Академический Документы
Профессиональный Документы
Культура Документы
net/publication/275329482
CITATIONS READS
0 35
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Learning, academic performance and cognitive and volitional variables in higher education View project
All content following this page was uploaded by Miguel Ángel Broc Cavero on 22 April 2015.
3
Imprime: Servicio de Publicaciones
Universidad de Zaragoza
5
6
ÍNDICE
6. Conclusiones...........................................................................................................29
7.1. Introducción..................................................................................................30
7.2 Variables e instrumentos ..............................................................................31
7.3 Etapas educativas, sujetos y materiales utilizados en el Proyecto................32
7.4. Procedimiento...............................................................................................33
7.5. Análisis de resultados y discusión de esta investigación..............................33
7
7.5.1.7. Conclusiones sobre la utilización de modelos de regresión
logística binaria en la predicción de éxito/fracaso escolar en
la ESO, el Bachillerato Logse, y las dos etapas consideradas
como un único grupo ......................................................................52
***
8
TABLA 11. Variables de entrada en la ecuación de predicción del rendimiento
final en alumnos de ESO y Bato, en la 1ª evaluación.................................................48
TABLA 12. Tabla de clasificación en la situación éxito/fracaso en alumnos de
ESO y Bachillerato, en la 2ª evaluación .....................................................................50
TABLA 13. Variables de entrada en la ecuación de predicción del rendimiento
Final en la ESO y Bachillerato, en la 2ª evaluación ...................................................51
TABLA 14. Porcentajes comparativos de clasificaciones correctas (regresión
logística binaria), en momentos temporales distintos (1ª y 2ª evaluación), y en
la situación de éxito/fracaso académico en la ESO, en el Bato, y en un único
grupo. .........................................................................................................................53
TABLA 15. Variables de entrada en la ecuación de predicción (análisis
discriminante) de variables independientes sobre rendimiento final en la
ESO y en la 1ª evaluación...........................................................................................55
TABLA 16. Autovalores de la Función Discriminante Canónica en la ESO y
en la 1ª evaluación ......................................................................................................56
TABLA 17. Lambda de Wilks. Función Discriminante Canónica. ..........................56
TABLA 18. Coeficientes estandarizados de la Función Discriminante Canónica ....56
TABLA 19. Matriz de estructura de las funciones discriminantes
(ESO-1ª evaluación ...................................................................................................57
TABLA 20. Coeficientes de la Función Discriminante Canónica (ESO-1ª eval.)....58
TABLA 21. Funciones de los centroides de grupo. Medias de los grupos
Para cada función discriminante.................................................................................58
TABLA 22. Coeficientes de la Función de Clasificación (ESO-1ª eval.) ................ 58
TABLA 23. Matriz de confusión o Tabla y resultados de la Clasificación del
Rendimiento académico alto, medio y bajo en alumnos de ESO en la 1ª eval. .........60
TABLA 24. Variables de entrada en la ecuación de predicción del rendimiento
final en la ESO en la 2ª evaluación (Análisis Discriminante) .................................... 61
TABLA 25. Matriz de confusión o Tabla de resultados de Clasificación del
Rendimiento final de la ESO en la 2ª evaluación del curso ....................................... 61
TABLA 26. Variables de entrada en la ecuación de predicción del análisis
discriminante en alumnos de Bachillerato Logse en la 1ª evaluación........................63
TABLA 27. Coeficientes no estandarizados de la Función Discriminante
Canónica .....................................................................................................................63
TABLA 28. Matriz de confusión o Tabla de Clasificación de resultados ................63
TABLA 29. Variables de entrada en la ecuación de predicción del rendimiento
final en el Bachillerato en la 2ª evaluación.................................................................64
TABLA 30. Coeficientes de la Función Discriminante Canónica............................65
TABLA 31. Matriz de confusión o Tabla de clasificación de los alumnos de
Bachillerato en la 2ª evaluación del curso ..................................................................66
TABLA 32. Variables de entrada en la ecuación de predicción del rendimiento
Final en la ESO y Bato, considerados como un único grupo en la 1ª evaluación ......67
TABLA 33. Coeficientes no estandarizados de la Función Discriminante
Canónica en la 1ª evaluación de la ESO y Bato considerados como un solo grupo ..67
TABLA 34. Matriz de confusión del análisis discriminante en la ESO y Bato
conjuntos en la 1ª evaluación......................................................................................68
TABLA 35. Variables de entrada en la ecuación de predicción del rendimiento
final en la ESO y Bato considerados un grupo en la 2ªevaluación.............................69
TABLA 36. Coeficientes de la Función Discriminante Canónica............................69
TABLA 37. Matriz de confusión/Tabla de Clasificación de resultados de la
ESO/Bato en la 2ª evaluación.....................................................................................70
9
TABLA 38. Porcentajes comparativos de clasificaciones correctas (análisis
Discriminante), en momentos temporales distintos (1ª y 2ª evaluación) y en la
Situación de éxito fracaso/académico en la ESO, en el BATO y conjuntamente ......71
TABLA 39. Tabla de contingencia de curso por dicotómica éxito/fracaso en el
IES “El Portillo”. Curso 2002-2003. (N=521). ........................................................ 72
***
CUADRO 1. Histograma de probabilidades estimadas (ESO-1ª evaluación)..........38
CUADRO 2. Mapa territorial de predicción de ubicación en la situación de
Éxito o fracaso en alumnos de la ESO, en la segunda evaluación. ............................ 41
CUADRO 3. Mapa territorial de probabilidad de pertenencia a los grupos de
Éxito o fracaso en la primera evaluación. Bato Logse. ............................................44
CUADRO 4. Mapa territorial de probabilidad de pertenencia a los grupos de
Éxito o fracaso en la segunda evaluación. Bato Logse..............................................46
CUADRO 5. Mapa territorial de probabilidad de pertenencia a los grupos de
éxito y fracaso en la 1ª evaluación. ESO y Bato Logse.............................................49
CUADRO 6. Mapa territorial de probabilidad de pertenencia a los grupos de
éxito y fracaso en la 2ª evaluación. ESO y Bato Logse.............................................52
CUADRO 7. Representación de las tres funciones discriminantes canónicas
en los tres tipos de rendimiento académico (alto, medio y bajo), en la 1ª
evaluación de la ESO..................................................................................................59
CUADRO 8. Representación de las tres funciones discriminantes canónicas
en los tres tipos de rendimiento académico (alto, medio y bajo) en la 2ª evaluación
de la ESO ....................................................................................................................62
CUADRO 9. Representación de las tres funciones discriminantes canónicas
en los tres tipos de rendimiento académico (alto, medio y bajo) en la 2ª evaluación
del Bachillerato ..........................................................................................................65
CUADRO 10. Representación de las tres funciones discriminantes canónicas
en los tres tipos de rendimiento académico (alto, medio y bajo) en la 1ª evaluación
de la ESO y Bato considerados como un único grupo ...............................................68
CUADRO 11. Representación de las tres funciones discriminantes canónicas
en los tres tipos de rendimiento académico (alto, medio y bajo) en la 2ª evaluación
de la ESO y Bato considerados conjuntamente ..........................................................70
***
ANEXO 1. Escala de motivación intrínseca, internalizada y extrínseca hacia
el aprendizaje en el aula, hoja de respuestas y clave de corrección ...........................81
ANEXO 2. Análisis adicionales de la de regresión logística binaria en la 1ª
evaluación de la ESO..................................................................................................87
ANEXO 3. Análisis adicionales de la de regresión logística binaria en la 2ª
evaluación de la ESO..................................................................................................97
ANEXO 4. Análisis adicionales de la de regresión logística binaria en la 1ª
evaluación del Bachillerato ......................................................................................113
ANEXO 5. Análisis adicionales de la de regresión logística binaria en la 2ª
evaluación del Bachillerato ......................................................................................125
10
ANEXO 6. Análisis adicionales de la de regresión logística binaria en la 1ª
evaluación de la ESO y Bachillerato ........................................................................137
ANEXO 7. Análisis adicionales de la de regresión logística binaria en la 2ª
evaluación de la ESO y Bachillerato ........................................................................147
ANEXO 8. Análisis adicionales del análisis discriminante en la 1ª evaluación
de la ESO ..................................................................................................................159
ANEXO 9. Análisis adicionales del análisis discriminante en la 2ª evaluación
de la ESO ..................................................................................................................171
ANEXO10. Análisis adicionales del análisis discriminante en la 1ª evaluación
del Bachillerato........................................................................................................183
ANEXO 11. Análisis adicionales del análisis discriminante en la 2ª evaluación
del Bachillerato.........................................................................................................191
ANEXO 12. Análisis adicionales del análisis discriminante en la 1ª evaluación
de la ESO y Bachillerato conjuntos..........................................................................201
ANEXO 13. Análisis adicionales del análisis discriminante en la 2ª evaluación
de la ESO y Bachillerato conjuntos..........................................................................213
11
12
PARTE PRIMERA
13
14
1. DISEÑO DEL PROYECTO DE INVESTIGACIÓN.
15
Llegados a este punto es factible preguntarse, ¿es posible actualmente la predicción
del rendimiento académico?, ¿en qué niveles educativos y partir de qué tipo de
variables?, ¿con suficiente antelación como para plantearse programas de prevención y
actualización urgente de necesidades, que impliquen asignaciones imperiosas de
recursos humanos especializados que puedan neutralizar ese casi imparable fracaso
académico en los Centros Educativos?, o simplemente, ¿resignación y cuestionamiento
profundamente personal a nivel de práctica educativa o en la implementación, con
efectos dudosos, de programas de orientación o intervención psicopedagógica en esos
alumnos de riesgo?, ¿estamos cerca de llegar a un determinismo o mecanicismo
alarmante que pueda poner en peligro la práctica educativa y psicopedagógica en
nuestros centros educativos?.
16
Los objetivos del modelo pueden cifrarse en los siguientes:
17
1.2.1.3. Análisis discriminante.
Algunos autores (Duarte Silva y Stam, 1995; Huberty, 1984; Stevens, 1992)
denominan análisis discriminante descriptivo al conjunto de procedimientos utilizados
para los tres primeros objetivos, asignando el nombre de análisis discriminante
predictivo a los procedimientos que cumplen el 4º objetivo. En nuestra investigación
utilizaremos ambos tipos de análisis.
Stevens (1992, pág. 232) destaca como rasgos apreciables de esta técnica la
claridad en la interpretación que puede hacerse de los resultados y su parsimonia en la
descripción, en el sentido de que un número amplio de variables puede ser reducido a un
pequeño número de dimensiones capaces de explicar las diferencias fundamentales
observadas entre los grupos.
18
BIBLIOGRAFÍA INICIAL DE REFERENCIA.
INCE (1998). Elementos para un diagnóstico del Sistema Educativo Español. Informe
Global. (Diagnóstico del Sistema Educativo. La Escuela secundaria obligatoria).
García Garrido y otros. MEC. Secretaría General de Educación y Formación
Profesional. Instituto Nacional de Calidad y Evaluación. Madrid.
19
Martínez, F. y Álvarez, M. (1993). Orientación, análisis discriminante y perfiles
culturales.En Aula Abierta, 61, 5-18.
Stevens, J. (1992). Applied multivariate statistics for the social sciences. Hillsdale NJ:
Lawrence Erlbaum.
Vidal, M. C. (1989). Comparación de las variables de atribución del logro de los niños
con fracaso y éxito escolar. Bordón, 41 (1), 105-126.
20
3) En el caso de que se consiga un modelo ajustado de predicción, intentar que pueda
servir para la predicción del éxito y fracaso escolar de alumnos de ESO y Bachillerato
nuevos y de cursos futuros, que no hayan tomado parte de la investigación inicial para
la construcción del modelo de predicción.
6) Detectar casos extremos en la muestra de alumnos del Centro, más allá de más
menos dos desviaciones típicas, tanto en situación hipotética de éxito como de fracaso,
con el fin de adoptar las medidas curriculares y pedagógicas más idóneas en función de
las características personales.
El número de sujetos que formarán parte de esta investigación es de 441 entre ESO
y Bachillerato. Todos asisten al IES “EL PORTILLO”, de Zaragoza capital.
21
3) Administración colectiva de la escala a los grupos correspondientes, por ejemplo, en
horas de tutoría. Fase de recogida de datos.
4) Obtención de otros datos relevantes sobre variables independientes relacionadas con
el rendimiento académico, sexo, curso, etc., aludidas anteriormente.
5) Corrección de las pruebas e introducción de los datos en la hoja de cálculo del
programa estadístico SPSS versión 10.0.
6) Realización de análisis de datos mediante técnicas de análisis de regresión logística
binaria y análisis discriminante, y discusión. Obtención de índices y gráficos de la
escala.
7) Elaboración de conclusiones y de implicaciones educativas.
8) Redacción del trabajo final, encuadernación y difusión entre el profesorado.
1ª FASE (Hasta finales del año 2002): Traducción y adaptación de la prueba, con la
consiguiente elaboración de los items adaptados a nuestro idioma y sistema educativo.
Obtención del modelo de predicción en base a datos de alumnos registrados en el Centro
durante el curso 2002-2003, y durante las tres evaluaciones, sobre las variables de
interés.
22
PARTE SEGUNDA
23
24
2. Características generales y particulares del contexto en el que se ha
desarrollado el Proyecto de Investigación.
Este trabajo, por otra parte, ha supuesto aprovechar muchos datos del proyecto
de investigación llevado a cabo el año pasado, y que servían enormemente para poder
realizar el de este curso. Por lo tanto, se utilizaron los datos del archivo del programa
SPSS para encontrar un buen modelo de ajuste, y posteriormente llevar a cabo una
comprobación de dicho modelo en alumnos de este curso académico, seleccionados de
forma totalmente aleatoria. En esta segunda fase ha sido donde ha colaborado el
profesorado del departamento de orientación principalmente, y en lo que concierne a
administrar los items del cuestionario de motivación a los alumnos y alumnas
seleccionados, introducir dichos datos, previa corrección, en el editor de datos del SPSS
y realizar los cálculos correspondientes de acuerdo a los modelos de regresión y
discriminante previamente elaborados, comprobando, a final de curso 2002-2003, y en
la realidad, el porcentaje de aciertos que hemos tenido en la predicción del éxito o
fracaso escolar final.
No han existido problemas con los materiales necesarios para realizar esta
investigación, sobre todo de reprografía, de cartuchos de impresión, transparencias,
folios, etc., tanto por parte del personal de conserjería del centro como por parte del
secretario. El número total de horas de trabajo en esta investigación ha superado las
tipificadas por parte de la Administración Educativa o del Centro de Profesores y
Recursos, pero no nos ha importado porque ha permitido continuar en el estudio de la
realidad de nuestro centro y en la profundización de técnicas de investigación científica
que, a pesar de su dificultad, proporcionan una gran satisfacción cuando ves que
funcionan y que las puedes manejar con una cierta soltura. En este sentido, esto
también puede considerarse formación.
25
3. Consecución de los objetivos del Proyecto.
26
especialmente en la situación de fracaso, y en este Instituto en particular. Los datos
referentes a este apartado pueden consultarse al final de este trabajo.
Este apartado coincide con el punto anterior, por lo que no nos vamos a extender
más sobre el mismo. Pensamos que todavía se hubiera podido sacar más rendimiento a
las técnicas y resultados que ofrece este paquete estadístico, pero se seguirá
profundizando en los años y cursos sucesivos tanto en proyectos de investigación
respaldados institucionalmente, como a nivel totalmente personal.
a) Que el ritmo de trabajo se adecuara lo mejor posible a las fases del mismo. En
algunos momentos era preciso acelerar y trabajar más deprisa porque en otros
momentos del curso, las circunstancias específicas no nos dejaban avanzar tan
rápidamente como deseábamos.
27
c) Contrastes de medias entre e intragrupos, así como análisis de varianza de medias
entre tipologías o variables que discriminan a sujetos o grupos con alto y bajo
rendimiento académico.
e) En el análisis discriminante:
28
Igualmente se han utilizado histogramas de probabilidades estimadas, y el –2 Log
Likelihood (-2LL), de modo que sus valores tenderán a 0 si la verosimilitud tiende a
máxima y al revés si ésta es baja. También se han tenido en cuenta los valores de
predicción de ser asignado a un grupo o a otro, y los índices de influencia de Cook, los
“leverage values” y las DfBeta(s), así como los residuos no estandarizados, tipificados,
estudentizados y la desviación de los residuos, entre otros muchos índices, que por
razones de espacio no podemos incluir aquí. (Algunas de las salidas del programa que
incluyen los índices anteriores pueden consultarse en los anexos al final de este trabajo).
6. Conclusiones.
Los logros obtenidos están in íntima relación con los objetivos conseguidos
comentados en apartados previos, por lo que remitimos a los puntos 2.1. y 2.2 previos
de este trabajo. También se remite al lector al apartado 7.6 de este trabajo
(conclusiones), donde se comenta más específicamente las conclusiones generales de
esta investigación.
29
7. PREDICCIÓN DEL ÉXITO Y DEL FRACASO ACADÉMICO EN
ALUMNOS DE ESO Y BACHILLERATO MEDIANTE TÉCNICAS DE
ANÁLISIS ESTADÍSTICO AVANZADO: REGRESIÓN LOGÍSTICA BINARIA
Y ANÁLISIS DISCRIMINANTE.
7.1 Introducción.
Vayamos por partes. Una variable dependiente dicotómica, es decir, con dos
opciones o posibilidades de respuesta: sí o no responde a un mailing, si vota o no en
unas elecciones, sí trabaja o no trabaja, acierta o se equivoca en un pronóstico, se avería
o no en un periodo de tiempo determinado, sí contesta o no al teléfono, beneficios o
pérdidas en un ejercicio, diagnóstico positivo o negativo en una prueba médica... o
como es nuestro caso, tiene o no tiene éxito académico, o dicho de forma
complementaria, manifiesta o no manifiesta fracaso escolar.
30
La regresión logística que vamos a tratar en primer lugar en esta investigación
no deja de ser un caso particular del modelo discriminante, en el que la variable
dependiente tiene exclusivamente dos categorías (fracaso/éxito académico), a la vez que
parte de unos supuestos menos restrictivos y permite introducir como independientes en
el modelo variables categóricas.
31
0, 1 y/o 2 suspensos en la tercera evaluación en alumnos de ESO y BATO es igual a
éxito académico = 1.
3 ó más suspensos en la tercera evaluación en alumnos de ESO y BATO es igual a
fracaso académico = 0.
Todos los alumnos y alumnas del IES “El Portillo” de 1º, 2º, 3º y 4º de la ESO, así
como de 1º y 2º de Bachillerato formaron parte de esta investigación, (N = 521) aunque
por razones de mortalidad experimental (ausencias, negativas a rellenar el cuestionario,
etc.), el número final de alumnos que contabiliza el programa es de 441 (242 varones y
199 mujeres).
32
7.4. Procedimiento.
Las actas de las evaluaciones fueron cedidas por la Secretaría del Centro,
habiéndose dado visto bueno por parte del director y jefe de estudios. Se hicieron
fotocopias de todas ellas. Posteriormente se creó y diseño un archivo en el editor de
datos del programa SPSS, y se introdujeron todos los datos de las variables y de los
alumnos seleccionados. Esta fase llevó una gran cantidad de horas, dada la cantidad de
alumnos y variables incluidas en el análisis. Alrededor de 2 meses, a razón de una hora
diaria.
33
El mismo procedimiento de análisis se llevará a cabo, en una fase posterior,
utilizando la técnica de análisis discriminante. Posteriormente, evaluaremos cuál de las
dos técnicas proporciona mejores resultados y con qué variables. Finalmente,
utilizaremos el modelo propuesto para la clasificación y predicción de nuevos casos
durante el curso académico 2002-2003, que implicará algún tipo de toma de
predicciones y de diseño de intervenciones en el Centro.
Unweighted
Cases(a) N Percent
Selected Included
Cases in 319 61.2
Analysis
Missing 43 8.3
Cases
Total 362 69.5
Unselected 159 30.5
Cases
Total 521 100.0
a If weight is in effect, see classification table for the total number of cases.
34
Tabla 2. Tabla de clasificación en la situación de éxito/fracaso de alumnos de la
ESO, teniendo en cuenta solamente la primera evaluación. (IES "El Portillo").
Predicted
Selected Unselect
Cases ed
Cases
dicotomica Percentage dicotomi Percentage
Correct ca Correct
Observed rendimiento rendimiento rendimie rendimien
bajo alto nto bajo to alto
Paso 1 dicotomica rendimiento 107 33 76.4 24 22 52.2
bajo
rendimiento 17 162 90.5 3 73 96.1
alto
Overall 84.3 79.5
Percentage
Paso 2 dicotomica rendimiento 118 22 84.3 28 18 60.9
bajo
rendimiento 22 157 87.7 4 72 94.7
alto
Overall 86.2 82.0
Percentage
Paso 3 dicotomica rendimiento 118 22 84.3 28 18 60.9
bajo
rendimiento 21 158 88.3 5 71 93.4
alto
Overall 86.5 81.1
Percentage
Paso 4 dicotomica rendimiento 115 25 82.1 28 18 60.9
bajo
rendimiento 21 158 88.3 5 71 93.4
alto
Overall 85.6 81.1
Percentage
35
Tabla 3. Variables de entrada en la ecuación de predicción del rendimiento final
en alumnos de la ESO, teniendo en cuenta solamente la primera evaluación. IES
"El Portillo".
Pues bien, estos coeficientes y para el modelo hipotetizado son los que aparecen en la
primera columna (B) de la tabla 3 (en negrita, y en el paso 4). Según estos coeficientes
el modelo de regresión logística para el ejemplo podríamos escribirlo como sigue:
Pr{b1} = 1/1 + e-Z, donde Z = B0 + B1X1 +B2X2 +....+ Bp Xp, y donde la probabilidad
pr{no} = 1 – pr{sí}. (3)
36
En nuestro caso, la predicción del rendimiento académico final en cualquier
alumno de la ESO se adecuaría, en la primera evaluación, a la siguiente fórmula:
Puesto que, tal y como hemos comentado con anterioridad, esta probabilidad
oscila entre 0 y 1, correspondiendo 0 a la categoría de fracaso académico y 1 a la
categoría éxito académico, y estando establecido por defecto el punto de corte en 0.5, el
alumno que obtenga una puntuación por debajo de 0.5 será clasificado como de fracaso
escolar, y el que obtenga una puntuación por encima de dicho valor, será clasificado
como de éxito escolar. Sustituyendo el valor de Z en la fórmula anterior de
probabilidad Pr{b1}, y sabiendo que el valor de e = 2.71882802, el resultado final nos
coloca al alumno/a en una situación u otra. (Este razonamiento lo utilizaremos en los
subsiguientes análisis y tablas, por lo que no volveremos a mencionarlo en lo sucesivo).
El número de “aciertos” globales del modelo en esta clasificación será uno de los
indicadores fundamentales de la bondad del mismo, tal y como ha podido observarse en
la tabla 2, y se verá posteriormente. También veremos que tanto esta probabilidad para
cada sujeto como su asignación a una u otra categoría serán dos columnas que podrá
generar el sistema en la base de datos del SPSS.
A partir de los datos de la tabla y con un riesgo alfa = 5 por 100 podemos concluir que
los coeficientes de las variables de entrada (en este caso todos en el último paso 4) son
estadísticamente significativos y distintos de “0” y por tanto significativos con valores
respectivos 79.021, 4.026, 4.502 y 10.706 y nivel de significación < de .05. No
resultarían significativos por encima de este valor.
Las tres últimas columnas de la tabla (ExpB) y los límites de estos coeficientes
B estimados exponencialmente tienen mucho que ver con lo que sería la interpretación
de los valores de los coeficientes en el modelo de regresión. Si en el modelo de
regresión múltiple el valor del coeficiente significaba el cambio en unidades de la
variable dependiente por cada unidad de cambio en la variable independiente a que se
refiere el coeficiente, permanaciendo invariantes los valores del resto de variables
independientes del modelo, en este caso, la diferencia estriba en que ahora no se trata de
incremento o disminución de la probabilidad de la variable dependiente por cada unidad
37
de cambio en las independientes (permaneciendo el resto invariantes), sino del
incremento o disminución que se produce en el cociente pr{sí}/pr{no}, obtenido éste tal
y como recoge la ecuación siguiente:
Las dos últimas columnas últimas de la tabla recogen los límites de estos
coeficientes así estimados para un nivel de confianza del 95 por 100 (valor por defecto),
aunque estos valores pueden ser modificados en el programa si se considerara necesario.
80 ô ô
ó ó
ó ó
F ó ó
R 60 ô ô
E ó ó
Q ó ó
U ó ó
E 40 ô0 ô
N ó0 ó
C ó0 1ó
Y ó0 111ó
20 ô0 111ô
ó0 1 111ó
ó0 0 0 1 11111ó
ó0000000 001 10 0 11 00 1 1 111 11111111111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
38
7.5.1.2. Análisis de regresión logística binaria en la etapa de la ESO teniendo en cuenta
la primera y la segunda evaluación.
39
rendimiento en la de bajo. No obstante, si comparamos estos porcentajes con los datos
de la tabla 2 vemos que hay un aumento solamente del 6.6 por 100 en el porcentaje de
clasificación acertada, ya que en la primera evaluación el porcentaje total ascendía al
85.6 por 100.
A la vista de estos datos es posible que sea más útil y práctico de cara a la
prevención y al análisis de los alumnos/as del Centro basarse más en la tabla de
clasificación de la primera evaluación dado que el tiempo que se gana (casi cuatro
meses), es preferible que aumentar la bondad del modelo de predicción solamente en
un 6.6 por 100.
40
En nuestro caso, la predicción del rendimiento académico final en cualquier
alumno de la ESO se adecuaría, en la segunda evaluación, a la siguiente fórmula:
160 ô ô
ó ó
ó ó
F ó ó
R 120 ô ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 80 ô0 1ô
N ó0 1ó
C ó0 1ó
Y ó0 1ó
40 ô0 1ô
ó0 1ó
ó0 1ó
ó000 0 1 11ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
41
Puede observarse en dicho cuadro que el porcentaje de aciertos prácticamente
total, concediendo al modelo un alto valor predictivo. Ello puede notarse en la ausencia
de unos en zona de ceros, y a la inversa, ausencia de ceros en zona de unos, teniendo
como punto de corte el valor por defecto de 0,5.
Predicted
Selected Unselecte
Cases d Cases
dicotomica Porcentaje dicotomica Porcen
Correcto Correct
Observed Rendimiento Rendimiento Rendim. Rend.
bajo alto bajo alto
Step 1 dicotomica Rendim
Bajo 39 7 84.8 123 18 87.2
Rendim
alto 9 67 88.2 31 148 82.7
Overall
Percentage 86.9 84.7
42
Del análisis de esta tabla podemos afirmar que la clasificación es correcta de
alumnos en la situación de éxito o fracaso es ligeramente mayor que en la etapa de la
ESO vista anteriormente (en la primera evaluación), y que el porcentaje es, en general,
bastante alto. Solamente se clasifican siete alumnos/as de rendimiento bajo como alto,
y nueve de rendimiento alto como bajo. Treinta y nueve son clasificados en rendimiento
bajo teniéndolo bajo y sesenta y siete en alto teniéndolo alto. El porcentaje de alumnos
clasificados acertadamente en rendimiento bajo asciende al 84.8 por 100; el de alumnos
en rendimiento alto al 88.2 por 100, y el total (alto y bajo de forma acertada), al 86.9 por
100.
En dicho mapa, se observan algunos alumnos que están mal clasificados (en una
ubicación que nos les corresponde a priori), aunque de todas formas, ese número no es
demasiado elevado, sino más bien bajo, lo que indica que el modelo manifiesta un ajuste
relativamente alto.
43
Cuadro 3. Mapa territorial de probabilidad de pertenencia a los grupos de éxito o
fracaso en la primera evaluación. Bato Logse.
Step number: 1
32 ô ô
ó ó
ó ó
F ó 1 ó
R 24 ô 1 ô
E ó 1 1 ó
Q ó 1 1 1ó
U ó 1 1 1ó
E 16 ô 0 1 1 1ô
N ó 0 1 1 1 1ó
C ó 0 1 1 1 1ó
Y ó0 1 1 0 1 1 1 1ó
8 ô0 0 0 0 1 1 1 1ô
ó0 0 0 0 1 1 1 1ó
ó0 0 0 0 0 0 1 1ó
ó0 0 0 0 0 0 1 1ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
44
Tabla 8. Tabla de clasificación en la situación de éxito/fracaso en alumnos de
Bachillerato, en la segunda evaluación. (IES "El Portillo").
Predicted
Selected Unselected
Cases Cases
dicotomica Percentaj. dicotomica Percent.
Correct Correct
Observed rendimiento rendimiento rendimiento rendimiento
bajo alto bajo alto
Paso 1 dicotomica rendimiento 39 7 84.8 123 18 87.2
bajo
rendimiento 9 67 88.2 31 148 82.7
alto
Overall 86.9 84.7
Percentage
Paso 2 dicotomica rendimiento 37 9 80.4 129 12 91.5
bajo
rendimiento 10 66 86.8 29 150 83.8
alto
Overall 84.4 87.2
Percentage
45
Tabla 9. Variables de entrada en la ecuación de predicción del rendimiento final
en alumnos de Bachillerato, en la segunda evaluación. (IES "El Portillo").
Step number: 2
32 ô ô
ó ó
ó 1ó
F ó 1ó
R 24 ô 1ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 16 ô 1ô
N ó 1ó
C ó 11ó
Y ó 111ó
8 ô0 1 1 111ô
ó00 1 1 1 111ó
ó000 0 0 0 0 1 0 1 1 1 0 1 111ó
ó00000 00 0 0 0 1 0 0 0 0 0 0 1 11111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
46
En ese gráfico se observa que algunos casos con fracaso académico se clasifican
en situación de éxito y a la inversa, aunque, en términos generales sino siendo
suficientemente válido y elevado, tal vez algo menos contundente como en los referidos
a la educación secundaria obligatoria, vistos anteriormente.
Predicted
dicotomica Percentaje
Correct
Observed rendimiento rendimient
bajo o alto
Step 1 dicotomica rendimiento 161 25 86.6
bajo
rendimiento 40 215 84.3
alto
Overall 85.3
Percentage
Step 2 dicotomica rendimiento 151 35 81.2
bajo
rendimiento 32 223 87.5
alto
Overall 84.8
Percentage
Step 3 dicotomica rendimiento 153 33 82.3
bajo
rendimiento 29 226 88.6
alto
Overall 85.9
Percentage
Step 4 dicotomica rendimiento 152 34 81.7
bajo
rendimiento 28 227 89.0
alto
Overall 85.9
Percentage
a The cut value is .500
48
Cuadro 5. Mapa territorial de probabilidad de pertenencia a los grupos de éxito o
fracaso en la primera evaluación. ESO y Bato Logse.
Step number: 3
80 ô ô
ó ó
ó ó
F ó ó
R 60 ô ô
E ó ó
Q ó ó
U ó 11ó
E 40 ô0 11ô
N ó0 11ó
C ó0 11ó
Y ó0 111ó
20 ô0 111ô
ó01 0 111111ó
ó0000 0 0 111 111111ó
ó00000100000100010 01 0 111 1 0 0110 0011 1111 1111111101111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
49
Tabla 12. Tabla de clasificación en la situación de éxito/fracaso en alumnos de
ESO y BACHILLERATO, en la segunda evaluación. (IES "El Portillo").
Predicción
dicotomica Porcentaje
Correcto
Observada rendimiento rendimiento
bajo alto
Paso 1 dicotomica rendimiento 162 24 87.1
bajo
rendimiento 39 216 84.7
alto
Porcentaje 85.7
Total.
Paso 2 dicotomica rendimiento 159 27 85.5
bajo
rendimiento 27 228 89.4
alto
Porcentaje 87.8
Total.
Paso 3 dicotomica rendimiento 160 26 86.0
bajo
rendimiento 21 234 91.8
alto
Porcentaje 89.3
Total.
Paso 4 dicotomica rendimiento 161 25 86.6
bajo
rendimiento 22 233 91.4
alto
Porcentaje 89.3
Total.
Paso 5 dicotomica rendimiento 161 25 86.6
bajo
rendimiento 25 230 90.2
alto
Porcentaje 88.7
Total.
50
Tabla 13. Variables de entrada en la ecuación de predicción del rendimiento final
en alumnos de ESO y BACHILLERATO, en la segunda evaluación.
51
Cuadro 6. Mapa territorial de probabilidad de pertenencia a los grupos de éxito o
fracaso en la segunda evaluación. ESO y Bato Logse.
Step number: 5
160 ô ô
ó ó
ó ó
F ó ó
R 120 ô 1ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 80 ô 1ô
N ó0 1ó
C ó0 1ó
Y ó0 1ó
40 ô0 1ô
ó0 11ó
ó00 111ó
ó00 0000 1 0 1 1 1 1 11111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
52
b) Es mejor realizar los pronósticos en la primera evaluación que en la segunda porque
se gana mucho tiempo (tres meses de curso), de cara a la prevención e intervención y se
pierde solamente un pequeño porcentaje. En la ESO, en la primera evaluación se
obtiene un 85.6% frente a un 92.2%, es decir, se pierde un 6.6% de aciertos. En el
BATO incluso se gana en aciertos en la primera evaluación respecto a la segunda
(86.9% frente a un 84.4%), y considerando a todos como un único grupo, se pierde un
2.8%, pero este porcentaje es muy pequeño si tenemos en cuenta que han pasado
alrededor de tres meses de curso y solamente queda un trimestre para la finalización del
mismo.
ESO ESO
1ªEvaluación 2ªEvaluación
Rendimiento Rendimiento Porcentaje Rendimiento Rendimiento Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento.
Bajo. 82.1 90.0
Rendimiento
Alto. 88.3 93.9
Porcentaje
Total. 85.6 92.2
BATO BATO
1ªEvaluación 2ªEvaluación
Rendimiento Rendimiento Porcentaje Rendimiento Rendimiento Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento.
Bajo. 84.8 80.4
Rendimiento.
Alto. 88.2 86.8
Porcentaje
Total. 86.9 84.4
ESO y Bato ESO y Bato
1ªEvaluación 2ªEvaluación
Rendimiento Rendimiento Porcentaje Rendimiento Rendimiento Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento.
Bajo. 81.7 86.6
Rendimiento.
Alto. 89.0 90.2
Porcentaje
Total. 85.9 88.7
53
d) En el total (2ª evaluación), es mejor hacer el pronóstico conjuntamente porque
aumenta el porcentaje en el Bato un 4.3% (88.7 frente a 84.4), pero es mejor realizar la
predicción por separado en la ESO porque ésta gana un 3.5% (92.2 frente 88.7).
Así pues, se trata de analizar cuáles son las variables que contribuyen en mayor
grado a discriminar a los alumnos en los diferentes grupos establecidos a priori. Para
ello, estas variables que mejor discriminan se reducen a canónicas, que no son otra cosa
sino una combinación lineal de las variables independientes originales. Esta
combinación lineal es lo que se denomina función discriminante, donde la variable
dependiente es la pertenencia a uno u otro grupo. Hay tantas funciones discriminantes
como grupos menos 1 (k – 1) y para que sean óptimas han de proporcionar una regla de
clasificación que minimice la probabilidad de cometer errores. Se suele utilizar esta
técnica para discriminar, por ejemplo, los compradores o no compradores de un
producto determinado en base a una serie de características sociodemográficas o
psicográficas, estilos de vida, etc., y en general para discriminar diferentes grupos de
individuos (personas físicas, empresas, productos, etc.) a partir de una serie de variables
independientes. En nuestro caso se tratará obviamente, de discriminar a los alumnos de
alto, medio o bajo rendimiento académico en función de una serie de variables
independientes motivacionales, personales y de rendimiento previo, las cuales ya han
sido descritas en el apartado 7.2 de este trabajo, y que son las mismas que en los análisis
de regresión logística.
54
La ecuación lineal discriminante, similar a la de regresión múltiple, es la
siguiente:
donde:
Por lo tanto, multiplicando cada uno de los coeficientes por los valores de cada
individuo en las variables independientes se pueden obtener las puntuaciones
discriminantes para cada uno de ellos, aunque este valor discriminante final puede
obtenerse mediante el programa estadístico cuando se selecciona Discriminant Scores
como una variable a grabar en la base de datos. (Si se realiza manualmente deben de
utilizarse los coeficientes de la Función Discriminante Canónica no estandarizados).
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 84.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
55
Tabla 16. Autovalores de la Función discriminante canónica en la ESO y en la 1ª
evaluación.
Function Eigenvalue % of Cumulative Canonical Correlation
Variance %
1 1.681 99.0 99.0 .792
2 .017 1.0 100.0 .130
Function
1 2
curso -.181 .853
Eval1ªsus .909 .325
MIIE1 -.251 .315
enfadado .266 -.171
56
Tabla 19. Matriz de estructura de las funciones discriminantes (ESO-1ª
evaluación) .
Function
1 2
eval1ªsus .898* .342
suma punt. -.293* .236
Motiv.internal
Enfadado .260* -.254
MIIE13 -.251* .195
MIIE9 -.233* .168
Orgullo -.194* .111
MIIE17 -.181* .160
MIIE21 -.173* .085
preocupado -.171* .023
MIIE18 -.162* .087
MIIE5 -.145* .113
D111 .144* -.041
MIIE15 -.132* .122
MIIE19 -.131* .106
A313 -.130* .096
Feliz -.116* .087
MIIE4 .097* -.075
MIIE7 -.090* .066
defraudado -.077* .045
culpable .066* .039
MIIE6 .032* -.012
Curso -.165 .864*
MIIE1 -.338 .345*
MIIE11 -.031 .187*
Suma punt. -.130 .156*
Motiv. Intrins.
Mal .121 -.148*
MIIE24 .102 -.145*
MIIE3 -.132 .138*
C131 .094 -.133*
MIIE12 .081 -.124*
MIIE14 .013 -.118*
MIIE22 .033 -.118*
MIIE10 -.065 .103*
suma punt. .028 -.097*
Motiv.extríns.
MIIE23 -.086 .095*
MIIE20 .023 -.090*
MIIE2 .047 -.087*
Alivio .006 .082*
MIIE8 -.002 -.070*
B333 .014 .063*
MIIE16 -.020 -.057*
Sexo -.007 .057*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
* Largest absolute correlation between each variable and any discriminant function
a This variable not used in the analysis.
Otra forma distinta es a través de la correlación entre las distintas variables y las
funciones discriminantes, que como vemos en la tabla 19 aparecen agrupadas en dos
bloques y con un asterisco para indicarnos la función a la que contribuyen en mayor
grado.
57
Tabla 20. Coeficientes de la Función Discriminante Canónica. (ESO-1ªeval).
Function
1 2
curso -.174 .820
eval1ªsus .454 .162
MIIE1 -.296 .371
enfadado .290 -.186
(Constant) -.917 -3.391
Unstandardized coefficients
Tabla 21. Funciones de los Centroides de grupo. Medias de los grupos para cada
función discriminante.
Function
3RENDIM 1 2
rend. bajo 1.916 -9.312E-02
rend. medio .510 .292
rend. alto -1.057 -3.973E-02
En la tabla 21 tenemos las medias de cada grupo para las dos funciones. Si las
medias de los grupos en cada función son muy parecidas, es sinónimo de que la citada
función no discrimina entre grupos, y al contrario si las medias son muy diferentes,
como es nuestro caso.
1
rend. medio
rend. alto rend. bajo
0
3RENDIM
-1 Group Centroids
rend. alto
Function 2
-2
rend. medio
-3 rend. bajo
-3 -2 -1 0 1 2 3 4 5
Function 1
59
Tabla 23. Matriz de confusión o Tabla y resultados de la Clasificación del
rendimiento académico alto, medio y bajo en alumnos de ESO en la primera
evaluación.
Predicted Total
Group
Membership
3RENDIM rend. bajo rend. rend. alto
medio
Original Count rend. bajo 90 12 16 118
Ren.medio 15 15 25 55
rend. alto 5 6 178 189
% rend. bajo 76.3 10.2 13.6 100.0
rend. medio 27.3 27.3 45.5 100.0
rend. alto 2.6 3.2 94.2 100.0
Cross- Count rend. bajo 90 12 16 118
validated
rend. medio 16 14 25 55
rend. alto 6 5 178 189
% rend. bajo 76.3 10.2 13.6 100.0
rend. medio 29.1 25.5 45.5 100.0
rend. alto 3.2 2.6 94.2 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the
functions derived from all cases other than that case.
b 78.2% of original grouped cases correctly classified.
c 77.9% of cross-validated grouped cases correctly classified.
Puede observarse que vuelve a ser más fácil predecir el éxito académico (0, 1
ó 2 suspensos) que el bajo (6 ó más suspensos) o el medio (3,4 ó 5 suspensos), aspecto
que también se observaba en los análisis de regresión logística. La categoría más difícil
de predecir correctamente es el rendimiento medio, debido posiblemente a los procesos
hacia arriba o hacia abajo que variables moduladoras ejercen a lo largo del periodo
escolar. El porcentaje de clasificaciones correctas se acerca pues, al 80%, es decir, de
10 alumnos nos equivocaríamos, en la primera evaluación respecto a su rendimiento
final, en solamente 2 de ellos.
60
Tabla 24. Variables de entrada en la ecuación de predicción del rendimiento final
en la ESO en la segunda evaluación del curso (Análisis Discriminante).
Entered Wilks'
Lambda
Statistic df1 df2 df3 Exact F
Step Statistic df1 df2 Sig.
1 eval2ªsus .277 1 2 316.000 412.608 2 316.000 .000
2 enfadado .261 2 2 316.000 151.007 4 630.000 .000
3 eval1ªsus .251 3 2 316.000 104.394 6 628.000 .000
4 curso .243 4 2 316.000 80.512 8 626.000 .000
5 alivio .237 5 2 316.000 65.842 10 624.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 86.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
Predicted Total
Group
Membershi
p
3RENDIM rend. bajo rend. rend.
medio alto
Original Count rend. bajo 100 14 4 118
rend. medio 10 27 18 55
rend. alto 1 8 180 189
% rend. bajo 84.7 11.9 3.4 100.0
rend. medio 18.2 49.1 32.7 100.0
rend. alto .5 4.2 95.2 100.0
Cross- Count rend. bajo 99 15 4 118
validated
rend. medio 12 23 20 55
rend. alto 1 11 177 189
% rend. bajo 83.9 12.7 3.4 100.0
rend. medio 21.8 41.8 36.4 100.0
rend. alto .5 5.8 93.7 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived
from all cases other than that case.
b 84.8% of original grouped cases correctly classified.
c 82.6% of cross-validated grouped cases correctly classified.
61
Cuadro 8. Representación de las tres funciones discriminantes canónicas en los
tres tipos de rendimiento académico (alto, medio y bajo) en la 2ª evaluación de la
ESO.
1
rend. medio
rend. alto rend. bajo
0
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3
rend. medio
-4 rend. bajo
-4 -2 0 2 4 6
Function 1
62
Tabla 26. Variables de entrada en la ecuación de predicción del análisis
discriminante en alumnos de Bachillerato Logse en la primera evaluación.
Entered Wilks'
Lambda
Statistic df1 df2 df3 Exact F
Step Statistic df1 df2 Sig.
1 eval1ªsus .424 1 2 119.000 80.904 2 119.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 84.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
Function
1
eval1ªsus .681
(Constant) -1.936
Predicted Total
Group
Membershi
p
3RENDIM rend. bajo rend. medio rend. alto
Original Count rend. bajo 7 16 2 25
rend. medio 1 39 8 48
rend. alto 0 11 75 86
% rend. bajo 28.0 64.0 8.0 100.0
rend. medio 2.1 81.3 16.7 100.0
rend. alto .0 12.8 87.2 100.0
Cross- Count rend. bajo 7 16 2 25
validated
rend. medio 1 39 8 48
rend. alto 0 11 75 86
% rend. bajo 28.0 64.0 8.0 100.0
rend. medio 2.1 81.3 16.7 100.0
rend. alto .0 12.8 87.2 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the
functions derived from all cases other than that case.
b 76.1% of original grouped cases correctly classified.
c 76.1% of cross-validated grouped cases correctly classified.
63
En la tabla 28 puede observarse que el porcentaje de clasificación vuelve a ser
mayor en los sujetos de alto, de medio y de bajo rendimiento académico,
respectivamente. En este caso, como en la ESO es más fácil predecir pues, el alto
rendimiento que el bajo, aunque en este caso y a diferencia de la ESO es más fácil y
elevada la predicción del rendimiento medio con respecto al bajo. El porcentaje total de
clasificaciones correctas a final de curso, a partir de la primera evaluación asciende al
76.1%, porcentaje algo más elevado que lo que se obtendría por azar (50%), y no todo
lo alto que hubiéramos deseado. La regresión logística binaria aporta porcentajes más
elevados, lo que ocurre es que aquí incluimos tres grupos (lo que complica la
clasificación), y allí solamente dos (alto y bajo rendimiento).
Entered Wilks'
Lambda
Statistic df1 df2 df3 Exact F
Step Statistic df1 df2 Sig.
1 eval1ªsus .424 1 2 119.000 80.904 2 119.000 .000
2 eval2ªsus .358 2 2 119.000 39.673 4 236.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 86.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
64
Tabla 30. Coeficientes de la Función Discriminante Canónica.
Function
1 2
eval1ªsus .382 -.765
eval2ªsus .374 .759
(Constant) -2.144 .030
Unstandardized coefficients
rend. bajo
rend. alto
0 rend. medio 3RENDIM
Group Centroids
rend. alto
Function 2
-2
rend. medio
-4 rend. bajo
-3 -2 -1 0 1 2 3 4
Function 1
65
Tabla 31. Matriz de confusión o tabla de Clasificación de los alumnos de
Bachillerato en la segunda evaluación del curso.
Predicted Total
Group
Membership
3RENDIM rend. bajo rend. rend. alto
medio
Original Count rend. bajo 19 6 0 25
ren. medio 3 34 11 48
rend. alto 0 12 74 86
% rend. bajo 76.0 24.0 .0 100.0
ren medio 6.3 70.8 22.9 100.0
rend. alto .0 14.0 86.0 100.0
Cross- Count rend. bajo 17 8 0 25
validated
ren. medio 3 34 11 48
rend. alto 0 12 74 86
% rend. bajo 68.0 32.0 .0 100.0
ren. medio 6.3 70.8 22.9 100.0
rend. alto .0 14.0 86.0 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified
by the functions derived from all cases other than that case.
b 79.9% of original grouped cases correctly classified.
c 78.6% of cross-validated grouped cases correctly classified.
66
Tabla 32. Variables de entrada en la ecuación de predicción del rendimiento final
en la ESO y BATO considerados como un único grupo, en la 1ª evaluación.
Entered Wilks'
Lambda
Statistic df1 df2 df3 Exact F
Step Statistic df1 df2 Sig.
1 eval1ªsus .419 1 2 438.000 303.196 2 438.000 .000
2 curso .396 2 2 438.000 128.840 4 874.000 .000
3 enfadado .377 3 2 438.000 91.443 6 872.000 .000
4 MIIE1 .366 4 2 438.000 71.057 8 870.000 .000
5 D111 .359 5 2 438.000 58.166 10 868.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 84.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
Esta tabla presenta, las variables predictoras más relevantes, aunque su número
aumenta respecto a otros análisis anteriores y tal vez, sería más conveniente realizar esta
predicción por separado, por una parte la ESO y por otra el Bachillerato, aunque en
realidad, será la tabla de clasificación que presentamos posteriormente la que nos
indicará esa toma de decisión en función del porcentaje de clasificación que ganemos o
perdamos haciéndolo conjunta o separadamente.
Function
1 2
curso -.056 .506
eval1ªsus .490 .149
MIIE1 -.231 -.136
enfadado .246 -.257
D111 .496 -2.461
(Constant) -1.275 -1.250
67
Cuadro 10. Representación de las tres funciones discriminantes canónicas en los
tres tipos de rendimiento académico (alto, medio y bajo) en la 1ª evaluación de la
ESO y Bachillerato considerados un único grupo.
1
rend. medio
rend. alto
0 rend. bajo
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3
rend. medio
-4 rend. bajo
-3 -2 -1 0 1 2 3 4 5
Function 1
Predicted Total
Group
Membership
3RENDIM rend. bajo rend. rend. alto
medio
Original Count rend. bajo 96 27 20 143
rend. medio 16 46 41 103
rend. alto 5 23 247 275
% rend. bajo 67.1 18.9 14.0 100.0
rend. medio 15.5 44.7 39.8 100.0
rend. alto 1.8 8.4 89.8 100.0
Cross- Count rend. bajo 95 28 20 143
validated
rend. medio 17 44 42 103
rend. alto 6 23 246 275
% rend. bajo 66.4 19.6 14.0 100.0
rend. medio 16.5 42.7 40.8 100.0
rend. alto 2.2 8.4 89.5 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified
by the functions derived from all cases other than that case.
b 74.7% of original grouped cases correctly classified.
c 73.9% of cross-validated grouped cases correctly classified.
68
otras dos condiciones, siendo siempre en el análisis discriminante la ubicación del
alumno de forma correcta en la situación de rendimiento académico medio. A pesar de
que en la situación de éxito es casi del 90% de clasificaciones finales correctas, el
porcentaje total es algo bajo, aunque significativo, si entendemos que por azar se
obtendría un porcentaje de alrededor del 33%.
Entered Wilks'
Lambda
Statistic df1 df2 df3 Exact F
Step Statistic df1 df2 Sig.
1 eval2ªsus .297 1 2 438.000 518.419 2 438.000 .000
2 eval1ªsus .280 2 2 438.000 194.426 4 874.000 .000
3 curso .266 3 2 438.000 136.528 6 872.000 .000
4 enfadado .255 4 2 438.000 106.661 8 870.000 .000
5 MIIE4 .250 5 2 438.000 86.736 10 868.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a Maximum number of steps is 86.
b Minimum partial F to enter is 3.84.
c Maximum partial F to remove is 2.71.
d F level, tolerance, or VIN insufficient for further computation.
Function
1 2
curso -.079 .493
eval1ªsus .148 .385
MIIE4 -.170 -.047
enfadado .284 -.230
eval2ªsus .485 -.243
(Constant) -1.971 -1.590
Unstandardized coefficients
69
Cuadro 11. Representación de las tres funciones discriminantes canónicas en los
tres tipos de rendimiento académico (alto, medio y bajo) en la 2ª evaluación de la
ESO y Bachillerato considerados conjuntamente.
1
rend. medio
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3
rend. medio
-4 rend. bajo
-4 -2 0 2 4 6
Function 1
Predicted Total
Group
Membership
3RENDIM rend. bajo rend. rend. alto
medio
Original Count rend. bajo 111 23 9 143
rend. medio 12 64 27 103
rend. alto 1 24 250 275
% rend. bajo 77.6 16.1 6.3 100.0
rend. medio 11.7 62.1 26.2 100.0
rend. alto .4 8.7 90.9 100.0
Cross- Count rend. bajo 110 24 9 143
validated
rend. medio 12 62 29 103
rend. alto 1 27 247 275
% rend. bajo 76.9 16.8 6.3 100.0
rend. medio 11.7 60.2 28.2 100.0
rend. alto .4 9.8 89.8 100.0
a Cross validation is done only for those cases in the analysis. In cross validation, each case is classified
by the functions derived from all cases other than that case.
b 81.6% of original grouped cases correctly classified.
c 80.4% of cross-validated grouped cases correctly classified.
70
En la tabla 38 puede observarse que el porcentaje de clasificaciones correctas del
rendimiento final en todo el grupo es sustancialmente mayor en los alumnos de
rendimiento bajo (casi un 10% más) y medio (casi un 20% más), y aumenta también
ligeramente en los de alto, aunque en esta ubicación son los índices muy elevados (en
torno al 90%). El porcentaje que se gana en la segunda evaluación en el total es
alrededor de un 7% mayor, aunque este porcentaje debe valorarse cuidadosamente para
su utilización dado que se pierde un tiempo muy importante entre las dos evaluaciones
primeras del curso. La bondad de ajuste del modelo, no obstante, se considera bastante
apropiada, ya que en este caso, nos equivocaríamos en un alumno de entre cinco
seleccionados aleatoriamente.
ESO ESO
1ªEval. 2ªEval.
Rend. Rend. Porcentaje Rend. Rend. Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento. 76.3 84.7
Bajo.
Rendimiento 94.2 95.2
Alto.
Porcentaje
Total. 78.2 84.8
BATO BATO
1ªEval. 2ªEval.
Rend. Rend. Porcentaje Rend. Rend. Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento. 28.0 76.0
Bajo.
Rendimiento.
Alto. 87.2 86.0
Porcentaje
Total. 76.1 79.9
ESO y ESO y Bato
Bato 2ªEval.
1ªEval.
Rend. Rend. Porcentaje Rend. Rend. Porcentaje
Bajo. Alto. Total. Bajo. Alto. Total.
Rendimiento. 77.6
Bajo. 67.1
Rendimiento.
Alto. 89.8 90.9
Porcentaje
Total. 74.7 81.6
71
7.6. Conclusiones generales del proyecto de investigación.
curso Total
1º ESO 2º ESO 3º ESO 4º ESO 1º BATO 2º BATO
dicotó Rend. Count 45 57 49 25 28 45 249
mica Bajo
% of 8.6% 10.9% 9.4% 4.8% 5.4% 8.6% 47.8%
Total
Rend. Count 34 53 44 55 40 46 272
Alto
% of 6.5% 10.2% 8.4% 10.6% 7.7% 8.8% 52.2%
Total
Total Count 79 110 93 80 68 91 521
% of 15.2% 21.1% 17.9% 15.4% 13.1% 17.5% 100.0%
Total
72
evaluación tanto en la ESO como en la ESO y Bato como un único grupo, pero no en el
Bachillerato aisladamente, suponen una diferencia de porcentaje que no vale la pena
dadas las alturas del curso y el reducido tiempo que queda para intervenir. Algunas
matizaciones metodológicas en la regresión logística se comentan en el apartado 7.5.1.7
de este trabajo. Las variables de entrada en las ecuaciones de predicción de la regresión
logística no son demasiadas y permiten, tanto de forma manual como informática, la
ubicación de los alumnos en las situaciones de éxito o fracaso académico en la 1ª
evaluación respecto a la evaluación final 6 meses después con un porcentaje de aciertos
que se aproxima al 90%, lo que concede al modelo una buena bondad de ajuste, y
permite además, la puesta en marcha de estrategias de orientación e intervención
encaminadas, en la medida de lo posible, a la prevención del fracaso académico.
73
7.7 Validación del modelo a nivel empírico.
Una vez obtenidas y analizadas las tablas en las que se nos presenta la
información acerca de las variables de entrada en las ecuaciones de predicción así como
las funciones que nos van a permitir ubicar a un alumno o alumna determinado en las
diversas categorías de rendimiento académico final en la ESO como en el Bachillerato,
a partir de una muestra previa que ha servido para la construcción de los modelos,
hemos pasado a validarlos en la realidad. Para ello se ha seleccionado aleatoriamente
una muestra de alumnos de los diversos grupos que componen todos los cursos de ESO
y Bato con el fin de que sean lo más representativos posible de toda la población, y esto
se ha realizado justamente después de la primera evaluación, es decir, en Enero de 2003
después de las vacaciones de Navidad.
74
porcentajes iniciales de predicción, de lo que se deriva, por lo tanto, un ajuste muy
bueno del modelo de predicción previo, muy por encima de lo que se obtendría de una
clasificación al azar, y que valida los análisis efectuados, sirviendo además, como un
instrumento al servicio de la prevención y de la intervención psicopedagógica en esta
etapa educativa. Tal vez, el mayor número de fallos del modelo en la situación de
fracaso se deba a una tendencia del profesorado a final de curso hacia la promoción de
algunos alumnos o alumnas hacia el siguiente curso o hacia la obtención del título de
graduado en educación secundaria obligatoria, que origina que el número de aciertos en
la situación de fracaso sea más difícil de detectar, aunque en realidad, el modelo por eso
no tenga que ser necesariamente menos válido, ya que el sesgo hacia la promoción de
los alumnos por parte del profesorado es una variable que no se puede controlar en esta
investigación.
En relación con la etapa del Bachillerato, los aciertos del modelo han supuesto,
en la realidad un porcentaje del 86,4% en alumnos de alto rendimiento, de un 73,6% en
alumnos de rendimiento medio y de un 31% en alumnos de rendimiento bajo. El total
75
de alumnos clasificados correctamente ascendió a un 74,8%, muy cercano al 76,1% que
defendía el modelo en la versión inicial, lo que implica un porcentaje de error del
26,2%, o lo que es lo mismo, que nos equivocamos en 1 alumno de entre 4 al realizar la
predicción en situaciones reales a posteriori.
Sería muy interesante validar estos resultados con otras investigaciones análogas
que se realizaran en otros institutos de educación secundaria y bachillerato para evaluar
la validez ecológica del modelo, pero en cualquier caso, deben hacernos reflexionar
muy seriamente a profesores y expertos dentro del campo de la educación de un hecho
preocupante: el del determinismo del fenómeno educativo y el de la inevitabilidad
relativa del rendimiento académico. El alto poder predictivo de las variables relativas al
rendimiento académico previo en sí mismo, con la consiguiente infravaloración de otras
variables personales, sociales o psicopedagógicas teóricamente relevantes debe
hacernos cuestionar la importancia atribuida a las mismas en muchos estudios y
publicaciones previas o, al menos, plantear seriamente todo el proceso de intervención
psicopedagógica, tanto en su diseño como en la evaluación de los supuestos efectos de
dichos programas, ya que desde esta investigación, lo que en mayor medida se ha
descubierto es que, en realidad, lo más importante es lo que sabe y ha aprendido y
retenido el alumno en relación con contenidos curriculares, y precisamente esto y no
otra cosa, es lo que verdaderamente se evalúa y tiene casi todo el peso en el proceso de
evaluación, concediendo a la evaluación y a las calificaciones una importancia tal vez
desmedida que menosprecia y limita otras variables, como por ejemplo las
motivacionales, que de ser trabajadas e incorporadas en las aulas por parte del
profesorado, podrían incidir más positivamente en el proceso de enseñanza aprendizaje
y redundar en un mayor y mejor nivel de rendimiento académico.
76
en las plantillas, más profesores de pedagogía terapéutica y de compensación educativa,
trabajadores sociales y profesores que puedan dar más horas de apoyo y refuerzo
educativo a los alumnos de medio y bajo rendimiento, al menos de acuerdo con las
necesidades reales que reclama cada uno de los centros según su propia ubicación
geográfica y su propia identidad. En la medida en que esto no se cumpla, servirá para
perpetuar y potenciar ese determinismo casi mecanicista en el desarrollo y rendimiento
de muchos alumnos que con otro tipo de medidas económicas y de recursos humanos
podrían ser evitadas en un porcentaje no menos importante.
77
7.8. Bibliografía.
Gil, J., García E.,y Rodríguez G. (2001). Análisis Discriminante. Editorial La Muralla.
Hespérides.
78
Hair, Anderson, Tatham, Black (1999). Análisis multivariante. 5/e. Madrid:Prentice
Hall.
INCE (1998). Elementos para un diagnóstico del Sistema Educativo Español. Informe
Global. (Diagnóstico del Sistema Educativo. La Escuela secundaria obligatoria).
García Garrido y otros. MEC. Secretaría General de Educación y Formación
Profesional. Instituto Nacional de Calidad y Evaluación. Madrid.
Stevens, J. (1992). Applied multivariate statistics for the social sciences. Hillsdale NJ:
Lawrence Erlbaum.
Vidal, M. C. (1989). Comparación de las variables de atribución del logro de los niños
con fracaso y éxito escolar. Bordón, 41 (1), 105-126.
Visauta, B. (1999). Análisis estadístico con SPSS para Windows. Madrid: McGraw-
Hill.
79
80
ANEXO 1.
81
82
ANEXO 2
87
88
Logistic Regression (ESO-1ª evaluación).
Resumen de los casos analizados en la ESO, incluyendo únicamente la primera evaluación. IES "El Portillo".
a
Unweighted Cases N Percent
Selected Cases Included in Analysis 319 61.2
Missing Cases 43 8.3
Total 362 69.5
Unselected Cases 159 30.5
Total 521 100.0
a. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 173 1.000
mujer 146 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 437.448 .245
0 2 437.448 .246
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 437.448
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tabled,e
Predicted
a
Selected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 140 .0
rendimieneto alto 0 179 100.0
Overall Percentage 56.1
Classification Tabled,e
Predicted
b,c
Unselected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 46 .0
rendimieneto alto 0 76 100.0
Overall Percentage 62.3
a. Selected cases curso LT 5
b. Unselected cases curso GE 5
c. Some of the unselected cases are not classified due to either missing values in the independent variables or
categorical variables with values out of the range of the selected cases.
d. Constant is included in the model.
e. The cut value is .500
-2 Log Coefficients
Iteration likelihood Constant REND1 SUMAA ENFADADO ALIVIO
Step 1 249.754 1.989 -.473
1 2 228.222 2.875 -.703
3 225.975 3.273 -.807
4 225.932 3.338 -.824
5 225.932 3.340 -.825
Step 1 241.516 .717 -.444 .067
2 2 210.936 .270 -.677 .144
3 204.968 -.165 -.828 .202
4 204.591 -.299 -.878 .221
5 204.589 -.310 -.882 .223
Step 1 238.012 1.343 -.437 .052 -.215
3 2 206.648 1.280 -.668 .118 -.342
3 200.526 1.074 -.820 .170 -.417
4 200.139 1.002 -.870 .188 -.438
5 200.137 .996 -.874 .189 -.440
Step 1 236.651 1.152 -.435 .046 -.218 .121
4 2 203.583 .836 -.670 .109 -.348 .252
3 196.517 .424 -.833 .159 -.430 .360
4 195.993 .278 -.893 .178 -.457 .398
5 195.989 .265 -.899 .180 -.460 .402
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 437.448
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 211.515 1 .000
Block 211.515 1 .000
Model 211.515 1 .000
Step 2 Step 21.344 1 .000
Block 232.859 2 .000
Model 232.859 2 .000
Step 3 Step 4.452 1 .035
Block 237.311 3 .000
Model 237.311 3 .000
Step 4 Step 4.148 1 .042
Block 241.459 4 .000
Model 241.459 4 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 29 28.648 0 .352 29
1 2 37 35.590 1 2.410 38
3 22 23.332 6 4.668 28
4 19 19.911 10 9.089 29
5 15 14.206 14 14.794 29
6 7 7.406 18 17.594 25
7 4 5.140 29 27.860 33
8 4 3.816 47 47.184 51
9 3 1.951 54 55.049 57
Step 1 33 32.840 0 .160 33
2 2 29 29.395 2 1.605 31
3 28 27.670 5 5.330 33
4 23 21.965 9 10.035 32
5 15 14.851 18 18.149 33
6 7 7.465 26 25.535 33
7 2 3.309 29 27.691 31
8 2 1.566 32 32.434 34
9 0 .692 32 31.308 32
10
1 .250 26 26.750 27
Step 1 32 31.876 0 .124 32
3 2 30 30.672 2 1.328 32
3 29 27.552 3 4.448 32
4 23 22.495 10 10.505 33
5 14 14.183 18 17.817 32
6 6 7.187 26 24.813 32
7 4 3.342 30 30.658 34
8 1 1.621 31 30.379 32
9 0 .816 33 32.184 33
10 1 .257 26 26.743 27
Step 1 32 31.909 0 .091 32
4 2 30 30.822 2 1.178 32
3 29 27.944 3 4.056 32
4 21 21.539 11 10.461 32
5 17 14.787 15 17.213 32
6 6 6.998 26 25.002 32
7 4 3.237 28 28.763 32
8 0 1.666 32 30.334 32
9 0 .810 32 31.190 32
10 1 .289 30 30.711 31
Tabla de clasificación en la situación de éxito/fracaso de alumnos de la ESO,
d
teniendo en cuenta
solamente la primera evaluación. (IES "El Portillo").
Predicted
a b,c
Selected Cases Unselected Cases
dicotomica dicotomica
rendi
mient rendim Percent rendim rendi Percent
o iento age iento mient age
Observed bajo alto Correct bajo o alto Correct
Step 1 dicotomica rendimiento
bajo 107 33 76.4 24 22 52.2
rendimiento alto 17 162 90.5 3 73 96.1
Overall Percentage
84.3 79.5
Step 2 dicotomica rendimiento
bajo 118 22 84.3 28 18 60.9
rendimiento alto 22 157 87.7 4 72 94.7
Overall Percentage
86.2 82.0
Step 3 dicotomica rendimiento
bajo 118 22 84.3 28 18 60.9
rendimiento alto 21 158 88.3 5 71 93.4
Overall Percentage
86.5 81.1
Step 4 dicotomica rendimiento
bajo 115 25 82.1 28 18 60.9
rendimiento alto 21 158 88.3 5 71 93.4
Overall Percentage
85.6 81.1
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a REND1 -.825 .085 93.630 1 .000 .438 .371 .518
1 Constant 3.340 .361 85.459 1 .000 28.213
Step
b REND1 -.882 .098 81.784 1 .000 .414 .342 .501
2 SUMAA .223 .051 18.904 1 .000 1.250 1.130 1.382
Constant
-.310 .841 .135 1 .713 .734
Step
c REND1 -.874 .097 80.643 1 .000 .417 .345 .505
3 ENFADA
DO -.440 .214 4.234 1 .040 .644 .424 .979
SUMAA .189 .054 12.451 1 .000 1.208 1.088 1.342
Constant .996 1.071 .865 1 .352 2.707
Step
d REND1 -.899 .101 79.021 1 .000 .407 .334 .496
4 ALIVIO .402 .200 4.026 1 .045 1.495 1.009 2.214
ENFADA
DO -.460 .217 4.502 1 .034 .632 .413 .966
SUMAA .180 .055 10.706 1 .001 1.197 1.075 1.333
Constant .265 1.158 .052 1 .819 1.303
a. Variable(s) entered on step 1: REND1.
b. Variable(s) entered on step 2: SUMAA.
c. Variable(s) entered on step 3: ENFADADO.
d. Variable(s) entered on step 4: ALIVIO.
Correlation Matrix
Step number: 4
80 ô ô
ó ó
ó ó
F ó ó
R 60 ô ô
E ó ó
Q ó ó
U ó ó
E 40 ô0 ô
N ó0 ó
C ó0 1ó
Y ó0 111ó
20 ô0 111ô
ó0 1 111ó
ó0 0 0 1 11111ó
ó0000000 001 10 0 11 00 1 1 111 11111111111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
97
98
Logistic Regression (ESO-2ª evaluación).
Case Processing Summary
a
Unweighted Cases N Percent
Selected Cases Included in Analysis 319 61.2
Missing Cases 43 8.3
Total 362 69.5
Unselected Cases 159 30.5
Total 521 100.0
a. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 173 1.000
mujer 146 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 437.448 .245
0 2 437.448 .246
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 437.448
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tabled,e
Predicted
a
Selected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 140 .0
rendimieneto alto 0 179 100.0
Overall Percentage 56.1
Classification Tabled,e
Predicted
b,c
Unselected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 46 .0
rendimieneto alto 0 76 100.0
Overall Percentage 62.3
a. Selected cases curso LT 5
b. Unselected cases curso GE 5
c. Some of the unselected cases are not classified due to either missing values in the independent variables or
categorical variables with values out of the range of the selected cases.
d. Constant is included in the model.
e. The cut value is .500
-2 Log Coefficients
Iteration likelihood Constant REND2 REND1 SUMAA P7 ALIVIO
Step 1 216.589 2.089 -.484
1 2 180.656 3.193 -.777
3 172.462 3.971 -.994
4 171.680 4.305 -1.087
5 171.670 4.349 -1.100
Step 1 209.119 2.195 -.360 -.157
2 2 167.642 3.460 -.577 -.275
3 155.885 4.518 -.760 -.379
4 154.117 5.138 -.864 -.439
5 154.056 5.286 -.888 -.453
6
154.056 5.293 -.889 -.454
Step 1 206.468 1.490 -.344 -.155 .037
3 2 159.572 1.641 -.544 -.279 .098
3 142.830 1.572 -.734 -.404 .168
4 138.969 1.557 -.876 -.497 .220
5 138.661 1.563 -.931 -.533 .240
6 138.659 1.564 -.937 -.537 .242
Step 1 203.891 1.477 -.350 -.143 .058 -.214
4 2 154.870 1.732 -.560 -.259 .136 -.439
3 136.795 1.813 -.769 -.378 .222 -.653
4 132.380 1.877 -.931 -.469 .287 -.788
5 131.977 1.904 -.999 -.507 .314 -.833
6 131.972 1.907 -1.007 -.512 .317 -.838
Step 1 202.821 1.297 -.349 -.142 .053 -.217 .106
5 2 152.109 1.283 -.559 -.262 .128 -.449 .246
3 132.462 1.062 -.770 -.389 .213 -.688 .402
4 127.198 .901 -.945 -.493 .284 -.860 .517
5 126.609 .829 -1.027 -.542 .318 -.931 .567
6 126.598 .819 -1.040 -.550 .323 -.942 .575
Step 1 201.987 1.053 -.353 -.141 .064 -.219 .124
6 2 150.608 .827 -.573 -.258 .150 -.463 .282
3 129.899 .323 -.799 -.386 .252 -.719 .468
4 123.623 -.170 -1.001 -.500 .345 -.915 .620
5 122.717 -.447 -1.112 -.564 .398 -1.010 .699
6 122.691 -.503 -1.136 -.577 .409 -1.029 .715
7 122.691 -.504 -1.137 -.578 .409 -1.030 .715
Step 1 199.420 1.564 -.347 -.140 .052 -.226 .130
7 2 146.720 1.743 -.569 -.254 .130 -.497 .288
3 124.924 1.752 -.807 -.378 .220 -.784 .482
4 117.911 1.772 -1.031 -.492 .304 -1.008 .644
5 116.716 1.814 -1.169 -.564 .354 -1.127 .735
6 116.666 1.835 -1.205 -.582 .367 -1.156 .757
7 116.666 1.837 -1.207 -.583 .367 -1.158 .758
Iteration History a,b,c,d,e,f
Coefficients
Iteration TIPOD ENFADADO
Step 1
1 2
3
4
5
Step 1
2 2
3
4
5
6
Step 1
3 2
3
4
5
6
Step 1
4 2
3
4
5
6
Step 1
5 2
3
4
5
6
Step 1 .422
6 2 .926
3 1.506
4 2.169
5 2.586
6 2.675
7 2.678
Step 1 .424 -.184
7 2 1.003 -.323
3 1.750 -.481
4 2.557 -.628
5 3.070 -.719
6 3.200 -.744
7 3.207 -.745
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 437.448
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
e. Estimation terminated at iteration number 6 because log-likelihood decreased by less than .010 percent.
f. Estimation terminated at iteration number 7 because log-likelihood decreased by less than .010 percent.
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 265.778 1 .000
Block 265.778 1 .000
Model 265.778 1 .000
Step 2 Step 17.614 1 .000
Block 283.392 2 .000
Model 283.392 2 .000
Step 3 Step 15.397 1 .000
Block 298.789 3 .000
Model 298.789 3 .000
Step 4 Step 6.687 1 .010
Block 305.476 4 .000
Model 305.476 4 .000
Step 5 Step 5.374 1 .020
Block 310.850 5 .000
Model 310.850 5 .000
Step 6 Step 3.908 1 .048
Block 314.757 6 .000
Model 314.757 6 .000
Step 7 Step 6.025 1 .014
Block 320.782 7 .000
Model 320.782 7 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 36 35.910 0 .090 36
1 2 39 39.156 1 .844 40
3 35 36.021 9 7.979 44
4 15 14.342 13 13.658 28
Contingency Table for Hosmer and Lemeshow Test
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 5 10 8.032 21 22.968 31
1 6 4 4.381 38 37.619 42
7 1 1.381 36 35.619 37
8 0 .778 61 60.222 61
Step 1 32 31.972 0 .028 32
2 2 32 31.755 0 .245 32
3 29 29.578 3 2.422 32
4 27 24.424 7 9.576 34
5 11 14.663 22 18.337 33
6 5 4.785 25 25.215 30
7 4 1.761 28 30.239 32
8 0 .602 28 27.398 28
9 0 .271 28 27.729 28
10 0 .190 38 37.810 38
Step 1 32 31.995 0 .005 32
3 2 32 31.858 0 .142 32
3 30 30.121 2 1.879 32
4 25 24.427 7 7.573 32
5 15 14.018 17 17.982 32
6 3 5.610 29 26.390 32
7 3 1.471 30 31.529 33
8 0 .337 31 30.663 31
9 0 .131 34 33.869 34
10 0 .033 29 28.967 29
Step 1 32 31.996 0 .004 32
4 2 31 31.897 1 .103 32
3 30 30.357 2 1.643 32
4 26 25.616 7 7.384 33
5 15 13.548 17 18.452 32
6 6 4.983 27 28.017 33
7 0 1.177 32 30.823 32
8 0 .300 32 31.700 32
9 0 .095 31 30.905 31
10 0 .032 30 29.968 30
Step 1 33 32.998 0 .002 33
5 2 32 31.903 0 .097 32
3 29 30.562 3 1.438 32
4 27 24.527 5 7.473 32
5 12 14.170 20 17.830 32
6 7 4.519 25 27.481 32
7 0 .983 33 32.017 33
8 0 .243 32 31.757 32
9 0 .075 32 31.925 32
10 0 .021 29 28.979 29
Contingency Table for Hosmer and Lemeshow Test
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 32 31.999 0 .001 32
6 2 32 31.940 0 .060 32
3 30 30.776 2 1.224 32
4 27 24.886 5 7.114 32
5 12 14.562 20 17.438 32
6 7 4.741 25 27.259 32
7 0 .845 32 31.155 32
8 0 .193 33 32.807 33
9 0 .047 32 31.953 32
10 0 .011 30 29.989 30
Step 1 32 31.999 0 .001 32
7 2 32 31.969 0 .031 32
3 31 31.174 1 .826 32
4 28 25.037 4 6.963 32
5 10 14.219 22 17.781 32
6 7 4.732 25 27.268 32
7 0 .644 32 31.356 32
8 0 .167 32 31.833 32
9 0 .049 32 31.951 32
10 0 .010 31 30.990 31
Tabla de clasificación en la situación de éxito/fracaso de alumnos
d
de la ESO, en la segunda evaluación. (IES "El
Portillo").
Predicted
a
Selected Cases
dicotomica
rendimi rendimi
ento ento Percentage
Observed bajo alto Correct
Step 1 dicotomica rendimiento bajo
125 15 89.3
rendimiento alto 23 156 87.2
Overall Percentage
88.1
Step 2 dicotomica rendimiento bajo
125 15 89.3
rendimiento alto 20 159 88.8
Overall Percentage
89.0
Step 3 dicotomica rendimiento bajo
124 16 88.6
rendimiento alto 12 167 93.3
Overall Percentage
91.2
Step 4 dicotomica rendimiento bajo
123 17 87.9
rendimiento alto 12 167 93.3
Overall Percentage
90.9
Step 5 dicotomica rendimiento bajo
127 13 90.7
rendimiento alto 13 166 92.7
Overall Percentage
91.8
Step 6 dicotomica rendimiento bajo
127 13 90.7
rendimiento alto 15 164 91.6
Overall Percentage
91.2
Step 7 dicotomica rendimiento bajo
126 14 90.0
rendimiento alto 11 168 93.9
Overall Percentage
92.2
Tabla de clasificación en la situación de éxito/fracaso de alumnos
d
de la ESO, en la segunda evaluación. (IES "El
Portillo").
Predicted
b,c
Unselected Cases
dicotomica
rendimi Percent
ento rendimie age
Observed bajo nto alto Correct
Step 1 dicotomica rendimiento bajo
37 9 80.4
rendimiento alto 16 60 78.9
Overall Percentage
79.5
Step 2 dicotomica rendimiento bajo
33 13 71.7
rendimiento alto 8 68 89.5
Overall Percentage
82.8
Step 3 dicotomica rendimiento bajo
30 16 65.2
rendimiento alto 4 72 94.7
Overall Percentage
83.6
Step 4 dicotomica rendimiento bajo
33 13 71.7
rendimiento alto 5 71 93.4
Overall Percentage
85.2
Step 5 dicotomica rendimiento bajo
32 14 69.6
rendimiento alto 5 71 93.4
Overall Percentage
84.4
Step 6 dicotomica rendimiento bajo
32 14 69.6
rendimiento alto 6 70 92.1
Overall Percentage
83.6
Step 7 dicotomica rendimiento bajo
33 13 71.7
rendimiento alto 8 68 89.5
Overall Percentage
82.8
95.0% C.I.for
Exp EXP(B)
B S.E. Wald df Sig. (B) Lower Upper
Step
a REND2 -1.100 .124 78.453 1 .000 .333 .261 .425
1 Constant 4.349 .491 78.569 1 .000 77.44
Step
b REND1 -.454 .112 16.486 1 .000 .635 .510 .791
2 REND2 -.889 .133 44.688 1 .000 .411 .317 .534
Constant
5.293 .650 66.282 1 .000 198.9
Step
c REND1 -.537 .123 19.080 1 .000 .585 .459 .744
3 SUMAA .242 .066 13.299 1 .000 1.274 1.119 1.451
REND2 -.937 .147 40.582 1 .000 .392 .294 .523
Constant 1.564 1.084 2.081 1 .149 4.779
Step
d REND1 -.512 .126 16.539 1 .000 .599 .468 .767
4 P7 -.838 .335 6.243 1 .012 .432 .224 .835
SUMAA .317 .076 17.376 1 .000 1.373 1.183 1.593
REND2 -1.007 .158 40.804 1 .000 .365 .268 .498
Constant 1.907 1.123 2.886 1 .089 6.735
Step
e REND1 -.550 .132 17.289 1 .000 .577 .445 .748
5 P7 -.942 .346 7.426 1 .006 .390 .198 .768
ALIVIO .575 .256 5.054 1 .025 1.777 1.076 2.932
SUMAA .323 .081 16.008 1 .000 1.381 1.179 1.618
REND2 -1.040 .166 39.463 1 .000 .354 .256 .489
Constant .819 1.273 .414 1 .520 2.268
Step
f REND1 -.578 .138 17.560 1 .000 .561 .428 .735
6 P7 -1.030 .357 8.304 1 .004 .357 .177 .719
ALIVIO .715 .269 7.051 1 .008 2.045 1.206 3.466
SUMAA .409 .097 17.854 1 .000 1.506 1.245 1.821
TIPOD 2.678 1.288 4.324 1 .038 14.56 1.166 181.788
REND2 -1.137 .183 38.461 1 .000 .321 .224 .460
Constant -.504 1.441 .122 1 .726 .604
Step
g REND1 -.583 .144 16.377 1 .000 .558 .421 .740
7 P7 -1.158 .378 9.366 1 .002 .314 .150 .659
ALIVIO .758 .273 7.695 1 .006 2.134 1.249 3.645
ENFADADO -.745 .326 5.218 1 .022 .475 .250 .900
SUMAA .367 .100 13.611 1 .000 1.444 1.188 1.755
TIPOD 3.207 1.298 6.101 1 .014 24.70 1.939 314.540
REND2 -1.207 .201 36.060 1 .000 .299 .202 .444
Constant 1.837 1.794 1.048 1 .306 6.275
a. Variable(s) entered on step 1: REND2.
b. Variable(s) entered on step 2: REND1.
c. Variable(s) entered on step 3: SUMAA.
d. Variable(s) entered on step 4: P7.
e. Variable(s) entered on step 5: ALIVIO.
f. Variable(s) entered on step 6: TIPOD.
g. Variable(s) entered on step 7: ENFADADO.
Correlation Matrix
TIPOD ENFADADO
Step Constant
1 REND2
Step Constant
2 REND1
REND2
Step Constant
3 REND1
SUMAA
REND2
Step Constant
4 REND1
P7
SUMAA
REND2
Step Constant
5 REND1
P7
ALIVIO
SUMAA
REND2
Step Constant -.537
6 REND1 -.197
P7 -.175
ALIVIO .337
SUMAA .578
TIPOD 1.000
REND2 -.391
Step Constant -.301 -.602
7 REND1 -.204 .143
P7 -.238 .204
ALIVIO .377 -.129
ENFADADO -.212 1.000
SUMAA .549 .115
TIPOD 1.000 -.212
REND2 -.455 .310
Casewise Listb
160 ô ô
ó ó
ó ó
F ó ó
R 120 ô ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 80 ô0 1ô
N ó0 1ó
C ó0 1ó
Y ó0 1ó
40 ô0 1ô
ó0 1ó
ó0 1ó
ó000 0 1 11ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
113
114
Logistic Regression (Bachillerato-1ª evaluación).
Case Processing Summary
c
Unweighted Cases N Percent
Selected Casesa,b Included in Analysis 122 23.4
Missing Cases 37 7.1
Total 159 30.5
Unselected Cases 362 69.5
Total 521 100.0
a. The variable C131 is constant for all selected cases. Since a constant
was requested in the model, it will be removed from the analysis.
b. The variable D111 is constant for all selected cases. Since a constant
was requested in the model, it will be removed from the analysis.
c. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 69 1.000
mujer 53 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 161.678 .492
0 2 161.675 .502
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 161.675
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tabled,e
Predicted
a
Selected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 46 .0
rendimieneto alto 0 76 100.0
Overall Percentage 62.3
Classification Tabled,e
Predicted
b,c
Unselected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 141 .0
rendimieneto alto 0 179 100.0
Overall Percentage 55.9
a. Selected cases curso GT 4
b. Unselected cases curso LE 4
c. Some of the unselected cases are not classified due to either missing values in the independent variables or
categorical variables with values out of the range of the selected cases.
d. Constant is included in the model.
e. The cut value is .500
Score df Sig.
Step Variables SEXO(1) 1.264 1 .261
0 REND1 66.320 1 .000
P1 7.024 1 .008
P2 .787 1 .375
P3 .485 1 .486
P4 .337 1 .562
P5 .099 1 .753
P6 3.021 1 .082
P7 .375 1 .540
P8 1.772 1 .183
P9 1.153 1 .283
P10 .448 1 .503
P11 4.091 1 .043
P12 .087 1 .768
P13 2.921 1 .087
P14 .469 1 .493
P15 .002 1 .969
P16 1.842 1 .175
P17 1.725 1 .189
P18 .000 1 .995
P19 .000 1 .992
P20 1.496 1 .221
P21 .296 1 .586
P22 1.615 1 .204
P23 .072 1 .789
P24 .351 1 .554
FELIZ .624 1 .429
ORGULLO .064 1 .800
ALIVIO 6.412 1 .011
MAL .883 1 .347
ENFADADO .017 1 .897
CULPABLE 9.860 1 .002
PREOCUPA .546 1 .460
DEFRAUDA 1.141 1 .285
SUMAA 2.711 1 .100
SUMAB .232 1 .630
SUMAC .308 1 .579
TIPOA .079 1 .779
TIPOB .406 1 .524
a. Residual Chi-Squares are not computed because of redundancies.
-2 Log Coefficients
Iteration likelihood Constant REND1
Step 1 90.082 2.316 -.641
1 2 79.220 3.551 -.996
3 77.420 4.305 -1.210
4 77.327 4.531 -1.272
5 77.327 4.546 -1.276
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 161.675
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
Chi-square df Sig.
Step 1 Step 84.348 1 .000
Block 84.348 1 .000
Model 84.348 1 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 9 8.925 0 .075 9
1 2 8 8.616 1 .384 9
3 7 7.762 2 1.238 9
4 15 13.362 6 7.638 21
5 4 4.265 9 8.735 13
6 3 1.918 13 14.082 16
7 0 .952 26 25.048 26
8 0 .199 19 18.801 19
Función de clasificación en la situación de éxito/fracaso de alumnosd
de Bachillerato, en la primera evaluación.
(IES "El Portillo").
Predicted
a
Selected Cases
dicotomica Percent
rendimiento rendimiento age
Observed bajo alto Correct
Step 1 dicotomica rendimiento
bajo 39 7 84.8
rendimiento
alto 9 67 88.2
Overall Percentage
86.9
Función de clasificación en la situación de éxito/fracaso de alumnosd
de Bachillerato, en la primera evaluación.
(IES "El Portillo").
Predicted
b,c
Unselected Cases
dicotomica
rendimiento rendimiento
Observed bajo alto % correct
Step 1 dicotomica rendimiento
bajo 123 18 87.2
rendimiento
alto 31 148 82.7
Overall Percentage
84.7
95.0% C.I.for
EXP(B)
B S.E. Wald df Sig. Exp(B) Lower Upper
Step
a REND1 -1.276 .227 31.526 1 .000 .279 .179 .436
1 Constant 4.546 .816 31.065 1 .000 94.261
a. Variable(s) entered on step 1: REND1.
Correlation Matrix
Constant REND1
Step Constant 1.000 -.935
1 REND1 -.935 1.000
Variables not in the Equationa
Score df Sig.
Step Variables SEXO(1) .458 1 .499
1 P1 .767 1 .381
P2 .286 1 .593
P3 .959 1 .327
P4 2.830 1 .093
P5 .423 1 .515
P6 .643 1 .422
P7 .706 1 .401
P8 .437 1 .508
P9 .116 1 .734
P10 .100 1 .752
P11 .375 1 .540
P12 2.337 1 .126
P13 2.886 1 .089
P14 .233 1 .630
P15 .217 1 .641
P16 1.466 1 .226
P17 .445 1 .505
P18 .473 1 .492
P19 .969 1 .325
P20 .490 1 .484
P21 .041 1 .840
P22 .672 1 .412
P23 .092 1 .762
P24 1.027 1 .311
FELIZ .226 1 .634
ORGULLO .517 1 .472
ALIVIO .245 1 .620
MAL .010 1 .920
ENFADADO .000 1 1.000
CULPABLE 1.043 1 .307
PREOCUPA .220 1 .639
DEFRAUDA .556 1 .456
SUMAA .756 1 .384
SUMAB 1.091 1 .296
SUMAC .001 1 .975
TIPOA .202 1 .653
TIPOB .002 1 .965
a. Residual Chi-Squares are not computed because of redundancies.
Casewise Listb
32 ô ô
ó ó
ó ó
F ó 1 ó
R 24 ô 1 ô
E ó 1 1 ó
Q ó 1 1 1ó
U ó 1 1 1ó
E 16 ô 0 1 1 1ô
N ó 0 1 1 1 1ó
C ó 0 1 1 1 1ó
Y ó0 1 1 0 1 1 1 1ó
8 ô0 0 0 0 1 1 1 1ô
ó0 0 0 0 1 1 1 1ó
ó0 0 0 0 0 0 1 1ó
ó0 0 0 0 0 0 1 1ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
125
126
Logistic Regression (Bachillerato-2ª evaluación).
Case Processing Summary
c
Unweighted Cases N Percent
Selected Casesa,b Included in Analysis 122 23.4
Missing Cases 37 7.1
Total 159 30.5
Unselected Cases 362 69.5
Total 521 100.0
a. The variable C131 is constant for all selected cases. Since a constant
was requested in the model, it will be removed from the analysis.
b. The variable D111 is constant for all selected cases. Since a constant
was requested in the model, it will be removed from the analysis.
c. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 69 1.000
mujer 53 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 161.678 .492
0 2 161.675 .502
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 161.675
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tabled,e
Predicted
a
Selected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 46 .0
rendimieneto alto 0 76 100.0
Overall Percentage 62.3
Classification Tabled,e
Predicted
b,c
Unselected Cases
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 141 .0
rendimieneto alto 0 179 100.0
Overall Percentage 55.9
a. Selected cases curso GT 4
b. Unselected cases curso LE 4
c. Some of the unselected cases are not classified due to either missing values in the independent variables or
categorical variables with values out of the range of the selected cases.
d. Constant is included in the model.
e. The cut value is .500
Score df Sig.
Step Variables SEXO(1) 1.264 1 .261
0 REND1 66.320 1 .000
P1 7.024 1 .008
P2 .787 1 .375
P3 .485 1 .486
P4 .337 1 .562
P5 .099 1 .753
P6 3.021 1 .082
P7 .375 1 .540
P8 1.772 1 .183
P9 1.153 1 .283
P10 .448 1 .503
P11 4.091 1 .043
P12 .087 1 .768
P13 2.921 1 .087
P14 .469 1 .493
P15 .002 1 .969
P16 1.842 1 .175
P17 1.725 1 .189
P18 .000 1 .995
P19 .000 1 .992
P20 1.496 1 .221
P21 .296 1 .586
P22 1.615 1 .204
P23 .072 1 .789
P24 .351 1 .554
FELIZ .624 1 .429
ORGULLO .064 1 .800
ALIVIO 6.412 1 .011
MAL .883 1 .347
ENFADADO .017 1 .897
CULPABLE 9.860 1 .002
PREOCUPA .546 1 .460
DEFRAUDA 1.141 1 .285
SUMAA 2.711 1 .100
SUMAB .232 1 .630
SUMAC .308 1 .579
TIPOA .079 1 .779
TIPOB .406 1 .524
REND2 59.536 1 .000
a. Residual Chi-Squares are not computed because of redundancies.
-2 Log Coefficients
Iteration likelihood Constant REND1 REND2
Step 1 90.082 2.316 -.641
1 2 79.220 3.551 -.996
3 77.420 4.305 -1.210
4 77.327 4.531 -1.272
5 77.327 4.546 -1.276
Step 1 86.274 2.428 -.438 -.244
2 2 73.158 3.862 -.679 -.409
3 70.180 4.935 -.844 -.542
4 69.877 5.418 -.914 -.604
5 69.872 5.488 -.924 -.613
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 161.675
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
Chi-square df Sig.
Step 1 Step 84.348 1 .000
Block 84.348 1 .000
Model 84.348 1 .000
Step 2 Step 7.455 1 .006
Block 91.802 2 .000
Model 91.802 2 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 9 8.925 0 .075 9
1 2 8 8.616 1 .384 9
3 7 7.762 2 1.238 9
4 15 13.362 6 7.638 21
5 4 4.265 9 8.735 13
6 3 1.918 13 14.082 16
7 0 .952 26 25.048 26
8 0 .199 19 18.801 19
Step 1 13 12.830 0 .170 13
2 2 11 11.172 1 .828 12
3 10 10.841 5 4.159 15
4 6 6.270 7 6.730 13
5 5 2.880 6 8.120 11
6 1 1.424 13 12.576 14
7 0 .399 16 15.601 16
8 0 .123 13 12.877 13
9
0 .062 15 14.938 15
Predicted
a
Selected Cases
dicotomica Percent
rendimiento rendimienet age
Observed bajo o alto Correct
Step 1 dicotomica rendimiento bajo 39 7 84.8
rendimiento alto 9 67 88.2
Overall Percentage 86.9
Step 2 dicotomica rendimiento bajo 37 9 80.4
rendimiento alto 10 66 86.8
Overall Percentage 84.4
Tabla de clasificación en la situación de éxito/fracaso en alumnos d
de Bachillerato, en la segunda evaluación. (IES
"El Portillo").
Predicted
b,c
Unselected Cases
dicotomica Percen
rendimiento rendimienet tage
Observed bajo o alto Correct
Step 1 dicotomica rendimiento bajo 123 18 87.2
rendimiento alto 31 148 82.7
Overall Percentage 84.7
Step 2 dicotomica rendimiento bajo 129 12 91.5
rendimiento alto 29 150 83.8
Overall Percentage 87.2
a. Selected cases curso GT 4
b. Unselected cases curso LE 4
c. Some of the unselected cases are not classified due to either missing values in the independent variables or
categorical variables with values out of the range of the selected cases.
d. The cut value is .500
Variables de entrada en la ecuación de predicción del rendimiento final en alumnos de Bachillerato, en la segunda
evaluación. (iES "El Portillo").
Variables de entrada en la ecuación de predicción del rendimiento final en alumnos de Bachillerato, en la segunda
evaluación. (iES "El Portillo").
Correlation Matrix
Score df Sig.
Step Variables SEXO(1) .458 1 .499
1 P1 .767 1 .381
P2 .286 1 .593
P3 .959 1 .327
P4 2.830 1 .093
P5 .423 1 .515
P6 .643 1 .422
P7 .706 1 .401
P8 .437 1 .508
P9 .116 1 .734
P10 .100 1 .752
P11 .375 1 .540
P12 2.337 1 .126
P13 2.886 1 .089
P14 .233 1 .630
P15 .217 1 .641
P16 1.466 1 .226
P17 .445 1 .505
P18 .473 1 .492
P19 .969 1 .325
P20 .490 1 .484
P21 .041 1 .840
P22 .672 1 .412
P23 .092 1 .762
P24 1.027 1 .311
FELIZ .226 1 .634
ORGULLO .517 1 .472
ALIVIO .245 1 .620
MAL .010 1 .920
ENFADADO .000 1 1.000
CULPABLE 1.043 1 .307
PREOCUPA .220 1 .639
DEFRAUDA .556 1 .456
SUMAA .756 1 .384
SUMAB 1.091 1 .296
SUMAC .001 1 .975
TIPOA .202 1 .653
TIPOB .002 1 .965
REND2 7.208 1 .007
Variables not in the Equationa
Score df Sig.
Step Variables SEXO(1) 1.373 1 .241
2 P1 1.079 1 .299
P2 .142 1 .706
P3 .446 1 .504
P4 2.710 1 .100
P5 .126 1 .723
P6 .784 1 .376
P7 .391 1 .532
P8 .799 1 .371
P9 .206 1 .650
P10 .323 1 .570
P11 .338 1 .561
P12 3.235 1 .072
P13 2.647 1 .104
P14 .142 1 .707
P15 .571 1 .450
P16 1.903 1 .168
P17 .383 1 .536
P18 .343 1 .558
P19 .991 1 .319
P20 .320 1 .571
P21 .145 1 .703
P22 .186 1 .666
P23 .025 1 .874
P24 .562 1 .454
FELIZ 1.338 1 .247
ORGULLO .560 1 .454
ALIVIO .001 1 .978
MAL .314 1 .575
ENFADADO .039 1 .844
CULPABLE 1.052 1 .305
PREOCUPA .695 1 .404
DEFRAUDA .399 1 .527
SUMAA .666 1 .415
SUMAB 1.377 1 .241
SUMAC .012 1 .911
TIPOA .696 1 .404
TIPOB .109 1 .741
a. Residual Chi-Squares are not computed because of redundancies.
Casewise Listb
32 ô ô
ó ó
ó ó
F ó 1 ó
R 24 ô 1 ô
E ó 1 1 ó
Q ó 1 1 1ó
U ó 1 1 1ó
E 16 ô 0 1 1 1ô
N ó 0 1 1 1 1ó
C ó 0 1 1 1 1ó
Y ó0 1 1 0 1 1 1 1ó
8 ô0 0 0 0 1 1 1 1ô
ó0 0 0 0 1 1 1 1ó
ó0 0 0 0 0 0 1 1ó
ó0 0 0 0 0 0 1 1ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
Step number: 2
Observed Groups and Predicted Probabilities
32 ô ô
ó ó
ó 1ó
F ó 1ó
R 24 ô 1ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 16 ô 1ô
N ó 1ó
C ó 11ó
Y ó 111ó
8 ô0 1 1 111ô
ó00 1 1 1 111ó
ó000 0 0 0 0 1 0 1 1 1 0 1 111ó
ó00000 00 0 0 0 1 0 0 0 0 0 0 1 11111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
137
138
Logistic Regression (ESO y BATO-1ª evaluación).
a
Unweighted Cases N Percent
Selected Cases Included in Analysis 441 84.6
Missing Cases 80 15.4
Total 521 100.0
Unselected Cases 0 .0
Total 521 100.0
a. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 242 1.000
mujer 199 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 600.516 .313
0 2 600.515 .316
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 600.515
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tablea,b
Predicted
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 186 .0
rendimieneto alto 0 255 100.0
Overall Percentage 57.8
a. Constant is included in the model.
b. The cut value is .500
Score df Sig.
Step Variables SEXO(1) 3.704 1 .054
0 CURSO 4.648 1 .031
REND1 231.381 1 .000
P1 47.916 1 .000
P2 .041 1 .840
P3 12.603 1 .000
P4 .123 1 .726
P5 15.105 1 .000
P6 1.448 1 .229
P7 .066 1 .798
P8 2.817 1 .093
P9 26.204 1 .000
P10 .537 1 .464
P11 3.724 1 .054
P12 1.488 1 .222
P13 36.087 1 .000
P14 4.269 1 .039
P15 2.303 1 .129
P16 5.105 1 .024
P17 16.893 1 .000
P18 22.083 1 .000
P19 2.505 1 .114
P20 4.464 1 .035
P21 15.209 1 .000
P22 1.046 1 .307
P23 1.201 1 .273
P24 8.103 1 .004
FELIZ .330 1 .566
ORGULLO 21.299 1 .000
ALIVIO 1.496 1 .221
MAL 8.758 1 .003
ENFADADO 20.361 1 .000
CULPABLE 1.880 1 .170
PREOCUPA 23.288 1 .000
DEFRAUDA 9.154 1 .002
SUMAA 42.924 1 .000
SUMAB .040 1 .841
SUMAC 4.649 1 .031
TIPOA .602 1 .438
TIPOB 2.076 1 .150
TIPOC .195 1 .659
TIPOD 19.647 1 .000
a. Residual Chi-Squares are not computed because of redundancies.
-2 Log Coefficients
Iteration likelihood Constant REND1 SUMAA P4 P14
Step 1 344.459 2.033 -.497
1 2 312.427 2.976 -.752
3 308.689 3.430 -.876
4 308.600 3.516 -.899
5 308.600 3.518 -.900
Step 1 337.616 1.013 -.476 .053
2 2 297.411 .784 -.728 .118
3 290.460 .501 -.880 .165
4 290.112 .421 -.924 .179
5 290.111 .417 -.927 .180
Step 1 335.387 .674 -.479 .052 .126
3 2 293.310 .113 -.738 .118 .240
3 285.545 -.394 -.901 .168 .320
4 285.105 -.543 -.952 .183 .344
5 285.103 -.553 -.956 .184 .346
Step 1 332.032 .728 -.473 .057 .185 -.161
4 2 287.754 .301 -.736 .125 .348 -.300
3 279.127 -.072 -.911 .174 .458 -.389
4 278.576 -.176 -.970 .189 .493 -.417
5 278.573 -.183 -.975 .191 .496 -.419
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 600.515
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
Chi-square df Sig.
Step 1 Step 291.916 1 .000
Block 291.916 1 .000
Model 291.916 1 .000
Step 2 Step 18.489 1 .000
Block 310.405 2 .000
Model 310.405 2 .000
Step 3 Step 5.007 1 .025
Block 315.412 3 .000
Model 315.412 3 .000
Step 4 Step 6.530 1 .011
Block 321.942 4 .000
Model 321.942 4 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 47 47.323 1 .677 48
1 2 28 26.369 0 1.631 28
3 30 32.113 7 4.887 37
4 26 27.649 12 10.351 38
5 30 26.029 20 23.971 50
6 11 11.637 27 26.363 38
7 7 7.455 42 41.545 49
8 4 5.235 73 71.765 77
9 3 2.189 73 73.811 76
Step 1 44 43.703 0 .297 44
2 2 38 39.400 4 2.600 42
3 37 37.492 8 7.508 45
4 27 27.305 15 14.695 42
5 21 18.716 23 25.284 44
6 9 10.160 36 34.840 45
7 7 5.102 38 39.898 45
8 1 2.399 46 44.601 47
9 1 1.126 40 39.874 41
10
1 .597 45 45.403 46
Step 1 43 43.715 1 .285 44
3 2 41 41.493 3 2.507 44
3 37 36.124 7 7.876 44
4 28 28.750 16 15.250 44
5 23 18.083 21 25.917 44
6 7 9.356 37 34.644 44
7 4 4.654 40 39.346 44
8 1 2.255 43 41.745 44
9 2 1.068 42 42.932 44
10 0 .502 45 44.498 45
Step 1 43 43.771 1 .229 44
4 2 41 41.912 3 2.088 44
3 37 36.516 7 7.484 44
4 27 28.237 17 15.763 44
5 22 18.361 23 26.639 45
6 9 9.533 35 34.467 44
7 4 4.143 40 39.857 44
8 3 2.063 42 42.937 45
9 0 1.032 44 42.968 44
10 0 .432 43 42.568 43
Tabla de clasificación en la situación de éxito/fracaso de alumnosa
de ESO y BATO, en la primera
evaluación. (IES "El Portillo").
Predicted
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 1 dicotomica rendimiento bajo 161 25 86.6
rendimiento alto 40 215 84.3
Overall Percentage 85.3
Step 2 dicotomica rendimiento bajo 151 35 81.2
rendimiento alto 32 223 87.5
Overall Percentage 84.8
Step 3 dicotomica rendimiento bajo 153 33 82.3
rendimiento alto 29 226 88.6
Overall Percentage 85.9
Step 4 dicotomica rendimiento bajo 152 34 81.7
rendimiento alto 28 227 89.0
Overall Percentage 85.9
a. The cut value is .500
Variables de entrada en la ecuación de predicción del rendimiento final en alumnos de ESO y BATO, en la primera
evaluación. (IES "El Portillo").
Step
c REND1 .323 .458
3 P4 1.040 1.920
SUMAA 1.104 1.309
Constant
Step
d REND1 .314 .453
4 P4 1.180 2.287
P14 .475 .910
SUMAA 1.112 1.317
Constant
a. Variable(s) entered on step 1: REND1.
b. Variable(s) entered on step 2: SUMAA.
c. Variable(s) entered on step 3: P4.
d. Variable(s) entered on step 4: P14.
Correlation Matrix
Step number: 4
80 ô ô
ó ó
ó ó
F ó ó
R 60 ô ô
E ó ó
Q ó ó
U ó1 1ó
E 40 ô0 11ô
N ó0 11ó
C ó0 11ó
Y ó0 111ó
20 ô0 1111ô
ó00 11111ó
ó0001 0 1 1 1111111ó
ó00000000 000 00000 011 1 11011 011 01 1 11111 111111111111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
147
148
Logistic Regression (ESO Y BATO-2ª evaluación).
Case Processing Summary
a
Unweighted Cases N Percent
Selected Cases Included in Analysis 441 84.6
Missing Cases 80 15.4
Total 521 100.0
Unselected Cases 0 .0
Total 521 100.0
a. If weight is in effect, see classification table for the total number of cases.
Parameter
di
Frequency (1)
sexo varon 242 1.000
mujer 199 .000
Coefficient
-2 Log s
Iteration likelihood Constant
Step 1 600.516 .313
0 2 600.515 .316
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 600.515
c. Estimation terminated at iteration number 2 because log-likelihood decreased by less than .010 percent.
Classification Tablea,b
Predicted
dicotomica
rendimiento rendimieneto Percentage
Observed bajo alto Correct
Step 0 dicotomica rendimiento bajo 0 186 .0
rendimieneto alto 0 255 100.0
Overall Percentage 57.8
a. Constant is included in the model.
b. The cut value is .500
Variables in the Equation
Score df Sig.
Step Variables SEXO(1) 3.704 1 .054
0 CURSO 4.648 1 .031
REND1 231.381 1 .000
REND2 253.526 1 .000
P1 47.916 1 .000
P2 .041 1 .840
P3 12.603 1 .000
P4 .123 1 .726
P5 15.105 1 .000
P6 1.448 1 .229
P7 .066 1 .798
P8 2.817 1 .093
P9 26.204 1 .000
P10 .537 1 .464
P11 3.724 1 .054
P12 1.488 1 .222
P13 36.087 1 .000
P14 4.269 1 .039
P15 2.303 1 .129
P16 5.105 1 .024
P17 16.893 1 .000
P18 22.083 1 .000
P19 2.505 1 .114
P20 4.464 1 .035
P21 15.209 1 .000
P22 1.046 1 .307
P23 1.201 1 .273
P24 8.103 1 .004
FELIZ .330 1 .566
ORGULLO 21.299 1 .000
ALIVIO 1.496 1 .221
MAL 8.758 1 .003
ENFADADO 20.361 1 .000
CULPABLE 1.880 1 .170
PREOCUPA 23.288 1 .000
DEFRAUDA 9.154 1 .002
SUMAA 42.924 1 .000
SUMAB .040 1 .841
SUMAC 4.649 1 .031
TIPOA .602 1 .438
TIPOB 2.076 1 .150
TIPOC .195 1 .659
TIPOD 19.647 1 .000
a. Residual Chi-Squares are not computed because of redundancies.
-2 Log Coefficients
Iteration likelihood Constant REND2 REND1 SUMAA P7 ALIVIO
Step 1 316.979 2.073 -.498
1 2 270.439 3.179 -.799
3 260.658 3.943 -1.013
4 259.893 4.238 -1.094
5 259.886 4.270 -1.102
Step 1 301.786 2.204 -.333 -.206
2 2 245.987 3.495 -.550 -.343
3 230.930 4.560 -.731 -.454
4 228.912 5.140 -.827 -.514
5 228.856 5.260 -.846 -.526
6
228.856 5.264 -.846 -.526
Step 1 299.557 1.648 -.321 -.205 .028
3 2 238.823 1.978 -.526 -.344 .080
3 220.020 2.147 -.709 -.467 .132
4 216.838 2.291 -.824 -.541 .163
5 216.701 2.337 -.854 -.560 .171
6 216.700 2.340 -.856 -.561 .172
Step 1 297.565 1.669 -.324 -.198 .042 -.151
4 2 235.365 2.106 -.531 -.336 .102 -.299
3 215.944 2.396 -.721 -.458 .161 -.418
4 212.619 2.594 -.840 -.531 .196 -.474
5 212.471 2.651 -.872 -.551 .205 -.486
6 212.471 2.654 -.874 -.552 .206 -.486
Step 1 297.230 1.595 -.323 -.198 .040 -.153 .042
5 2 233.466 1.794 -.532 -.340 .099 -.305 .159
3 212.470 1.798 -.726 -.470 .158 -.432 .299
4 208.591 1.837 -.854 -.554 .195 -.500 .384
5 208.393 1.859 -.892 -.578 .205 -.518 .406
6 208.392 1.861 -.894 -.579 .206 -.519 .407
a. Method: Forward Stepwise (Wald)
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 600.515
d. Estimation terminated at iteration number 5 because log-likelihood decreased by less than .010 percent.
e. Estimation terminated at iteration number 6 because log-likelihood decreased by less than .010 percent.
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 340.629 1 .000
Block 340.629 1 .000
Model 340.629 1 .000
Step 2 Step 31.030 1 .000
Block 371.660 2 .000
Model 371.660 2 .000
Step 3 Step 12.155 1 .000
Block 383.815 3 .000
Model 383.815 3 .000
Step 4 Step 4.230 1 .040
Block 388.044 4 .000
Model 388.044 4 .000
Step 5 Step 4.078 1 .043
Block 392.123 5 .000
Model 392.123 5 .000
Model Summary
dicotomica = dicotomica =
rendimiento bajo rendimieneto alto
Observed Expected Observed Expected Total
Step 1 36 35.919 0 .081 36
1 2 48 48.016 1 .984 49
3 53 54.060 13 11.940 66
4 25 26.723 25 23.277 50
5 16 11.594 26 30.406 42
6 7 6.296 49 49.704 56
7 1 2.180 53 51.820 54
8 0 1.213 88 86.787 88
Step 1 45 44.944 0 .056 45
2 2 42 42.193 1 .807 43
3 42 40.896 5 6.104 47
4 29 31.016 19 16.984 48
5 15 16.570 27 25.430 42
6 9 6.438 31 33.562 40
7 4 2.609 45 46.391 49
8 0 .845 49 48.155 49
9 0 .217 25 24.783 25
10 0 .273 53 52.727 53
Step 1 45 44.970 0 .030 45
3 2 43 43.286 1 .714 44
3 39 39.459 5 4.541 44
4 32 30.538 13 14.462 45
5 14 17.085 30 26.915 44
6 10 7.347 34 36.653 44
7 3 2.273 42 42.727 45
8 0 .659 44 43.341 44
9 0 .274 42 41.726 42
10 0 .109 44 43.891 44
Step 1 44 43.978 0 .022 44
4 2 43 43.378 1 .622 44
3 39 39.495 5 4.505 44
4 33 30.890 11 13.110 44
5 15 17.839 29 26.161 44
6 9 7.111 35 36.889 44
7 3 2.249 41 41.751 44
8 0 .672 44 43.328 44
9 0 .282 45 44.718 45
10 0 .107 44 43.893 44
Step 1 44 43.984 0 .016 44
5 2 44 43.393 0 .607 44
3 39 39.807 5 4.193 44
4 31 31.197 13 12.803 44
5 15 17.295 29 26.705 44
6 11 7.386 34 37.614 45
7 2 2.003 42 41.997 44
8 0 .607 44 43.393 44
9 0 .238 44 43.762 44
10 0 .091 44 43.909 44
Función de clasificación en la situación de éxito/fracaso en alumnos dea
ESO y BACHILLERATO,
en la segunda evaluación. (IES "El Portillo").
Predicted
dicotomica
rendimiento rendimiento Percentage
Observed bajo alto Correct
Step 1 dicotomica rendimiento bajo 162 24 87.1
rendimiento alto 39 216 84.7
Overall Percentage 85.7
Step 2 dicotomica rendimiento bajo 159 27 85.5
rendimiento alto 27 228 89.4
Overall Percentage 87.8
Step 3 dicotomica rendimiento bajo 160 26 86.0
rendimiento alto 21 234 91.8
Overall Percentage 89.3
Step 4 dicotomica rendimiento bajo 161 25 86.6
rendimiento alto 22 233 91.4
Overall Percentage 89.3
Step 5 dicotomica rendimiento bajo 161 25 86.6
rendimiento alto 25 230 90.2
Overall Percentage 88.7
a. The cut value is .500
Variables de entrada en la ecuación de predicción del rendimiento final en alumnos de ESO y BACHILLERATO, en
la segunda evaluación. IES "El Portillo".
Step
c REND1 .466 .698
3 REND2 .336 .538
SUMAA 1.075 1.312
Constant
Step
d REND1 .470 .705
4 REND2 .329 .530
P7 .383 .987
SUMAA 1.102 1.369
Constant
Step
e REND1 .455 .690
5 REND2 .320 .522
P7 .371 .955
ALIVIO 1.006 2.244
SUMAA 1.101 1.372
Constant
a. Variable(s) entered on step 1: REND2.
b. Variable(s) entered on step 2: REND1.
c. Variable(s) entered on step 3: SUMAA.
d. Variable(s) entered on step 4: P7.
e. Variable(s) entered on step 5: ALIVIO.
Correlation Matrix
160 ô ô
ó ó
ó ó
F ó ó
R 120 ô 1ô
E ó 1ó
Q ó 1ó
U ó 1ó
E 80 ô 1ô
N ó0 1ó
C ó0 1ó
Y ó0 1ó
40 ô0 1ô
ó0 11ó
ó00 111ó
ó00 0000 1 0 1 1 1 1 11111ó
Predicted òòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòôòòòòòòòòòòòòòòò
Prob: 0 .25 .5 .75 1
Group: 000000000000000000000000000000111111111111111111111111111111
159
160
Discriminant (ESO-1ª evaluación).
Analysis Case Processing Summary
Analysis 1
Stepwise Statistics
Variables de entrada en la ecuación de predicción (análisis discriminante) de variables independientes sobre el
a,b,c,d
rendimiento final en la ESO, y en la 1ª evaluación. (N=319).
Wilks' Lambda
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 214.512 2 316.000 .000
2 92.939 4 630.000 .000
3 65.335 6 628.000 .000
4 50.989 8 626.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 84.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Variables in the Analysis
Wilks'
Step Tolerance F to Remove Lambda
1 eval1ªsus 1.000 214.512
2 eval1ªsus .996 199.736 .897
enfadado .996 11.404 .424
3 eval1ªsus .994 171.348 .793
enfadado .959 7.259 .397
MIIE1 .961 6.811 .396
4 eval1ªsus .993 166.902 .758
enfadado .959 7.056 .383
MIIE1 .961 6.470 .382
curso .999 5.325 .379
Wilks' Lambda
Number of
Step Variables Lambda df1 df2 df3
1 1 .424 1 2 316
2 2 .396 2 2 316
3 3 .379 3 2 316
4 4 .367 4 2 316
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 214.512 2 316.000 .000
2 92.939 4 630.000 .000
3 65.335 6 628.000 .000
4 50.989 8 626.000 .000
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 1.681 a 99.0 99.0 .792
2 .017a 1.0 100.0 .130
a. First 2 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 through 2 .367 315.603 8 .000
2 .983 5.402 3 .145
Standardized Canonical Discriminant Function Coefficients
Function
1 2
curso -.181 .853
eval1ªsus .909 .325
MIIE1 -.251 .315
enfadado .266 -.171
Structure Matrix
Function
1 2
eval1ªsus .898* .342
suma puntuaciones a
motivación internalizada -.293* .236
enfadado .260* -.254
MIIE13a -.251* .195
MIIE9a -.233* .168
orgulloa -.194* .111
MIIE17a -.181* .160
MIIE21a -.173* .085
preocupadoa -.171* .023
MIIE18a -.162* .087
MIIE5a -.145* .113
D111a .144* -.041
MIIE15a -.132* .122
MIIE19a -.131* .106
A313a -.130* .096
feliza -.116* .087
MIIE4a .097* -.075
MIIE7a -.090* .066
defraudadoa -.077* .045
culpable a .066* .039
MIIE6a .032* -.012
curso -.165 .864*
MIIE1 -.338 .345*
MIIE11a -.031 .187*
suma
puntuacionesmotivación
a -.130 .156*
intírinseca
mala .121 -.148*
MIIE24a .102 -.145*
MIIE3a -.132 .138*
C131a .094 -.133*
MIIE12a .081 -.124*
MIIE14a .013 -.118*
MIIE22a .033 -.118*
MIIE10a -.065 .103*
suma puntuaciones a
motivación extrínseca .028 -.097*
MIIE23a -.086 .095*
MIIE20a .023 -.090*
MIIE2a .047 -.087*
alivioa .006 .082*
MIIE8a -.002 -.070*
B333a .014 .063*
MIIE16a -.020 -.057*
sexoa -.007 .057*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1 2
curso -.174 .820
eval1ªsus .454 .162
MIIE1 -.296 .371
enfadado .290 -.186
(Constant) -.917 -3.391
Unstandardized coefficients
Function
3RENDIM 1 2
rend. bajo 1.916 -9,312E-02
rend. medio .510 .292
rend. alto -1.057 -3,973E-02
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 362
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 362
3RENDIM
rend. bajo rend. medio rend. alto
curso 1.842 2.403 2.404
eval1ªsus 1.914 1.338 .572
MIIE1 4.079 4.638 4.979
enfadado 3.702 3.222 2.829
(Constant) -18.929 -17.783 -14.360
Fisher's linear discriminant functions
Territorial Map
Canonical Discriminant
Function 2
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
6.0 ô 32 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
4.0 ô ô ô 32ô 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
2.0 ô ô ô 32 21 ô ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 3* 21 ó
.0 ô ô ô * ô 321 * ô ô
ó 321 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-2.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-4.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-6.0 ô 31 ô
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
Canonical Discriminant Function 1
Symbols used in territorial map
1 1 rend. bajo
2 2 rend. medio
3 3 rend. alto
* Indicates a group centroid
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. bajo
-2 -1 0 1 2 3 4 5
Function 1
Group Centroid
Function 2
-1
Group Centroid
-2 rend. medio
-2 -1 0 1 2 3
Function 1
Canonical Discriminant Functions
3RENDIM = rend. alto
2
-1
Group Centroid
Function 2
-2
Group Centroid
-3 rend. alto
-3 -2 -1 0 1 2
Function 1
1
rend. medio
rend. alto rend. bajo
0
3RENDIM
-1 Group Centroids
rend. alto
Function 2
-2
rend. medio
-3 rend. bajo
-3 -2 -1 0 1 2 3 4 5
Function 1
Classification Resultsb,c
171
172
Análisis Discriminante (ESO-2ª evaluación)
Analysis Case Processing Summary
Analysis 1
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 412.608 2 316.000 .000
2 151.007 4 630.000 .000
3 104.394 6 628.000 .000
4 80.512 8 626.000 .000
5 65.842 10 624.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 86.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Variables in the Analysis
Wilks'
Step Tolerance F to Remove Lambda
1 eval2ªsus 1.000 412.608
2 eval2ªsus .993 384.603 .897
enfadado .993 9.828 .277
3 eval2ªsus .687 90.734 .396
enfadado .993 9.781 .266
eval1ªsus .689 6.252 .261
4 eval2ªsus .686 89.431 .382
enfadado .993 9.517 .258
eval1ªsus .689 6.204 .253
curso .998 4.976 .251
5 eval2ªsus .684 89.277 .372
enfadado .993 9.435 .251
eval1ªsus .689 6.191 .246
curso .998 4.794 .244
alivio .994 4.064 .243
Wilks' Lambda
Number of
Step Variables Lambda df1 df2 df3
1 1 .277 1 2 316
2 2 .261 2 2 316
3 3 .251 3 2 316
4 4 .243 4 2 316
5 5 .237 5 2 316
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 412.608 2 316.000 .000
2 151.007 4 630.000 .000
3 104.394 6 628.000 .000
4 80.512 8 626.000 .000
5 65.842 10 624.000 .000
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 3.125 a 99.2 99.2 .870
2 .024a .8 100.0 .153
a. First 2 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 through 2 .237 452.384 10 .000
2 .977 7.457 4 .114
Function
1 2
curso -.159 .679
eval1ªsus .223 .870
alivio -.183 -.073
enfadado .275 -.113
eval2ªsus .833 -.519
Structure Matrix
Function
1 2
eval2ªsus .914* -.002
eval1ªsus .657* .599
MIIE13a -.204* .041
enfadado .191* -.126
orgulloa -.184* -.022
suma puntuaciones a
motivación internalizada -.181* -.001
MIIE1a -.179* .038
MIIE18a -.149* -.035
D111a .145* .054
preocupadoa -.142* -.057
MIIE17a -.121* .010
MIIE21a -.121* -.035
MIIE19a -.120* .021
MIIE9a -.118* -.036
MIIE7a -.109* .007
MIIE10a -.109* .068
alivio -.109* -.056
defraudadoa -.099* .006
MIIE3a -.096* .036
A313a -.095* .033
suma
puntuacionesmotivación
a -.094* .037
intírinseca
MIIE16a -.076* -.074
MIIE5a -.074* -.020
MIIE15a -.064* -.006
feliza -.064* -.022
MIIE6a -.064* .018
MIIE23a -.055* .009
curso -.124 .676*
MIIE8a .033 -.143*
MIIE24a .088 -.133*
suma puntuaciones a
motivación extrínseca -.025 -.114*
MIIE22a .006 -.114*
MIIE2a .050 -.108*
MIIE11a .001 .101*
MIIE14a -.032 -.097*
MIIE12a .002 -.084*
MIIE4a .071 -.083*
MIIE20a -.039 -.081*
mala .059 -.073*
culpable a .000 .066*
C131a .058 -.066*
sexoa .025 .035*
B333a -.014 .025*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1 2
curso -.152 .653
eval1ªsus .111 .435
alivio -.202 -.081
enfadado .299 -.123
eval2ªsus .490 -.305
(Constant) -1.941 -1.667
Unstandardized coefficients
Function
3RENDIM 1 2
rend. bajo 2.661 -.100
rend. medio .533 .346
rend. alto -1.417 -5.195E-02
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 362
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 362
3RENDIM
rend. bajo rend. medio rend. alto
curso 1.744 2.360 2.397
eval1ªsus .690 .647 .256
alivio 2.209 2.603 3.029
enfadado 3.151 2.460 1.925
eval2ªsus 2.308 1.128 .293
(Constant) -20.785 -14.557 -9.664
Fisher's linear discriminant functions
Territorial Map
Canonical Discriminant
Function 2
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
6.0 ô 32 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
4.0 ô ô ô 32 ô ô21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
2.0 ô ô ô 32 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32* 21 ó
.0 ô ô ô * ô32 21 ô * ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 3221 ó
-2.0 ô ô ô ô 3221 ô ô ô
ó 321 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-4.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-6.0 ô 31 ô
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
Canonical Discriminant Function 1
Symbols used in territorial map
1 1 rend. bajo
2 2 rend. medio
3 3 rend. alto
* Indicates a group centroid
Separate-Groups Graphs
-1
-2 Group Centroid
Function 2
-3 Group Centroid
-4 rend. bajo
-1 0 1 2 3 4 5
Function 1
Group Centroid
Function 2
-1
Group Centroid
-2 rend. medio
-2 -1 0 1 2 3
Function 1
Canonical Discriminant Functions
3RENDIM = rend. alto
3
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. alto
-3 -2 -1 0 1 2
Function 1
1
rend. medio
rend. alto rend. bajo
0
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3 rend. medio
-4 rend. bajo
-4 -2 0 2 4 6
Function 1
Classification Resultsb,c
183
184
Discriminant (Bachillerato 1ª evaluación).
Warnings
Analysis 1
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 80.904 2 119.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 84.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Number of
Step Variables Lambda df1 df2 df3
1 1 .424 1 2 119
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 80.904 2 119.000 .000
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 1.360 a 100.0 100.0 .759
a. First 1 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 .424 102.167 2 .000
Function
1
eval1ªsus 1.000
Structure Matrix
Function
1
eval1ªsus 1.000
MIIE6a .262
MIIE20a .191
suma puntuaciones a
motivación extrínseca .183
MIIE4a .175
MIIE12a .169
MIIE2a .161
preocupadoa -.141
alivioa .134
MIIE24a .129
MIIE9a -.128
culpable a .112
MIIE1a -.105
MIIE3a .105
A313a -.104
MIIE13a .096
sexoa -.093
MIIE23a -.090
MIIE16a .086
mala .082
MIIE5a .077
feliza .077
MIIE10a .074
MIIE15a .072
B333a .049
MIIE22a .049
MIIE19a -.044
cursoa .043
MIIE18a -.042
MIIE7a -.037
MIIE11a -.035
orgulloa .031
defraudadoa .024
MIIE8a .019
suma puntuaciones a
motivación internalizada -.019
MIIE14a -.013
MIIE21a .011
MIIE17a -.009
enfadadoa .008
suma
puntuacionesmotivación
a -.007
intírinseca
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1
eval1ªsus .681
(Constant) -1.936
Unstandardized coefficients
Function
3RENDIM 1
rend. bajo 2.284
rend. medio 1.203
rend. alto -.870
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 159
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 159
3RENDIM
rend. bajo rend. medio rend. alto
eval1ªsus 2.873 2.137 .726
(Constant) -11.407 -6.146 -1.041
Fisher's linear discriminant functions
Separate-Groups Graphs
Canonical Discriminant Function 1
3RENDIM = rend. bajo
8
2
Std. Dev = 1.12
Mean = 2.3
0 N = 25.00
0.0 1.0 2.0 3.0 4.0
20
10
40
30
20
Classification Resultsb,c
191
192
Discriminant. Bachillerato-2ª evaluación.
Analysis Case Processing Summary
Analysis 1
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 80.904 2 119.000 .000
2 39.673 4 236.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 86.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Wilks'
Step Tolerance F to Remove Lambda
1 eval1ªsus 1.000 80.904
2 eval1ªsus .634 11.106 .425
eval2ªsus .634 10.933 .424
Wilks' Lambda
Number of
Step Variables Lambda df1 df2 df3
1 1 .424 1 2 119
2 2 .358 2 2 119
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 80.904 2 119.000 .000
2 39.673 4 236.000 1.033E-14
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 1.680 a 97.5 97.5 .792
2 .044a 2.5 100.0 .205
a. First 2 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 through 2 .358 121.883 4 .000
2 .958 5.071 1 .024
Function
1 2
eval1ªsus .561 -1.124
eval2ªsus .556 1.127
Structure Matrix
Function
1 2
eval1ªsus .897* -.442
eval2ªsus .895* .446
MIIE6a .244* -.098
suma puntuaciones a
motivación extrínseca .181* -.047
MIIE2a .172* -.015
MIIE12a .168* -.041
preocupadoa -.161* -.007
MIIE9a -.160* -.034
MIIE4a .151* -.089
MIIE20a .149* -.129
A313a -.143* -.054
alivioa .139* -.021
feliza .134* .098
culpable a .116* -.019
MIIE15a .112* .064
MIIE22a .101* .095
MIIE24a .098* -.094
MIIE13a .086* -.041
MIIE16a .084* -.023
MIIE10a .077* -.011
MIIE18a -.045* .004
defraudadoa .041* .028
B333a .038* -.034
suma puntuaciones a
motivación internalizada -.028* -.015
orgulloa .026* -.017
MIIE21a .023* .021
cursoa .117 .138*
mala .029 -.126*
MIIE19a .009 .118*
sexoa -.046 .117*
MIIE3a .064 -.107*
MIIE23a -.051 .100*
MIIE1a -.070 .096*
MIIE5a .045 -.083*
MIIE11a -.001 .076*
suma
puntuacionesmotivación
a .029 .076*
intírinseca
MIIE7a -.008 .067*
MIIE8a .049 .055*
enfadadoa -.003 -.024*
MIIE17a -.021 -.021*
MIIE14a -.004 .021*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1 2
eval1ªsus .382 -.765
eval2ªsus .374 .759
(Constant) -2.144 .030
Unstandardized coefficients
Function
3RENDIM 1 2
rend. bajo 2.805 .522
rend. medio 1.217 -.252
rend. alto -.945 5.047E-02
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 159
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 159
3RENDIM
rend. bajo rend. medio rend. alto
eval1ªsus 1.512 1.498 .442
eval2ªsus 2.225 1.044 .464
(Constant) -14.865 -6.907 -1.191
Fisher's linear discriminant functions
Territorial Map
Canonical Discriminant
Function 2
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
6.0 ô 31 ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
4.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 321 ó
ó 3221 ó
ó 32 21 ó
ó 32 21 ó
2.0 ô ô ô ô 32 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21* ó
ó 32 21 ó
.0 ô ô ô * ô 32 ô 21 ô ô
ó 32 * 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
-2.0 ô ô ô ô32 ô 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
-4.0 ô ô ô 32 ô ô 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
-6.0 ô 32 21ô
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
Canonical Discriminant Function 1
Symbols used in territorial map
1 1 rend. bajo
2 2 rend. medio
3 3 rend. alto
* Indicates a group centroid
Separate-Groups Graphs
0 Group Centroid
Function 2
-1 Group Centroid
-2 rend. bajo
1.0 1.5 2.0 2.5 3.0 3.5 4.0
Function 1
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. medio
-1 0 1 2 3 4
Function 1
Canonical Discriminant Functions
3RENDIM = rend. alto
3
-1
-2 Group Centroid
Function 2
-3 Group Centroid
-4 rend. alto
-3 -2 -1 0 1 2 3
Function 1
rend. bajo
rend. alto
rend. medio
3RENDIM
0
Group Centroids
rend. alto
Function 2
-2
rend. medio
-4 rend. bajo
-3 -2 -1 0 1 2 3 4
Function 1
Classification Resultsb,c
201
202
Discriminant (ESO y Bachillerato-1ª evaluación).
Analysis Case Processing Summary
Analysis 1
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 303.196 2 438.000 .000
2 128.840 4 874.000 .000
3 91.443 6 872.000 .000
4 71.057 8 870.000 .000
5 58.166 10 868.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 84.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Variables in the Analysis
Wilks'
Step Tolerance F to Remove Lambda
1 eval1ªsus 1.000 303.196
2 eval1ªsus .998 289.079 .919
curso .998 13.062 .419
3 eval1ªsus .996 275.212 .852
curso .998 12.363 .398
enfadado .998 10.980 .396
4 eval1ªsus .992 239.223 .768
curso .983 11.142 .385
enfadado .975 8.025 .379
MIIE1 .958 6.511 .377
5 eval1ªsus .990 232.172 .742
curso .983 10.966 .377
enfadado .972 7.390 .371
MIIE1 .875 4.548 .366
D111 .901 4.408 .366
Wilks' Lambda
Number of
Step Variables Lambda df1 df2 df3
1 1 .419 1 2 438
2 2 .396 2 2 438
3 3 .377 3 2 438
4 4 .366 4 2 438
5 5 .359 5 2 438
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 303.196 2 438.000 .000
2 128.840 4 874.000 .000
3 91.443 6 872.000 .000
4 71.057 8 870.000 3.864E-14
5 58.166 10 868.000 .000
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 1.601 a 95.7 95.7 .785
2 .072a 4.3 100.0 .260
a. First 2 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 through 2 .359 447.241 10 .000
2 .932 30.500 4 .000
Function
1 2
curso -.090 .807
eval1ªsus .916 .279
MIIE1 -.192 -.112
enfadado .222 -.232
D111 .098 -.489
Structure Matrix
Function
1 2
eval1ªsus .929* .233
MIIE1 -.324* .157
suma puntuaciones a
motivación internalizada -.295* .266
MIIE9a -.242* .141
preocupadoa -.184* .106
orgulloa -.182* .141
MIIE21a -.163* .147
MIIE18a -.131* .071
MIIE4a .129* -.063
A313a -.127* .095
MIIE12a .118* -.118
MIIE24a .108* -.106
MIIE7a -.096* .092
feliza -.089* .062
C131a .070* -.063
MIIE6a .069* .041
suma puntuaciones a
motivación extrínseca .056* -.048
sexoa -.031* .024
B333a .030* -.004
MIIE14a -.015* -.006
MIIE8a -.010* -.004
MIIE16a -.009* .003
curso -.160 .802*
D111 .235 -.488*
enfadado .224 -.287*
MIIE13a -.244 .286*
MIIE11a -.074 .263*
MIIE5a -.154 .234*
MIIE17a -.192 .233*
suma
puntuacionesmotivación
a -.138 .214*
intírinseca
MIIE23a -.120 .176*
MIIE19a -.131 .161*
defraudadoa -.096 .158*
MIIE15a -.110 .144*
MIIE20a .088 -.134*
mala .128 -.133*
MIIE3a -.099 .126*
alivioa .016 .113*
MIIE10a -.033 .076*
culpable a .057 .069*
MIIE2a .054 -.059*
MIIE22a .024 -.030*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1 2
curso -.056 .506
eval1ªsus .490 .149
MIIE1 -.231 -.136
enfadado .246 -.257
D111 .496 -2.461
(Constant) -1.275 -1.250
Unstandardized coefficients
Function
3RENDIM 1 2
rend. bajo 2.090 -.247
rend. medio .600 .522
rend. alto -.986 -8.657E-02
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 521
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 521
3RENDIM
rend. bajo rend. medio rend. alto
curso .860 1.332 1.114
eval1ªsus 2.180 1.564 .696
MIIE1 4.712 4.952 5.402
enfadado 3.465 2.902 2.669
D111 7.862 5.232 5.943
(Constant) -20.360 -17.608 -13.928
Fisher's linear discriminant functions
Territorial Map
Canonical Discriminant
Function 2
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
6.0 ô 32 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
4.0 ô ô ô 32 ô ô 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
2.0 ô ô ô 32 ô 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32* 21 ó
ó 32 21 ó
.0 ô ô ô * ô 32 21 ô ô ô
ó 32 21 * ó
ó 321 ó
ó 31 ó
ó 31 ó
ó 31 ó
-2.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-4.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-6.0 ô 31 ô
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
Canonical Discriminant Function 1
Symbols used in territorial map
1 1 rend. bajo
2 2 rend. medio
3 3 rend. alto
* Indicates a group centroid
Separate-Groups Graphs
-1
-2 Group Centroid
Function 2
-3 Group Centroid
-4 rend. bajo
-2 -1 0 1 2 3 4 5
Function 1
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. medio
-2 -1 0 1 2 3
Function 1
Canonical Discriminant Functions
3RENDIM = rend. alto
3
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. alto
-3 -2 -1 0 1 2 3
Function 1
1
rend. medio
rend. alto
0 rend. bajo
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3 rend. medio
-4 rend. bajo
-3 -2 -1 0 1 2 3 4 5
Function 1
Classification Resultsb,c
213
214
Discriminant (ESO Y BATO-2ª evaluación).
Analysis Case Processing Summary
Analysis 1
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 518.419 2 438.000 .000
2 194.426 4 874.000 .000
3 136.528 6 872.000 .000
4 106.661 8 870.000 .000
5 86.736 10 868.000 .000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 86.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
Variables in the Analysis
Wilks'
Step Tolerance F to Remove Lambda
1 eval2ªsus 1.000 518.419
2 eval2ªsus .678 108.768 .419
eval1ªsus .678 13.251 .297
3 eval2ªsus .678 106.482 .396
eval1ªsus .677 13.404 .282
curso .998 11.591 .280
4 eval2ªsus .677 104.005 .377
eval1ªsus .677 13.334 .270
curso .998 11.078 .268
enfadado .996 9.380 .266
5 eval2ªsus .676 103.304 .369
eval1ªsus .673 14.035 .266
curso .968 11.567 .264
enfadado .964 11.186 .263
MIIE4 .926 4.067 .255
Wilks' Lambda
Number of
Step Variables Lambda df1 df2 df3
1 1 .297 1 2 438
2 2 .280 2 2 438
3 3 .266 3 2 438
4 4 .255 4 2 438
5 5 .250 5 2 438
Wilks' Lambda
Exact F
Step Statistic df1 df2 Sig.
1 518.419 2 438.000 .000
2 194.426 4 874.000 .000
3 136.528 6 872.000 .000
4 106.661 8 870.000 4.952E-14
5 86.736 10 868.000 .000
Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 2.735 a 97.5 97.5 .856
2 .070a 2.5 100.0 .256
a. First 2 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Wilks'
Test of Function(s) Lambda Chi-square df Sig.
1 through 2 .250 604.104 10 .000
2 .935 29.528 4 .000
Function
1 2
curso -.127 .787
eval1ªsus .277 .719
MIIE4 -.164 -.045
enfadado .256 -.208
eval2ªsus .798 -.399
Structure Matrix
Function
1 2
eval2ªsus .930* .002
eval1ªsus .708* .463
suma puntuaciones a
motivación internalizada -.170* .143
preocupadoa -.163* -.023
MIIE1a -.155* .122
D111a .151* -.034
MIIE9a -.136* .056
orgulloa -.135* .047
MIIE18a -.112* -.048
MIIE21a -.098* .043
defraudadoa -.097* .070
MIIE7a -.079* .066
MIIE10a -.069* -.012
alivioa .039* .015
feliza -.023* .001
curso -.129 .776*
enfadado .173 -.237*
MIIE20a .001 -.217*
suma puntuaciones a
motivación extrínseca -.016 -.201*
MIIE24a .098 -.201*
MIIE12a .013 -.201*
MIIE11a -.010 .179*
MIIE4 -.002 -.176*
MIIE8a -.009 -.174*
MIIE13a -.167 .172*
MIIE17a -.116 .145*
suma
puntuacionesmotivación
a -.070 .144*
intírinseca
MIIE22a .027 -.129*
mala .056 -.128*
MIIE14a -.055 -.120*
MIIE19a -.091 .117*
MIIE23a -.051 .112*
MIIE5a -.088 .106*
C131a .041 -.105*
MIIE2a .057 -.103*
A313a -.101 .102*
MIIE16a -.079 -.089*
MIIE15a -.031 .088*
MIIE3a -.065 .086*
culpable a .011 .040*
sexoa .023 .027*
MIIE6a -.009 -.026*
B333a -.003 .013*
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Function
1 2
curso -.079 .493
eval1ªsus .148 .385
MIIE4 -.170 -.047
enfadado .284 -.230
eval2ªsus .485 -.243
(Constant) -1.971 -1.590
Unstandardized coefficients
Function
3RENDIM 1 2
rend. bajo 2.806 -.220
rend. medio .620 .519
rend. alto -1.260 -9.553E-02
Unstandardized canonical discriminant functions evaluated at group means
Classification Statistics
Classification Processing Summary
Processed 521
Excluded Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 521
3RENDIM
rend. bajo rend. medio rend. alto
curso 1.382 1.920 1.766
eval1ªsus .762 .722 .206
MIIE4 2.630 2.968 3.318
enfadado 2.631 1.841 1.449
eval2ªsus 2.382 1.142 .379
(Constant) -22.043 -15.362 -10.079
Fisher's linear discriminant functions
Territorial Map
Canonical Discriminant
Function 2
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
6.0 ô 32 21 ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
4.0 ô ô ô 32 ô ô 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
2.0 ô ô ô 32ô ô 21 ô ô
ó 32 21 ó
ó 32 21 ó
ó 32 21 ó
ó 32 * 21 ó
ó 32 21 ó
.0 ô ô ô * ô32 21ô ô ô
ó 32 21 * ó
ó 32 21 ó
ó 32 21 ó
ó 3221 ó
ó 3221 ó
-2.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-4.0 ô ô ô ô 31 ô ô ô
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
ó 31 ó
-6.0 ô 31 ô
ôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòôòòòòòòòòòô
-6.0 -4.0 -2.0 .0 2.0 4.0 6.0
Canonical Discriminant Function 1
Symbols used in territorial map
1 1 rend. bajo
2 2 rend. medio
3 3 rend. alto
* Indicates a group centroid
Separate-Groups Graphs
-1
-2 Group Centroid
Function 2
-3 Group Centroid
-4 rend. bajo
-1 0 1 2 3 4 5 6
Function 1
Group Centroid
Function 2
-1
Group Centroid
-2 rend. medio
-2 -1 0 1 2 3 4
Function 1
Canonical Discriminant Functions
3RENDIM = rend. alto
3
-1
Group Centroid
Function 2
-2 Group Centroid
-3 rend. alto
-3 -2 -1 0 1 2
Function 1
1
rend. medio
rend. alto rend. bajo
0
-1 3RENDIM
Group Centroids
-2
rend. alto
Function 2
-3 rend. medio
-4 rend. bajo
-4 -2 0 2 4 6
Function 1
Classification Resultsb,c