Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Revista Portuguesa de Educação
Print version ISSN 0871-9187On-line version ISSN 2183-0452
Abstract
GOMES, Cristiano Mauro Assis; LEMOS, Gina C. and JELIHOVSCHI, Enio G.. La racionalidad del Método de Regresión de Árbol es más apropiada que el Modelo Linear General para analizar datos educacionales complejos. Rev. Port. de Educação [online]. 2021, vol.34, n.2, pp.42-64. Epub Aug 01, 2022. ISSN 0871-9187. https://doi.org/10.21814/rpe.18044.
Cualquier método cuantitativo está conformado por ciertas reglas o postulados que constituyen su propia racionalidad. No por casualidad, estos postulados determinan las condiciones y restricciones sobre las cuales se puede construir la evidencia En este artículo, argumentamos por qué la racionalidad del Método de Árbol de Regresión es más apropiada que el Modelo Lineal General para analizar datos educativos complejos. Además, se aplicó el algoritmo CART del Método de Regresión de Árbol, así como la Regresión Linear Múltiple, en un modelo con 53 predictores, tomando como variable de respuesta el desempeño de los estudiantes en lectura de la edición 2011 del Examen Nacional de Educación Secundaria (ENEM; N = 3.670.089), que es un dato educativo complejo. Esta comparación empírica ilustra cómo el Método de Árbol de Regresión es superior al Modelo Linear General al proporcionar evidencia de relaciones no lineales, así como al tratar con variables nominales con muchas categorías y variables ordinales. Llegamos a la conclusión de que el Método de Árbol de Regresión genera mejores evidencias sobre las relaciones entre los predictores y el variable de respuesta en datos complejos.
Keywords : Método de regresión de árbol; modelo linear general; Examen Nacional de la Enseñanza Media (ENEM); datos complejos..