显著性水平α下呈现显著差异，且拒绝了PCME测试的等值假设。
研究结论：本研究所采用的任意一类技术均可用于构建预测模型，助力教育机构制定针对性策略，以出台优化学生学业表现的相关政策。不过，结合假设检验结果来看，多元线性回归技术在本研究中表现最优。