文章基本信息

标题：Empleo de modelos de regresión logística binomial para el estudio de variables determinantes en la inserción laboral de egresados universitarios
本地全文：下载
作者：Clemente Rodríguez Sabiote ; José Gutiérrez Pérez
期刊名称：Investigación y Postgrado
印刷版ISSN：1316-0087
电子版ISSN：2244-7474
出版年度：2007
卷号：22
期号：1
页码：109-114
语种：Spanish
出版社：Universidad Pedagógica Experimental Libertador
摘要：El objetivo fundamental de este estudio es evaluar la probabilidad estadística que un conjunto de variables predictivas (titulación universitaria, género y residencia de los titulados, así como formación complementaria de los mismos) ejercen sobre una colección de variables (criterio, empleo actual y pasado, tiempo en encontrar el primer empleo, así como salario mensual de los egresados). Para este fi n, se ha implementado un estudio de encuesta mediante una estrategia mixta (postal y telefónica), cuyos datos han sido sometidos al cálculo de la regresión logística binomial en cuatro modelos distintos. De los resultados obtenidos se puede afi rmar que la variable titulación se ha revelado como la más determinante en, al menos, dos de ellos (tasa de empleo y colocación). El resto de variables predictivas no han resultado determinantes.
其他摘要：The main objective of this study is evaluating the statistic probability that a group of predictive variables (university diploma, gender and residence of the university alumni, as well as complementary formation of same) perform on a set of variables (criterion, former and current job, time spent to fi nd the fi rst job and the salary of the graduated). In this sense, a survey study through a mixed strategy (postal and telephone) has been implemented and data have been subject of calculation of the binomial logistic regression in four different models. The obtained results suggest that the diploma variable is the most decisive in, at least, two of them (employment rate and placing). The rest of the variables are not signifi cant.
关键词：statistic; probability; regression models; predictive variables;estadística; probabilidad; modelos de regresión; variables predictivas