Probabilidad de obtener un título académico en Colombia

Barra lateral de artículos

PDF XML
Publicado jul 15, 2021
DOI https://doi.org/10.17081/eduhum.23.41.4105

Contenido principal de artículos

Oscar Cerquera-Losada
Universidad Surcolombiana, Neiva, Colombia
Camilo Gómez-Segura
Universidad Surcolombiana, Neiva, Colombia
Libardo Rojas-Velásquez
Universidad ICESI, Cali, Colombia

Resumen

Objetivo: Determinar la probabilidad de obtener un determinado título académico en Colombia, dado un conjunto de variables que caracterizan a los individuos. Método: es un estudio cuantitativo desarrollado a través de un modelo econométrico de probabilidad Probit ordenado según cuatro categorías que corresponden a cada título académico respetivamente: ninguno, bachiller, técnico, universitario. Los datos provienen de la Gran Encuesta Integrada de Hogares (GEIH) del año 2018. Resultados: las mujeres tienen mayor probabilidad de tener un título de técnico y universitario que los hombres, los casados, los jefes de hogar, los que viven en la zona urbana y los que tienen vivienda propia, también presentan mayor probabilidad de tener un título de educación técnica y superior. Discusión y Conclusiones: las mujeres presentan mayores niveles de educación que los hombres; el nivel académico no necesariamente garantiza mayores probabilidades de conseguir empleo, pues los desempleados presentan mayores probabilidades de tener educación técnica y superior.

Palabras clave

Educación, efectos marginales, probabilidad, probit ordenado, título académico

Descargas

Los datos de descargas todavía no están disponibles.

Detalles de artículo

Número
Vol. 23 Núm. 41 (2021): Julio-Diciembre
Sección
ARTíCULOS
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:

  1. Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
  2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
  3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.

Referencias

Citas

  1. Becker, G. (1975). Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. National Bureau of Economic Research.
  2. Becker, G. (1993). Human capital: a theoretical and empirical analysis with special reference to education. University of Chicago Press.
  3. Benhabib, J. & Spiegel, M. M. (1994). The role of human capital in economic development evidence from aggregate cross-country data. Journal of Monetary economics, 34(2), 143-173.
  4. Cameron, C. & Trivedi, P. (2005). Microeconometrics Methods and Applications. Cambridge University Press.
  5. Cameron, S. V. & Hechman, J. J. (1998). Life Cycle Schooling and Dynamic Selection Bias: Models and Evidence for Five Cohorts of American Males. The Journal of Political Economy, 106(2), 262-333. https://www.journals.uchicago.edu/doi/10.1086/250010
  6. Cameron, S. V. & Taber, C. J. (1994). Evaluation and Identification of Semiparametri Maximum Likelihood Models of Dynamic Discrete Choice. Manuscript Chicago.
  7. Cerquera, O., Gomez, C. y Cano, J. (2016). Factores asociados al logro académico en regiones desarrolladas y en desarrollo de Colombia: una aproximación a partir de un modelo de combinación de corte transversal. Revista Historia de la Educación Colombiana 19(19), 167-201.
  8. CEPAL. (2019). Perspectivas económicas de América Latina 2019: Desarrollo en transición. OECD Publishing. https://doi.org/10.1787/g2g9ff1a-es
  9. Connelly, J., Philbrick, J., Smith, G., Kaiser, D., & Wymer, A. (1989). Health perceptions of primary care patients and the influence on health care utilization. Supplement to Medical Care, (27), 99-109. https://doi.org/10.1097/00005650-198903001-00009
  10. DANE. (2018). Gran Encuesta Integrada de Hogares - GEIH – 2018. http://microdatos.dane.gov.co/index.php/catalog/547
  11. Ferreyra, M. (2017). La educación superior en América Latina y el Caribe. Grupo Banco Mundial.
  12. Fundación Empresarios por la Educación. (Abril de 2019). Informe de gestión. https://fundacionexe.org.co/wp-content/uploads/2020/06/Informe-gestion-.pdf
  13. Giovagnoli, P. I. (2002). Determinantes de la deserción y graduación universitaria: Una aplicación utilizando modelos de duración. [Tesis de Maestría, Universidad Nacional de La Plata].
  14. González, R. M. (1989). Análisis de las causas del fracaso escolar en la Universidad Politécnica de Madrid. Ministerio de Educación Cultura y Deporte, Centro de Investigación y Documentación Educativa.
  15. Hanushek, E. A. (1986). The economics of Schooling. Journal of Economic Literature, 24(3), 1141-1171.
  16. Hernández, R., Cuevas, A., Leal, B. y Mendoza, C. (2016). Enseñanza-aprendizaje de ciencia e investigación en educación básica en México. Revista electrónica de investigación educativa, 18(3), 187-200.
  17. Hernández, R., Fernández, C., y Baptista, M. (2010). Metodología de la Investigación. Mc Graw Hill.
  18. Kerlinger, F. (2002). Investigación del Comportamiento. MC Graw Hill.
  19. Long, J., & Freese, J. (2001). Regression Models for Categorical Dependent Variables Using Stata. Stata Press.
  20. Lucas, R. (1988). On the mechanics of economic development. Journal of monetary economics, 22(1), 3-42.
  21. Mankiw, G. (1992). A contribution to the empirics of economic growth. The quarterly journal of economics, 107(2), 407-437.
  22. Mendoza, L., Mendoza, U. y Romero, D. (2014). Permanencia académica: una preocupación de las instituciones de educación universitaria. Escenarios, 12(2), 130-137. https://doi.org/10.15665/esc.v12i2.320
  23. OCDE. (2016). La naturaleza del aprendizaje: Usando la investigación para inspirar la práctica. OCDE, OIE-UNESCO, UNICEF.
  24. OCDE. (2019). Education at a Glance. OECD Indicators.
  25. Osorio, A., Bolancé, C. y Castillo, M. (2012). Deserción y graduación estudiantil universitaria: una aplicación de los modelos de supervivencia. Revista iberoamericana de educación Superior, 3(6), 31-57. https://doi.org/10.22201/iisue.20072872e.2012.6.55
  26. Persoglia, L., Carella, L. y Solari, E. (2017). Rendimiento académico y características socioeconómicas de graduados. Revista Ciencia, docencia y tecnología, 28(54), 235-251.
  27. Romer, P. (1986). Increasing Returns and Long-Run Growth. Journal of political Economy, 94(5), 1002-1037.
  28. Romer, P. (1989). Increasing returns and new developments in the theory of growth. NBER Working Paper Series, (3098), 2-40.
  29. Williams, R. (2006). Generalized Ordered Logit/ Partial Proportional Odds Models for Ordinal Dependent Variables. The Stata Journal, 6(1), 58-82. https://doi.org/10.1177/1536867X0600600104