Statistical matching en la práctica – Una aplicación a la evaluación del sistema educativo mediante PISA y TALIS

  1. Leunda Iztueta, Ixiar 1
  2. Garmendia Navarro, Ines
  3. Etxeberria Murgiondo, Juan 1
  1. 1 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info

    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

Revista:
Revista de investigación educativa, RIE

ISSN: 0212-4068,  1989-9106

Año de publicación: 2017

Volumen: 35

Número: 2

Páginas: 371-388

Tipo: Artículo

DOI: 10.6018/RIE.35.2.262171 DIALNET GOOGLE SCHOLAR lock_openDIGITUM editor

Otras publicaciones en: Revista de investigación educativa, RIE

Resumen

Con el nombre Statistical Matching se identifican un conjunto de técnicas que posibilitan integrar información obtenida mediante encuestas independientes con unidades muestrales distintas. El objetivo es obtener un fichero de datos sintético con información plausible para ítems provenientes de distintas fuentes. Método: El Matching parte de la existencia de variables comunes entre los ficheros, usualmente, variables sociodemográficas. Este bloque de información común se emplea para imputar los ítems específicos de las encuestas. Resultados: Explicitamos las fases principales del Statistical Matching y las aplicamos a las encuestas PISA 2012 y TALIS 2013 de España. Proporcionamos pautas para una validación de los resultados. En todas las fases se ha utilizado el software libre R. Conclusiones: La potencialidad de Statistical Matching es enorme en tanto que posibilita enlazar ficheros de origen distinto. Las técnicas de Statistical Matching son accesibles gracias al desarrollo de diversos paquetes de R. Su aplicación en Ciencias Sociales puede ser solución a multitud de problemas metodológicos y contribuir a un mejor conocimiento de la realidad social

Referencias bibliográficas

  • Breakspear, S. (2012). The policy impact of PISA: An Exploration of the Normative Effects of International Benchmarking in School System Performance. OECD Journals, 71, 1–32. doi:http://dx.doi.org/10.1787/19939019
  • Choi, A., & Jerrim, J. (2016). The Use (and Misuse) of PISA in Guiding Policy Reform: The Case of Spain. Comparative education. 56(2), 230–245. doi:http://dx.doi.org/10 .1080/03050068.2016.1142739
  • D’Orazio, M., Di Zio, M., & Scanu, M. (2006). Statistical Matching: Theory and Practice. NJ: Wiley.
  • D’Orazio, M. (2012). StatMach: Statistical Matching. R package version 1.2.0. Recuperado de http://CRAN.R-project.org/package=StatMatch
  • D’Orazio, M. (2013). Statistical Matching: Metodological issues and practice with R-StatMatch (or. 69). XXVI. Seminario Internacional de Estadística. Eustat. Recuperado de http:// www.eustat.es/prodserv/seminario_i.html#axzz2sF9JV1rV
  • Eurostat (2008). Recommendations on the use of methodologies for the integration of surveys and administrative data. Recuperado de http://www.cros-portal.eu/sites/default/files// Report_of_WP2.doc
  • Fernández-Díaz, M. J.; Rodríguez-Mantilla J. M., & Martínez-Zarzuelo, A. (2016). PISA y TALIS ¿congruencia o discrepancia? RELIEVE, 22(1), art. M6. doi:http://dx.doi. org/10.7203/relieve.22.1.8247
  • González-Such, J., Sancho-Álvarez, C., & Sánchez-Delgado, P. (2016). Cuestionarios de contexto pisa: Un estudio sobre los indicadores de evaluación. RELIEVE, 22(1), art. M7. doi:http://dx.doi.org/10.7203/relieve.22.1.8274
  • Gustafsson, J. E. (2003). What Do We Know About Effects of School Resources on Educational Results? Swedish Economic Policy Review, 10, 77-110.
  • Jolani S, Frank L.E., & van Buuren S (2014). Dual imputation model for incomplete longitudinal data. British Journal of Mathematical and Statistical Psychology, 67(2), 197-212. doi: 10.1111/bmsp.12021
  • Jong R., van Buuren S., & Spiess M. (2014). Multiple imputation of predictor variables using generalized additive models. Communications in Statistics Simulation and Computation, 45(3), 1-18. doi:http://dx.doi.org/10.1080/03610918.2014.911894
  • Kaplan, D., & Turner, A. (2012). Statistical Matching of PISA 2009 and TALIS 2008 Data in Iceland (OECD Education Working Papers). Paris: Organisation for Economic Co-operation and Development. Recuperado de http://www.oecd-ilibrary. org/;jsessionid=2ah7v0n0eg9ce.x-oecd-live-02content/workingpaper/ 5k97g3zzvg30en
  • Kaplan, D., & Turner, A. (2013). Data fusion with international large scale assessments: a case study using the OECD PISA and TALIS Surveys. Springer-Verlag. Recuperado de http://link.springer.com/article/10.1186%2F2196-0739-1-6/fulltext.html
  • Leulescu, A., & Agafitei, M. (2013). Statistical matching: A model based approach for data integration. Luxembourg: European Commission, Eurostat. Publications Office.
  • OECD (2012). Pisa 2012. Recuperado de http://www.oecd.org/pisa/keyfindings/pisa2012-results.htm
  • OECD (2013). Talis 2013. Recuperado de http://www.oecd.org/edu/school/talis.htm
  • Rässler, S. (2002). Statistical matching. A frequentist theory, practical applications, and alternative Bayesian approaches. New York: Springer.
  • Rubin. D.B. (1987). An overview on multiple imputation. Recuperado de www.amstat.org/sections/srms/Proceedings/papers/1988_016.pdf
  • Taut, S., & Palacios, D. (2016). Interpretaciones no intencionadas e intencionadas y usos de los resultados de PISA: Una perspectiva de validez consecuencial. RELIEVE, 22(1), art. M8. doi:http://dx.doi.org/10.7203/relieve22.1.8294
  • van Buuren, S., & Groothuis-Oudshoorn, K. (2011). MICE: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45(3), 1–67.
  • van Buuren, S. (2014). Mice. Imputation by random forests. Recuperado de http://www. inside-r.org/packages/cran/mice/docs/mice.impute.rf
  • Wheater, R. (2013). Achievement of 15 year olds in England: PISA 2012 national report. OECD Programme for International Student Assessment. Recuperado de https://www. nfer.ac.uk/publications/PQUK02/PQUK02.pdf
Fuente de los datos: Dialnet