FACTORES DEL RENDIMIENTO

ACADEMICO EN LA FACULTAD DE
CIENCIAS ECONOMICAS Y
EMPRESARIALES DE LA UAGRM
Alvarado Sevilla Maria Nel
Bazoberry Paz Adriana Belen
Huaylla Mancilla Raul Danny
Oyola Flores Melvy Mariana

Carrera de Economía
Facultad de Ciencias Económicas y Empresariales
Universidad Autónoma Gabriel Rene Moreno
Agosto del 2023
E-mail: rauldannyh@gmail.com
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Resumen

El propósito central de este estudio es examinar los aspectos que tienen impacto en el desempeño
académico de los estudiantes inscritos en la Facultad de Ciencias Económicas y Empresariales de la
Universidad Autónoma Gabriel Rene Moreno (UAGRM), ubicada en Santa Cruz, Bolivia. Para este fin,
se emplearon técnicas estadísticas de regresión lineal múltiple, se usó los métodos de Mínimos
Cuadrados Ordinarios (MCO) y Mínimos Cuadrados de Dos Etapas (MC2E). Estas metodologías
permitieron explorar cómo factores como la edad, género, empleo, hijos, tiempo dedicado al estudio
y reprobación académica que están relacionados con el Promedio Ponderado Académico (PPA) de
los estudiantes variable usada como medidor del rendimiento académico de los estudiantes. Se
destaca el MC2E por su capacidad para considerar la posible relación entre variables y errores de
medición en el análisis de "Horas de Estudio". Los resultados arrojaron que las horas de estudio y la
reprobación académica tienen una influencia significativa en el PPA. Esta investigación proporciona
una mejor comprensión de los factores que inciden en el rendimiento académico, lo que a su vez
contribuye a diseñar estrategias de apoyo educativo más eficaces.

3
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Índice

I. Introducción.......................................................................................................................7

II. Marco Teórico....................................................................................................................9

III. Datos y Metodología .......................................................................................................10

IV. Interpretación de los Resultados ....................................................................................12

V. Conclusiones y Recomendaciones ................................................................................14

Bibliografía ..............................................................................................................................15

Cuadros ...................................................................................................................................16

5
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

I. Introducción
El rendimiento académico se constituye en un indicador fundamental al evaluar el nivel de
conocimiento y habilidades adquiridas por los estudiantes ya que determina no solo su éxito
académico sino también su futuro profesional. En un entorno académico cada vez más competitivo,
es necesario entender los factores que inciden en el desempeño estudiantil. Desde influencias
sociales, económicas y otros aspectos que influyen en la construcción de las calificaciones obtenidas
por los alumnos.

La investigación empírica nos muestra la interacción de múltiples elementos que afectan el

rendimiento académico. Barahona (2014) al explorar esta temática, identificó factores críticos como la
habilidad académica del estudiante, el nivel socioeconómico, el género, la identidad étnica, el trabajo
simultáneo a los estudios y el nivel educativo de los padres.

Si bien la conclusión de Barahona (2014) parece ser clara con respecto a los factores que inciden en
el rendimiento académico. Diversos estudios discrepan con ciertos factores, por otro lado, también
algunos autores incluyen ciertas variables como el contexto familiar, el estado civil, entre otros factores
que inciden en el rendimiento académico. Entre los autores notables que han abordado este tema se
encuentran Villena (2014), Artunduaga Murillo (2008), Tonconi Quispe (2010), German Mariciela
(2021) entre otros.

La presente investigación tiene por objetivo principal analizar el rendimiento académico de la Facultad
de Ciencias Económicas y Empresariales de la Universidad Autónoma Gabriel Rene Moreno
(UAGRM). Se diferencia de investigaciones previas. La primera radica en los factores que se tomaran
en cuenta en el análisis del modelo que son: El Promedio Ponderado Académico (PPA) como
indicador del rendimiento académico y las variables independientes que son Edad, Genero, Hijos,
Horas de Estudio por día, Haber reprobado previamente, Empleo y el numero Materias inscritas. La
segunda diferencia está en los datos empleados que corresponden a estudiantes de la Facultad de
Ciencias Económicas y Empresariales de la Universidad Autónoma Gabriel Rene Moreno (UAGRM).

La siguiente sección hace algunas consideraciones teóricas sobre los factores que inciden en el
rendimiento académico de los estudiantes. La sección III explica la metodología y los datos. La sección
IV muestra los resultados e interpretaciones de los mismos y finalmente la sección V presenta
conclusiones y sugerencias.

7
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

II. Marco Teórico

Las investigaciones sobre los factores que influyen en el rendimiento académico de los estudiantes
aún no son completamente claras. Aunque existen coincidencias en algunos factores, también hay
discrepancias sobre las características son los más significativos. La evaluación de estos factores se
ha convertido en un campo de investigación importante. En esta parte del estudio, se realiza un
análisis de los diversos factores que contribuyen al rendimiento académico, tomando en cuenta
investigaciones de múltiples autores.
La investigación de Villena (2014) en Perú y Tonconi Quispe (2010) en la Facultad de Ingeniería
Económica de la UNA-PUNO enfatiza la importancia de los factores sociales y demográficos en el
rendimiento académico. El estatus socioeconómico, la educación de los padres y los antecedentes
culturales parecen ser determinantes importantes del éxito de los estudiantes.
Barahona U. (2014) y Tonconi Quispe (2010) también enfatizan la influencia de las habilidades
académicas y las pruebas estandarizadas en el rendimiento académico. La capacidad de interpretar,
razonar y aprobar pruebas verbales y matemáticas se asocia con un mejor desempeño. Los métodos
de estudio y los hábitos de estudio también son factores que influyen. La capacidad de organizar el
tiempo, asistir a clases y participar en actividades educativas adicionales puede mejorar el
rendimiento, según Barahona y Tonconi.
Otro estudio de Chong Gonzales (2017) en la Universidad Politécnica del Valle de Toluca resalta la
influencia de la preparación de profesores, la motivación personal y las relaciones familiares en el
rendimiento académico de los estudiantes. Además, señala la importancia de implementar programas
que fortalezcan la relación familiar y la comunicación entre padres e hijos, lo cual podría ayudar a
combatir la deserción, un problema grave en el sistema educativo mexicano.
La investigación de German Mariciela (2021) y Tonconi Quispe (2010) destaca cómo la motivación y
la actitud hacia el aprendizaje pueden afectar el desempeño. Es probable que la desconexión y las
actitudes negativas reduzcan el rendimiento de los estudiantes, mientras que las actitudes positivas
pueden mejorar el rendimiento. Los contextos familiares y culturales juegan también un papel
fundamental en los resultados del aprendizaje, como lo demuestran los trabajos de Villena (2014). La
educación de los padres, la participación en becas y las expectativas familiares influyen en el éxito de
los estudiantes.
En resumen, se han llevado a cabo diversos estudios que exploran múltiples factores que producen
los resultados del aprendizaje de los estudiantes. Integrando estas perspectivas, podemos
comprender mejor cómo se interrelacionan la socioeconomía, las habilidades, las actitudes, el
ambiente familiar y las estrategias de aprendizaje para determinar el éxito académico del alumno. Al
analizar desde perspectivas socioculturales, cognitivas y motivacionales, se busca obtener una visión
completa que permita comprender este fenómeno educativo.

9
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

III. Datos y Metodología

Los datos utilizados en este estudio fueron recolectados a través de una encuesta directa a
estudiantes de la Facultad de Ciencias Económicas de la Universidad Autónoma Gabriel René Moreno
(UAGRM), en Santa Cruz, Bolivia. Donde se recolecto datos como: Edad, Sexo, Hijos, Horas de
Estudio por día, Si reprobó alguna Materia, Empleo, Materias Inscritas y el Promedio Ponderado
Académico (PPA) siendo este ultimo la variable que usamos como medidor del rendimiento académico
de los estudiantes. La población objetivo de este estudio incluye a todos los estudiantes matriculados
en la Facultad de Economía de la UAGRM. La población total es de 12.415 estudiantes. Dado que no
era factible recolectar datos de toda la población, se decidió realizar un muestreo aleatorio simple.
Con un nivel de confianza del 95% y un margen de error de estimación del 10%, Previo a la recolección
principal de datos, se realizó una prueba piloto con 15 estudiantes para evaluar el tamaño y la
viabilidad de la encuesta. Y Finalmente se determinó que el tamaño de la muestra debía ser de 196
estudiantes.

Para esta investigación, se implementaron técnicas econométricas de regresión múltiple con datos de
corte transversal. Para llevar adelante nuestro cálculo econométrico hicimos uso de 2 métodos
distintos para ver de esta forma si existe consistencia en los resultados independientemente del
método estadístico. Los métodos serán detallados a continuación, son: mínimo cuadrados ordinarios
en datos de panel (MCO), mínimo cuadrado de dos etapas (MC2). Nuestra metodología se basa en
un modelo general que puede ser explicado de la siguiente forma:

1) ∆ log 𝑦𝑖 = 𝛼𝑖 + 𝛽𝑋𝑖 + 𝜖𝑖

donde Δ log yi representa el logaritmo del Promedio Ponderado Académico (PPA) de los estudiantes
i, αi representa un intercepto para cada estudiante i, β representa un escalar (vector) de coeficiente(s),
Xi representa un vector (matriz) con la(s) variable(s) independiente(s) para los estudiantes i y ε i es el
término de error.

Mínimos Cuadrados Ordinarios (MCO)

Se realizó un análisis de regresión lineal utilizando el método de MCO para evaluar la relación entre
las variables independientes y el rendimiento académico.
Para la primera especificación usamos el método de mínimos cuadrados ordinarios que viene
representado en la ecuación:
2) ∆ log 𝑦𝑖 = 𝛼1 + 𝛽𝑋𝑖 + 𝜖𝑖

este modelo, así como en el próximo no asumimos a priori el signo de los coeficientes, sin embargo,
asumimos que la pendiente, así como el intercepto son homogéneos para todos los estudiantes. Para
validar los resultados obtenidos, se realizaron pruebas de heterocedasticidad de Breusch-Pagan-
Godfrey y pruebas de autocorrelación de Durbin-Watson1. Posteriormente se hizo correcciones para
obtener los errores estándar en base al método "Newey-West"

1
El software usado para hacer dichas pruebas fueron Eviews 12
10
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Mínimos Cuadrados de Dos Etapas (MC2E)

Dada la posible existencia de errores de medición en la variable "Horas de Estudio", se empleó el

método de MC2E. Este enfoque involucra dos etapas de estimación, utilizando variables
instrumentales para abordar la posible endogeneidad y errores de medición en Horas de Estudio. Para
llevar adelante esto corremos el siguiente modelo.

3) ∆ log 𝑦𝑖 = 𝛼1 + 𝛽𝑋̂𝑖 + 𝜖𝑖

Siendo 𝑋̂ la matriz que tiene los datos obtenidos de los estudiantes i y también la estimación de las
“horas de estudio por día” con la Variable Instrumental “Numero de Materias Inscritas” para los
estudiantes i.

Distintas variables independientes

Anteriormente se describió la variable dependiente como variable independiente solo describimos el

vector (matriz) X, aunque no hicimos ninguna consideración sobre las variables específicas que lo
componen. A continuación, haremos una descripción detallada del significado de X y 𝑋̂

El primer modelo MCO está expresado en la ecuación (4) al igual que en el siguiente modelo la
variable dependiente es la misma que detallamos con anterioridad al igual que el significado del
subíndice i
4) ∆ log 𝑃𝑃𝐴𝑖 = 𝛼1 + 𝛽2 𝐸𝑑𝑎𝑑𝑖 + 𝛽3 𝐸𝑚𝑝𝑙𝑒𝑜𝑖 + 𝛽4 𝑆𝑒𝑥𝑜 + 𝛽5 𝐻𝑖𝑗𝑜𝑠𝑖 + 𝛽6 𝐻𝑟𝐸𝑠𝑡𝑢𝑑𝑖𝑜𝑖 +
𝛽7 𝑅𝑒𝑝𝑟𝑜𝑏𝑎𝑐𝑖ó𝑛𝑖 + 𝜖𝑖

Donde:

Promedio Ponderado Académico (PPA): Calificación promedio ponderada de las materias cursadas.
Edad: Edad del estudiante en años
Empleo: Variable dicotómica que indica si el estudiante trabaja (0: no, 1: sí)
Sexo: Sexo del estudiante (0: femenino, 1: masculino)
Hijos: Variable dicotómica que indica si el estudiante tiene hijos (0: no, 1: sí)
Hr Estudio: Número de horas dedicadas al estudio por día
Reprobación: Variable dicotómica que indica si el estudiante ha reprobado materias (0: no, 1: sí)

Para el siguiente modelo de MC2E se usa un modelo similar expresado en la siguiente ecuación:

̂ 𝑖 +
5) ∆ log 𝑃𝑃𝐴𝑖 = 𝛼1 + 𝛽2 𝐸𝑑𝑎𝑑𝑖 + 𝛽3 𝐸𝑚𝑝𝑙𝑒𝑜𝑖 + 𝛽4 𝑆𝑒𝑥𝑜 + 𝛽5 𝐻𝑖𝑗𝑜𝑠𝑖 + 𝛽6 𝐻𝑟𝐸𝑠𝑡𝑢𝑑𝑖𝑜
𝛽7 𝑅𝑒𝑝𝑟𝑜𝑏𝑎𝑐𝑖ó𝑛𝑖 + 𝜖𝑖

̂
Donde 𝐻𝑟𝐸𝑠𝑡𝑢𝑑𝑖𝑜 es la variable estimada de Hr Estudio tal como se muestras en la siguiente
ecuación:

̂ 𝑖 = 𝛼1 + 𝛽1 𝑀𝑎𝑡𝑒𝑟𝑖𝑎𝑠𝐼𝑛𝑠𝑐𝑟𝑖𝑡𝑎𝑠𝑖 + 𝜖𝑖
6) 𝐻𝑟𝐸𝑠𝑡𝑢𝑑𝑖𝑜

Siendo el Numero de Materias Inscritas usada como la variable instrumental.

11
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

IV. Interpretación de los Resultados

Modelo De Mínimo Cuadrado Ordinario (MCO)

Interpretación de los Coeficientes

En el Cuadro 1 se presentan los coeficientes estimados para las variables independientes del modelo

Edad (β2): Por cada año adicional de edad se asocia con una disminución del 0.23% en el PPA
Empleo (β3): En promedio si un estudiante trabaja, se espera una disminución del 1.87% en el PPA
comparado con los que no trabajan.
Sexo (β4): Los hombres en promedio tienen 4.60% menos de PPA que las mujeres
Hijos (β5): Tener hijos en promedio se relaciona con un aumento del 5.98% más en el PPA comparado
con los que no tienen hijos.
Horas de estudio (β6): Por cada hora adicional de estudio, se espera un aumento del 0.78% en el
PPA.
Reprobación (β7): En promedio si se ha reprobado una materia está indica una disminución del
16.57% en el PPA comparado con los que no han reprobado.

Significancia Estadística

Los coeficientes β2, β3, β5 y β6 en el modelo MCO no son estadísticamente significativos (valor de
"t" < 2).
El coeficiente β4 es significativo al 10%.
El coeficiente β7 es altamente significativo con una significancia del 1%.

Valor del Estadístico F

El valor del estadístico F en el modelo MCO es 8.743633, lo que sugiere que en conjunto, los
coeficientes son estadísticamente significativos y el modelo tiene capacidad para predecir el PPA.

Coeficiente de Determinación (R2):

En el modelo MCO, el valor de R 2 es 0.217267, lo que indica que alrededor del 21.17% de la
variabilidad en el PPA puede ser explicada por las variables independientes. Sin embargo, R2 ajustado
(0.192419) es ligeramente menor que R 2, lo que sugiere que la inclusión de variables adicionales no
mejora significativamente la explicación de la variabilidad del PPA.

Modelo De Mínimo Cuadrado de Dos Etapas (MC2E)

Interpretación de los Coeficientes

En el Cuadro 3 se presentan los coeficientes estimados para las variables independientes del modelo

Edad (β2): Por cada año adicional de edad se asocia con una disminución del 0.14% en el PPA
Empleo (β3): En promedio si un estudiante trabaja, se espera una disminución del 2.38% en el PPA
comparado con los que no trabajan.
Sexo (β4): Los hombres en promedio tienen 3.27% menos de PPA que las mujeres
12
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Hijos (β5): Tener hijos en promedio se relaciona con un aumento del 9.46% más en el PPA comparado
con los que no tienen hijos.
Horas de estudio (β6): Por cada hora adicional de estudio, se espera un aumento del 27.72% en el
PPA.
Reprobación (β7): En promedio si se ha reprobado una materia está indica una disminución del
15.21% en el PPA comparado con los que no han reprobado.

Significancia Estadística (Modelo MC2E):

Los coeficientes β2, β3, β4 y β5 en el modelo MC2E no son estadísticamente significativos (valor de
"t" < 2).
El coeficiente β6 (horas de estudio) en el modelo MC2E es altamente significativo, con un impacto
importante en el PPA.
El coeficiente β7 (reprobación) en el modelo MC2E también es altamente significativo.

Valor del Estadístico F (Modelo MC2E):

El valor del estadístico F en el modelo MC2E es 10.60124, reafirmando que, en conjunto, los
coeficientes son estadísticamente significativos y el modelo MC2E tiene capacidad para predecir el
PPA.

Coeficiente de Determinación (R2) en el Modelo MC2E:

En el modelo MC2E, el valor de R2 es 0.25180, lo que indica que alrededor del 25.18% de la
variabilidad en el PPA puede ser explicada por las variables independientes. Además, el valor de R2
ajustado (0.22805) sugiere que la inclusión de variables adicionales no mejora significativamente la
explicación de la variabilidad del PPA.

13
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

V. Conclusiones y Recomendaciones
En base a los resultados obtenidos a partir de los modelos de regresión lineal de Mínimos
Cuadrados Ordinarios (MCO) y Mínimo Cuadrado de Dos Etapas (MC2E), Se concluye una cierta
relación entre las variables independientes y el rendimiento académico de los estudiantes de la
Facultad de Ciencias Económicas de la Universidad Autónoma Gabriel René Moreno en Santa Cruz,
Bolivia.

En el modelo MCO, se encontró que variables como la edad, el empleo, el género, la presencia de
hijos, las horas de estudio y la reprobación influyen en el rendimiento académico de los estudiantes.
Sin embargo, es importante señalar que la mayoría de los coeficientes no son estadísticamente
significativos, solo el sexo y el haber reprobado resultaron estadísticamente significativos.

En el modelo MC2E, que abordó posibles endogeneidades y errores de medición en la variable

"Horas de Estudio", se encontraron resultados consistentes con el modelo MCO. Las variables edad,
empleo, género, hijos, mostraron ser estadísticamente no significativas, sin embargo horas de
estudio y el haber reprobado resulto estadísticamente significativos.

En el Modelo MCO, el R² ajustado es 0.192419. Esto indica que aproximadamente el 19.24% de la

variabilidad en el PPA puede ser explicada por las variables independientes incluidas en el modelo.
Por otro lado, el Modelo MC2E muestra un R² ajustado de 0.22805. Esta cifra es mayor en
comparación con el modelo MCO, indicando que la inclusión de una variable instrumental y una
aproximación de dos etapas para abordar la posible endogeneidad y errores de medición en la
variable "Horas de Estudio" ha mejorado la capacidad del modelo para explicar la variabilidad en el
PPA.

Nuestra recomendación para para futuras investigaciones. Primero es importante tener una mayor
exploración de otros posibles factores no considerados en este estudio que podrían influir en el
rendimiento académico. También se recomienda hace un mayor análisis en la elección de las
variables instrumentales dentro del modelo MC2E. Esta táctica demostró su efectividad al tratar
cuestiones complejas como la endogeneidad y los errores de medición en la variable "Horas de
Estudio". Asimismo, someter los resultados a pruebas de robustez y análisis de validación cruzada
puede verificar la solidez y relevancia de los hallazgos bajo diversas circunstancias.

Además, se puede considerar ampliar el uso de herramientas en futuras investigaciones como otras
técnicas econométricas alternativas, modelos de efectos fijos o de series temporales. Esto podría
brindarnos una perspectiva más holística de las interacciones entre las variables y el rendimiento
académico.

Al aplicar estas recomendaciones, podemos garantizar un enfoque más sólido y riguroso para futuras
investigaciones. A su vez, esto mejorará la calidad y aplicabilidad de los resultados obtenidos,
permitiéndonos comprender mejor los factores que influyen en los resultados del aprendizaje.
Además, sería útil ampliar nuestro alcance para considerar otros posibles factores que pueden no
haber sido cubiertos en este estudio. Explorar estas áreas inexploradas puede agregar un nivel de
experiencia y facilitar la implementación de estrategias más poderosas y personalizadas en el campo
académico.

14
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Bibliografía
Artunduaga Murillo, M. (Julio De 2008). Variables Que Influyen En El Rendimiento Académico En La
Universidad. España.
Barahona U., P. (2014). Factores Determinantes Del Rendimiento Academico De Estudiantes De La
Universidad De Atacama. Copiapó, Chile.
Chong Gonzales, E. G. (2017). Factores Que Inciden En El Rendimiento Académico De Los
Estudiantes De La Universidad Politécnica Del Valle De Toluca. Revista Latinoamericana De
Estudios Educativos, Xlvii, 18.
German Mariciela, B. N. (2021). Factores Asociados Al Rendimiento Académico: Un Estudio De
Caso. Revista Educare, 15.
Tonconi Quispe, J. (Enero De 2010). Factores Que Influyen En El Rendimiento Académico Y La
Deserción De Los Estudiantes De La Facultad De Ingeniería Económica De La Una-Puno,
Periodo 2009. Cuadernos De Educacion Y Desarrollo.
Villena, M. (2014). Factores Determinanates Del Rendimiento Academico De Los Estudiantes
Universitarios Entre Los Años 2009 Y 2013. Trujillo Perú.

15
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Cuadros2

Cuadro 1 Mínimo Cuadrado Ordinarios para Datos de Corte Transversal

Desviación
Variables Coeficientes Valor t Valor P
estándar
Intercepto 4,33414 *** 0,12491 34,69927 0,00000
Edad -0,00236 0,00606 -0,03902 0,69680
Empleo -0,01877 0,02620 -0,71659 0,47450
Sexo -0,04610 * 0,02365 -1,94914 0,05280
Hijos 0,05986 0,06281 0,95307 0,34180
HrEstudio 0,00786 0,00658 1,19503 0,23360
Reprobación -0,16577 *** 0,02673 -6,20075 0,00000

R2 0,21727
R2 ajustado 0,19242
F-estadístico 8,74363 0,00000
Nota: La variable dependiente representa el Promedio Ponderado Académico (PPA) variable usada para medir el rendimiento
académico de los estudiantes. Las variables independientes representan los factores que inciden en el PPA.

Cuadro 2 Estimación de las Horas de Estudio con Variable Instrumental

Desviación
Variables Coeficientes Valor t Valor P
estándar
Intercepto 2,73381 *** 0,59255 4,61364 0,00000
Materias inscritas 0,11529 0,10768 1,07069 0,28560

R2 0,00587
R2 ajustado 0,00075
F-estadístico 1,14637 0,28564
Nota: La variable dependiente representa las horas de estudio por día que depende de las materias inscritas.

2
Tres estrellas significan que los coeficientes son estadísticamente significativos y diferentes de cero al 1%. Dos estrellas significan que son significativamente
diferentes de cero al 5%. Una estrella significa que son significativamente diferente de cero al 10%.

16
 FACTORES DEL RENDIMIENTO ACADEMICO EN LA FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES DE LA UAGRM

Cuadro 3 Mínimo Cuadrado de Dos Etapas para Datos de Corte Transversal

Desviacion
Variables Coeficientes Valor t Valor P
estandar
Intercepto 3,39547 *** 0,44443 7,64006 0,00000
Edad -0,00143 0,00739 -0,19376 0,84660
Empleo -0,02382 0,02803 -0,84950 0,39670
Sexo -0,03276 0,02763 -1,18577 0,23720
Hijos 0,09460 0,05759 1,64273 0,10210
̂
𝑯𝒓𝑬𝒔𝒕𝒖𝒅𝒊𝒐 0,27729 *** 0,09968 2,78185 0,00600
Reprobación -0,15219 *** 0,02362 -6,44329 0,00000

R2 0,25180
R2 ajustado 0,22805
F-estadístico 10,60124 0,00000
Nota: La variable dependiente representa el Promedio Ponderado Académico (PPA) variable usada para medir el rendimiento académico
de los estudiantes. Las variables independientes representan los factores que inciden en el PPA. En variables independientes se
reemplaza la Horas de Estudio por las Horas de Estudio aproximada, para arreglar los errores de medición.

17