Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Considere la situación en la que tenemos una medida de aptitud académica (escala 200-800)
que queremos modelar utilizando las calificaciones de las pruebas comprensión lectora y
lógico matemático, así como el tipo de programa en el que el estudiante está matriculado
(académico, general, o vocacional). El problema aquí es que los estudiantes que contestan
todas las preguntas en la prueba de aptitud académica reciben correctamente una puntuación
de 800, aunque es probable que estos estudiantes no sean "verdaderamente" iguales en
aptitud. Lo mismo ocurre con los estudiantes que responden a todas las preguntas
incorrectamente. Todos estos estudiantes tendrían una puntuación de 200, aunque no todos
pueden ser de igual aptitud.
Siguiendo el ejemplo 3.
Veamos los datos. Tenga en cuenta que en este conjunto de datos, el valor más bajo de apt es
352. Ningún estudiante recibió una puntuación de 200 (es decir, la puntuación más baja
posible), lo que significa que aunque la censura desde abajo era posible, no ocurre en el
conjunto de datos.
. tabulate prog
interprete.
. histogram apt, normal bin(10) xline(800)
Resultado optimo
. predict yhat
La correlación entre los valores predichos y observados de apt es 0.7825. Si cuadramos este
valor, obtenemos la correlación cuadrática múltiple, esto indica que los valores predichos
comparten alrededor del 61% (0.7825^2 = 0.6123) de su varianza con apt. Además, podemos
utilizar el comando escrito por el usuario fitstat para producir una variedad de estadísticas de
ajuste. Puede encontrar más información sobre fitstat escribiendo search fitstat (consulte
Cómo puedo usar el comando de búsqueda para buscar programas y obtener ayuda adicional
para obtener más información sobre cómo usar la búsqueda).
. fitstat