Column
Información General
En primer lugar, se considera a una persona como analfabeta cuando tiene 15 y más años de edad y no sabe leer ni escribir. Las preguntas para captar a la población analfabeta y alfabeta en la Encuesta Nacional de Hogares tienen el siguiente procedimiento:
- Se pregunta el nivel de educación logrado de las personas
entrevistadas.
- A las personas con primaria incompleta o menor nivel educativo, se
les consulta si tienen la habilidad de leer y escribir.
- A las personas que respondieron afirmativamente, se les pide leer una cartilla para corroborar si efectivamente saben leer.
Column
Hipótesis 1
El dato más mencionado en los trabajos académicos ha sido que los espacios rurales son los que mayor presentan niveles de analfabetismo, es por ello que considerarlo una variable que afecta a la dependiente es fundamental. Esto es posible a que las zonas rurales cuentan con menos accesos a servicios educativos, subiendo el porcentaje de personas analfabetas. Según los resultados se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de zonas rurales y el porcentaje de analfabetismo.Sin embargo, se encuentra que otras variables podrían ayudar al modelo
1.1. Resultado del modelo
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje`)
Residuals:
Min 1Q Median 3Q Max
-13.4631 -3.3179 -0.4789 3.2180 18.6183
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.4432 0.7798 6.981 4.78e-11 ***
mi_tabla$`Rural porcentaje` 13.1021 1.2535 10.453 < 2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 5.141 on 190 degrees of freedom
Multiple R-squared: 0.3651, Adjusted R-squared: 0.3618
F-statistic: 109.3 on 1 and 190 DF, p-value: < 2.2e-16| Resultado | |
|---|---|
| (Intercept) | 5.443*** |
| (0.780) | |
| mi_tabla$Rural porcentaje | 13.102*** |
| (1.253) | |
| Num.Obs. | 192 |
| R2 | 0.365 |
| R2 Adj. | 0.362 |
| AIC | 1177.6 |
| BIC | 1187.3 |
| Log.Lik. | -585.780 |
| RMSE | 5.11 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
1.1. Gráfico del modelo
Hipótesis 2
El wifi ha sido una herramienta importante para la educación, especialmente durante el COVID 19 lo cual nos parece relevante analizar. Según los resultados se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de zonas sin wifi y el porcentaje de analfabetismo.Sin embargo, se encuentra que otras variables podrían ayudar al modelo
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`SIN WIFI`)
Residuals:
Min 1Q Median 3Q Max
-11.078 -3.955 -1.056 3.870 18.868
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 15.8769 0.5175 30.681 <2e-16 ***
mi_tabla$`SIN WIFI` -36.1054 3.8316 -9.423 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 5.326 on 190 degrees of freedom
Multiple R-squared: 0.3185, Adjusted R-squared: 0.3149
F-statistic: 88.8 on 1 and 190 DF, p-value: < 2.2e-16| Resultado | |
|---|---|
| (Intercept) | 15.877*** |
| (0.517) | |
| mi_tabla$SIN WIFI | -36.105*** |
| (3.832) | |
| Num.Obs. | 192 |
| R2 | 0.318 |
| R2 Adj. | 0.315 |
| AIC | 1191.2 |
| BIC | 1200.9 |
| Log.Lik. | -592.579 |
| RMSE | 5.30 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
 |
Hipótesis 3
Las diferentes lenguas del Perú causan que ciertas personas no puedan acceder a la educación debido a que no hay colegios o personal especializado a su idioma, lo que puede llevar amayores tazas de analfabetismo. Según los resultados se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de provincias con lenguas diferentes y el porcentaje de analfabetismo.Sin embargo, se encuentra que otras variables podrían ayudar al modelo
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$PORCENTAJELENGUA)
Residuals:
Min 1Q Median 3Q Max
-8.8941 -3.3999 -0.6755 2.8627 16.4828
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.32642 0.50707 16.42 <2e-16 ***
mi_tabla$PORCENTAJELENGUA 0.13599 0.01153 11.80 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 4.902 on 190 degrees of freedom
Multiple R-squared: 0.4228, Adjusted R-squared: 0.4197
F-statistic: 139.2 on 1 and 190 DF, p-value: < 2.2e-16| Resultado | |
|---|---|
| (Intercept) | 8.326*** |
| (0.507) | |
| mi_tabla$PORCENTAJELENGUA | 0.136*** |
| (0.012) | |
| Num.Obs. | 192 |
| R2 | 0.423 |
| R2 Adj. | 0.420 |
| AIC | 1159.3 |
| BIC | 1169.0 |
| Log.Lik. | -576.636 |
| RMSE | 4.88 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
 |
Hipótesis 4
Las necesidades basicas insatisfechas pueden causar que las personas se les dificulte acceder o aprovechar de manera correcta la educación debido a otras necesidades que no se esten cumpliendo. Según los resultados se han encontrado que el coeficiente no es significativo, lo que indica no asociación entre el porcentaje de zonas rurales y el porcentaje de analfabetismo. Esto implica que los NBIs no son una variable independiente relevante para la analfabetizacion
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$PORCENTAJENBI)
Residuals:
Min 1Q Median 3Q Max
-10.6267 -5.2058 -0.8158 4.9398 21.3293
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 10.26860 2.10307 4.883 2.21e-06 ***
mi_tabla$PORCENTAJENBI 0.08139 0.07124 1.142 0.255
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 6.43 on 190 degrees of freedom
Multiple R-squared: 0.006823, Adjusted R-squared: 0.001595
F-statistic: 1.305 on 1 and 190 DF, p-value: 0.2547| Resultado | |
|---|---|
| (Intercept) | 10.269*** |
| (2.103) | |
| mi_tabla$PORCENTAJENBI | 0.081 |
| (0.071) | |
| Num.Obs. | 192 |
| R2 | 0.007 |
| R2 Adj. | 0.002 |
| AIC | 1263.5 |
| BIC | 1273.2 |
| Log.Lik. | -628.734 |
| RMSE | 6.40 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
 |
Hipótesis 5
Las mujeres usualmente no encuentran un espacio en la educación a veces dependiendo de su situacion sea familiar, economica, entre otras.Se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de zonas rurales y el porcentaje de analfabetismo.Sin embargo, se encuentra que otras variables podrían ayudar al modelo
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Porcentaje Mujer`)
Residuals:
Min 1Q Median 3Q Max
-13.2878 -4.4269 -0.2083 3.6347 18.3851
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 73.49 11.23 6.546 5.37e-10 ***
mi_tabla$`Porcentaje Mujer` -121.35 22.36 -5.427 1.74e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 6.003 on 190 degrees of freedom
Multiple R-squared: 0.1342, Adjusted R-squared: 0.1296
F-statistic: 29.45 on 1 and 190 DF, p-value: 1.737e-07| Resultado | |
|---|---|
| (Intercept) | 73.486*** |
| (11.226) | |
| mi_tabla$Porcentaje Mujer | -121.354*** |
| (22.363) | |
| Num.Obs. | 192 |
| R2 | 0.134 |
| R2 Adj. | 0.130 |
| AIC | 1237.1 |
| BIC | 1246.9 |
| Log.Lik. | -615.559 |
| RMSE | 5.97 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
 |
Hipótesis 6
Se ha visto modelos anidados donde las zonas rurales usualmente comparten relacion con las zonas que no tienen acceso a Internet.Se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de zonas rurales, zonas sin acceso a internet y el porcentaje de analfabetismo.
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje` +
mi_tabla$`SIN WIFI`)
Residuals:
Min 1Q Median 3Q Max
-12.9501 -3.0554 -0.5483 3.0375 18.4920
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.449 1.854 4.557 9.30e-06 ***
mi_tabla$`Rural porcentaje` 9.622 2.314 4.158 4.86e-05 ***
mi_tabla$`SIN WIFI` -12.185 6.827 -1.785 0.0759 .
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 5.112 on 189 degrees of freedom
Multiple R-squared: 0.3756, Adjusted R-squared: 0.369
F-statistic: 56.85 on 2 and 189 DF, p-value: < 2.2e-16| Resultado | |
|---|---|
| (Intercept) | 8.449*** |
| (1.854) | |
| mi_tabla\(Rural porcentaje </td> <td style="text-align:center;"> 9.622*** </td> </tr> <tr> <td style="text-align:left;"> </td> <td style="text-align:center;"> (2.314) </td> </tr> <tr> <td style="text-align:left;"> mi_tabla\)SIN WIFI | -12.185+ |
| (6.827) | |
| Num.Obs. | 192 |
| R2 | 0.376 |
| R2 Adj. | 0.369 |
| AIC | 1176.4 |
| BIC | 1189.4 |
| Log.Lik. | -584.176 |
| RMSE | 5.07 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Hipótesis 7
Se ha visto modelos anidados donde las zonas rurales usualmente comparten relacion con las zonas que no tienen acceso a Internet.Aparte, se ha decidido incluir el valor de lengua para ver si este influia en un mejor modelo. Se han encontrado que el coeficiente es altamente significativo (p<0.001), lo que indica una fuerte asociación positiva entre el porcentaje de zonas rurales, zonas sin acceso a internet y el porcentaje de analfabetismo.
Call:
lm(formula = mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje` +
mi_tabla$`SIN WIFI` + mi_tabla$PORCENTAJELENGUA)
Residuals:
Min 1Q Median 3Q Max
-9.0257 -2.8453 -0.4133 2.6701 14.5937
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.20657 1.58370 4.550 9.59e-06 ***
mi_tabla$`Rural porcentaje` 5.79725 2.01839 2.872 0.00454 **
mi_tabla$`SIN WIFI` -9.51366 5.81561 -1.636 0.10354
mi_tabla$PORCENTAJELENGUA 0.09817 0.01147 8.558 4.02e-15 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 4.348 on 188 degrees of freedom
Multiple R-squared: 0.5507, Adjusted R-squared: 0.5435
F-statistic: 76.8 on 3 and 188 DF, p-value: < 2.2e-16| Resultado | |
|---|---|
| (Intercept) | 8.449*** |
| (1.854) | |
| mi_tabla\(Rural porcentaje </td> <td style="text-align:center;"> 9.622*** </td> </tr> <tr> <td style="text-align:left;"> </td> <td style="text-align:center;"> (2.314) </td> </tr> <tr> <td style="text-align:left;"> mi_tabla\)SIN WIFI | -12.185+ |
| (6.827) | |
| Num.Obs. | 192 |
| R2 | 0.376 |
| R2 Adj. | 0.369 |
| AIC | 1176.4 |
| BIC | 1189.4 |
| Log.Lik. | -584.176 |
| RMSE | 5.07 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Annova
De los modelos podemos encontrar que el mejor modelo es el 7 debido a que es el más significativo mostrandonos un modelo anidado completo
Analysis of Variance Table
Model 1: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje`
Model 2: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`SIN WIFI`
Model 3: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$PORCENTAJELENGUA
Model 4: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$PORCENTAJENBI
Model 5: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Porcentaje Mujer`
Model 6: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje` +
mi_tabla$`SIN WIFI`
Model 7: mi_tabla$PORCENTAJEANALFABETISMO ~ mi_tabla$`Rural porcentaje` +
mi_tabla$`SIN WIFI` + mi_tabla$PORCENTAJELENGUA
Res.Df RSS Df Sum of Sq F Pr(>F)
1 190 5021.6
2 190 5390.1 0 -368.5
3 190 4565.3 0 824.8
4 190 7855.2 0 -3289.9
5 190 6847.8 0 1007.3
6 189 4938.3 1 1909.5 101.01 < 2.2e-16 ***
7 188 3553.8 1 1384.5 73.24 4.017e-15 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#ANALISIS FACTORIAL
Se ha encontrado dos factores relevantes: Las variables Rural porcentaje, SIN WIFI, y PORCENTAJENBI están fuertemente correlacionadas con PORCENTAJEANALFABETISMO, lo que las convierte en predictores clave para estudiar el fenómeno del analfabetismo. Las correlaciones negativas con CON WIFI destacan la importancia del acceso a la tecnología como un factor determinante para mejorar la alfabetización.
PORCENTAJEANALFABETISMO POBLACIONTOTAL PORCENTAJELENGUA
PORCENTAJEANALFABETISMO 1.00 -0.20 0.65
POBLACIONTOTAL -0.20 1.00 -0.12
PORCENTAJELENGUA 0.65 -0.12 1.00
PORCENTAJENBI 0.08 -0.29 0.04
Porcentaje Mujer -0.37 -0.12 -0.19
Porcentaje Hombre 0.37 0.12 0.19
Rural porcentaje 0.60 -0.27 0.45
Urbano porcentaje -0.60 0.27 -0.45
SIN WIFI -0.56 0.46 -0.41
CON WIFI 0.56 -0.46 0.41
PORCENTAJENBI Porcentaje Mujer Porcentaje Hombre
PORCENTAJEANALFABETISMO 0.08 -0.37 0.37
POBLACIONTOTAL -0.29 -0.12 0.12
PORCENTAJELENGUA 0.04 -0.19 0.19
PORCENTAJENBI 1.00 0.41 -0.41
Porcentaje Mujer 0.41 1.00 -1.00
Porcentaje Hombre -0.41 -1.00 1.00
Rural porcentaje 0.33 0.07 -0.07
Urbano porcentaje -0.33 -0.07 0.07
SIN WIFI -0.50 -0.16 0.16
CON WIFI 0.50 0.16 -0.16
Rural porcentaje Urbano porcentaje SIN WIFI CON WIFI
PORCENTAJEANALFABETISMO 0.60 -0.60 -0.56 0.56
POBLACIONTOTAL -0.27 0.27 0.46 -0.46
PORCENTAJELENGUA 0.45 -0.45 -0.41 0.41
PORCENTAJENBI 0.33 -0.33 -0.50 0.50
Porcentaje Mujer 0.07 -0.07 -0.16 0.16
Porcentaje Hombre -0.07 0.07 0.16 -0.16
Rural porcentaje 1.00 -1.00 -0.84 0.84
Urbano porcentaje -1.00 1.00 0.84 -0.84
SIN WIFI -0.84 0.84 1.00 -1.00
CON WIFI 0.84 -0.84 -1.00 1.00