import pandas as pd # Libreria para el tratamiento de DataFrames
import matplotlib.pyplot as plt # Libreria gráfica
import seaborn as sns # Libreria gráfica
from sklearn.model_selection import train_test_split # Dividir los datos en entrenamiento y prueba
from sklearn.linear_model import LinearRegression # Modelo de Regresión lineal
# Lectura del dataset
saber_pro = pd.read_csv("/work/base_saberpro.csv")
# Primeras 5 filas del dataset
saber_pro.head()
ESTU_TIPODOCUMENTOobject
ESTU_NACIONALIDADobject
0
CC
COLOMBIA
1
CE
VENEZUELA
2
CC
COLOMBIA
3
CC
COLOMBIA
4
CC
COLOMBIA
# ¿Que columnas tienen los datos?
saber_pro.columns
# ¿Que tamaño tienen los datos?
saber_pro.shape
# ¿Hay datos nulos?
saber_pro.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 246436 entries, 0 to 246435
Data columns (total 97 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ESTU_TIPODOCUMENTO 246436 non-null object
1 ESTU_NACIONALIDAD 246436 non-null object
2 ESTU_GENERO 246363 non-null object
3 ESTU_FECHANACIMIENTO 246397 non-null object
4 ESTU_EXTERIOR 246436 non-null object
5 PERIODO 246436 non-null int64
6 ESTU_CONSECUTIVO 246436 non-null object
7 ESTU_ESTUDIANTE 246436 non-null object
8 ESTU_PAIS_RESIDE 246436 non-null object
9 ESTU_DEPTO_RESIDE 246435 non-null object
10 ESTU_COD_RESIDE_DEPTO 246435 non-null float64
11 ESTU_MCPIO_RESIDE 246435 non-null object
12 ESTU_COD_RESIDE_MCPIO 246435 non-null float64
13 ESTU_AREARESIDE 244728 non-null object
14 ESTU_ESTADOCIVIL 245471 non-null object
15 ESTU_COLE_TERMINO 168331 non-null object
16 ESTU_CODDANE_COLE_TERMINO 168331 non-null float64
17 ESTU_COD_COLE_MCPIO_TERMINO 168331 non-null float64
18 ESTU_TITULOOBTENIDOBACHILLER 244627 non-null object
19 ESTU_VALORMATRICULAUNIVERSIDAD 244627 non-null object
20 ESTU_PAGOMATRICULABECA 244563 non-null object
21 ESTU_PAGOMATRICULACREDITO 244575 non-null object
22 ESTU_PAGOMATRICULAPADRES 244589 non-null object
23 ESTU_PAGOMATRICULAPROPIO 244576 non-null object
24 ESTU_COMOCAPACITOEXAMENSB11 244715 non-null object
25 ESTU_CURSODOCENTESIES 25087 non-null object
26 ESTU_CURSOIESAPOYOEXTERNO 25079 non-null object
27 ESTU_CURSOIESEXTERNA 25077 non-null object
28 ESTU_SIMULACROTIPOICFES 25088 non-null object
29 ESTU_ACTIVIDADREFUERZOAREAS 25086 non-null object
30 ESTU_ACTIVIDADREFUERZOGENERIC 25085 non-null object
31 ESTU_TIPODOCUMENTOSB11 241893 non-null object
32 ESTU_SEMESTRECURSA 244627 non-null object
33 FAMI_EDUCACIONPADRE 242758 non-null object
34 FAMI_EDUCACIONMADRE 242510 non-null object
35 FAMI_TRABAJOLABORPADRE 220853 non-null object
36 FAMI_TRABAJOLABORMADRE 232267 non-null object
37 FAMI_ESTRATOVIVIENDA 241644 non-null object
38 ESTU_OTROCOLE_TERMINO 51304 non-null object
39 FAMI_TIENEINTERNET 241461 non-null object
40 FAMI_TIENECOMPUTADOR 238856 non-null object
41 FAMI_TIENELAVADORA 238613 non-null object
42 FAMI_TIENEHORNOMICROOGAS 236804 non-null object
43 FAMI_TIENESERVICIOTV 241185 non-null object
44 FAMI_TIENEAUTOMOVIL 235462 non-null object
45 FAMI_TIENEMOTOCICLETA 234754 non-null object
46 FAMI_TIENECONSOLAVIDEOJUEGOS 234558 non-null object
47 FAMI_CUANTOSCOMPARTEBA�O 240378 non-null object
48 ESTU_HORASSEMANATRABAJA 239576 non-null object
49 INST_COD_INSTITUCION 246436 non-null int64
50 INST_NOMBRE_INSTITUCION 246436 non-null object
51 ESTU_PRGM_ACADEMICO 246436 non-null object
52 ESTU_SNIES_PRGMACADEMICO 246436 non-null int64
53 GRUPOREFERENCIA 246436 non-null object
54 ESTU_PRGM_CODMUNICIPIO 246436 non-null int64
55 ESTU_PRGM_MUNICIPIO 246436 non-null object
56 ESTU_PRGM_DEPARTAMENTO 246436 non-null object
57 ESTU_NIVEL_PRGM_ACADEMICO 246436 non-null object
58 ESTU_METODO_PRGM 246436 non-null object
59 ESTU_NUCLEO_PREGRADO 246436 non-null object
60 ESTU_INST_CODMUNICIPIO 246436 non-null int64
61 ESTU_INST_MUNICIPIO 246436 non-null object
62 ESTU_INST_DEPARTAMENTO 246436 non-null object
63 INST_CARACTER_ACADEMICO 246436 non-null object
64 INST_ORIGEN 246436 non-null object
65 ESTU_PRIVADO_LIBERTAD 246436 non-null object
66 ESTU_COD_MCPIO_PRESENTACION 246354 non-null float64
67 ESTU_MCPIO_PRESENTACION 246354 non-null object
68 ESTU_DEPTO_PRESENTACION 246354 non-null object
69 ESTU_COD_DEPTO_PRESENTACION 246354 non-null float64
70 MOD_RAZONA_CUANTITAT_PUNT 246436 non-null int64
71 MOD_RAZONA_CUANTITAT_DESEM 246436 non-null int64
72 MOD_RAZONA_CUANTITATIVO_PNAL 246436 non-null int64
73 MOD_RAZONA_CUANTITATIVO_PNBC 246435 non-null float64
74 MOD_LECTURA_CRITICA_PUNT 246436 non-null int64
75 MOD_LECTURA_CRITICA_DESEM 246436 non-null int64
76 MOD_LECTURA_CRITICA_PNAL 246436 non-null int64
77 MOD_LECTURA_CRITICA_PNBC 246435 non-null float64
78 MOD_COMPETEN_CIUDADA_PUNT 246436 non-null int64
79 MOD_COMPETEN_CIUDADA_DESEM 246436 non-null int64
80 MOD_COMPETEN_CIUDADA_PNAL 246436 non-null int64
81 MOD_COMPETEN_CIUDADA_PNBC 246435 non-null float64
82 MOD_INGLES_PUNT 246436 non-null int64
83 MOD_INGLES_DESEM 246436 non-null object
84 MOD_INGLES_PNAL 246436 non-null int64
85 MOD_INGLES_PNBC 246435 non-null float64
86 MOD_COMUNI_ESCRITA_PUNT 246435 non-null float64
87 MOD_COMUNI_ESCRITA_DESEM 236500 non-null float64
88 MOD_COMUNI_ESCRITA_PNAL 246435 non-null float64
89 MOD_COMUNI_ESCRITA_PNBC 246434 non-null float64
90 PUNT_GLOBAL 246436 non-null int64
91 PERCENTIL_NBC 246435 non-null float64
92 PERCENTIL_GLOBAL 246436 non-null int64
93 ESTU_INSE_INDIVIDUAL 241030 non-null float64
94 ESTU_NSE_INDIVIDUAL 241030 non-null float64
95 ESTU_NSE_IES 246436 non-null int64
96 ESTU_ESTADOINVESTIGACION 246436 non-null object
dtypes: float64(17), int64(19), object(61)
memory usage: 182.4+ MB
# ¿Como se comportan las variables categoricas?
saber_pro.describe(include=["O"])
ESTU_TIPODOCUMENTOobject
ESTU_NACIONALIDADobject
count
246436
246436
unique
8
49
top
CC
COLOMBIA
freq
245020
245930
# Gráficamos la variable depediente que es el puntaje de los estudiantes
plt.figure(figsize=(9,5))
sns.histplot(data = saber_pro, x = "PUNT_GLOBAL", color = "g",
binwidth = 10, binrange = [0, 300], kde = True)
plt.title("Resultados de los estudiantes")
plt.xlabel("Puntaje")
plt.show()
# Resultados y género
plt.figure(figsize=(9,5))
sns.histplot(data = saber_pro, x = "PUNT_GLOBAL", palette = "rocket", hue = "ESTU_GENERO",
binwidth = 10, binrange = [0, 300], kde = True)
plt.title("Resultados de los estudiantes por género")
plt.xlabel("Puntaje")
plt.show()
# Resultados y estrato socioeconómico
plt.figure(figsize=(9,5))
sns.histplot(data = saber_pro, x = "PUNT_GLOBAL", palette = "rocket", hue = "FAMI_ESTRATOVIVIENDA", multiple = "stack",
binwidth = 10, binrange = [0, 300], kde = True)
plt.title("Resultados de los estudiantes y estrato socioeconómico")
plt.xlabel("Puntaje")
plt.show()
# Resultados y institución educativa
plt.figure(figsize=(9,5))
sns.histplot(data = saber_pro, x = "PUNT_GLOBAL", palette = "magma", hue = "INST_ORIGEN", multiple = "stack",
binwidth = 10, binrange = [0, 300], kde = True)
plt.title("Resultados de los estudiantes y institución educativa")
plt.xlabel("Puntaje")
plt.show()
# Resultados y modalidad de estudio
plt.figure(figsize=(9,5))
sns.histplot(data = saber_pro, x = "PUNT_GLOBAL", palette = "magma", hue = "ESTU_METODO_PRGM", multiple = "stack",
binwidth = 10, binrange = [0, 300], kde = True)
plt.title("Resultados de los estudiantes y modalidad de estudio")
plt.xlabel("Puntaje")
plt.show()
# Procedemos a seleccionar nuestras columnas de interes
saber_pro = saber_pro[["ESTU_GENERO", "ESTU_AREARESIDE", "ESTU_VALORMATRICULAUNIVERSIDAD", "ESTU_PAGOMATRICULABECA",
"FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_ESTRATOVIVIENDA", "FAMI_TIENEINTERNET",
"FAMI_TIENECOMPUTADOR", "FAMI_TIENELAVADORA", "FAMI_TIENEHORNOMICROOGAS", "FAMI_TIENESERVICIOTV",
"FAMI_TIENEAUTOMOVIL", "FAMI_TIENEMOTOCICLETA", "FAMI_TIENECONSOLAVIDEOJUEGOS",
"ESTU_HORASSEMANATRABAJA", "ESTU_METODO_PRGM", "INST_ORIGEN", "ESTU_ESTADOCIVIL", "ESTU_SIMULACROTIPOICFES", "PUNT_GLOBAL"]]
# Observamos las 5 primeras filas de nuestro dataset
saber_pro.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 246436 entries, 0 to 246435
Data columns (total 21 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ESTU_GENERO 246363 non-null object
1 ESTU_AREARESIDE 244728 non-null object
2 ESTU_VALORMATRICULAUNIVERSIDAD 244627 non-null object
3 ESTU_PAGOMATRICULABECA 244563 non-null object
4 FAMI_EDUCACIONPADRE 242758 non-null object
5 FAMI_EDUCACIONMADRE 242510 non-null object
6 FAMI_ESTRATOVIVIENDA 241644 non-null object
7 FAMI_TIENEINTERNET 241461 non-null object
8 FAMI_TIENECOMPUTADOR 238856 non-null object
9 FAMI_TIENELAVADORA 238613 non-null object
10 FAMI_TIENEHORNOMICROOGAS 236804 non-null object
11 FAMI_TIENESERVICIOTV 241185 non-null object
12 FAMI_TIENEAUTOMOVIL 235462 non-null object
13 FAMI_TIENEMOTOCICLETA 234754 non-null object
14 FAMI_TIENECONSOLAVIDEOJUEGOS 234558 non-null object
15 ESTU_HORASSEMANATRABAJA 239576 non-null object
16 ESTU_METODO_PRGM 246436 non-null object
17 INST_ORIGEN 246436 non-null object
18 ESTU_ESTADOCIVIL 245471 non-null object
19 ESTU_SIMULACROTIPOICFES 25088 non-null object
20 PUNT_GLOBAL 246436 non-null int64
dtypes: int64(1), object(20)
memory usage: 39.5+ MB
# Creación de nuestra variable independiente
X = saber_pro.drop(["PUNT_GLOBAL"], axis = 1)
# Creación de nuestra variable dependiente
Y = saber_pro["PUNT_GLOBAL"]
# Procedemos a la creación de las variables dummys
X = pd.get_dummies(data = X, drop_first=True)
# Información de la variable X
X.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 246436 entries, 0 to 246435
Data columns (total 61 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ESTU_GENERO_M 246436 non-null uint8
1 ESTU_AREARESIDE_Cabecera Municipal 246436 non-null uint8
2 ESTU_VALORMATRICULAUNIVERSIDAD_Entre 2.5 millones y menos de 4 millones 246436 non-null uint8
3 ESTU_VALORMATRICULAUNIVERSIDAD_Entre 4 millones y menos de 5.5 millones 246436 non-null uint8
4 ESTU_VALORMATRICULAUNIVERSIDAD_Entre 5.5 millones y menos de 7 millones 246436 non-null uint8
5 ESTU_VALORMATRICULAUNIVERSIDAD_Entre 500 mil y menos de 1 mill�n 246436 non-null uint8
6 ESTU_VALORMATRICULAUNIVERSIDAD_Menos de 500 mil 246436 non-null uint8
7 ESTU_VALORMATRICULAUNIVERSIDAD_M�s de 7 millones 246436 non-null uint8
8 ESTU_VALORMATRICULAUNIVERSIDAD_No pag� matr�cula 246436 non-null uint8
9 ESTU_PAGOMATRICULABECA_Si 246436 non-null uint8
10 FAMI_EDUCACIONPADRE_Educaci�n profesional incompleta 246436 non-null uint8
11 FAMI_EDUCACIONPADRE_Ninguno 246436 non-null uint8
12 FAMI_EDUCACIONPADRE_No Aplica 246436 non-null uint8
13 FAMI_EDUCACIONPADRE_No sabe 246436 non-null uint8
14 FAMI_EDUCACIONPADRE_Postgrado 246436 non-null uint8
15 FAMI_EDUCACIONPADRE_Primaria completa 246436 non-null uint8
16 FAMI_EDUCACIONPADRE_Primaria incompleta 246436 non-null uint8
17 FAMI_EDUCACIONPADRE_Secundaria (Bachillerato) completa 246436 non-null uint8
18 FAMI_EDUCACIONPADRE_Secundaria (Bachillerato) incompleta 246436 non-null uint8
19 FAMI_EDUCACIONPADRE_T�cnica o tecnol�gica completa 246436 non-null uint8
20 FAMI_EDUCACIONPADRE_T�cnica o tecnol�gica incompleta 246436 non-null uint8
21 FAMI_EDUCACIONMADRE_Educaci�n profesional incompleta 246436 non-null uint8
22 FAMI_EDUCACIONMADRE_Ninguno 246436 non-null uint8
23 FAMI_EDUCACIONMADRE_No Aplica 246436 non-null uint8
24 FAMI_EDUCACIONMADRE_No sabe 246436 non-null uint8
25 FAMI_EDUCACIONMADRE_Postgrado 246436 non-null uint8
26 FAMI_EDUCACIONMADRE_Primaria completa 246436 non-null uint8
27 FAMI_EDUCACIONMADRE_Primaria incompleta 246436 non-null uint8
28 FAMI_EDUCACIONMADRE_Secundaria (Bachillerato) completa 246436 non-null uint8
29 FAMI_EDUCACIONMADRE_Secundaria (Bachillerato) incompleta 246436 non-null uint8
30 FAMI_EDUCACIONMADRE_T�cnica o tecnol�gica completa 246436 non-null uint8
31 FAMI_EDUCACIONMADRE_T�cnica o tecnol�gica incompleta 246436 non-null uint8
32 FAMI_ESTRATOVIVIENDA_Estrato 2 246436 non-null uint8
33 FAMI_ESTRATOVIVIENDA_Estrato 3 246436 non-null uint8
34 FAMI_ESTRATOVIVIENDA_Estrato 4 246436 non-null uint8
35 FAMI_ESTRATOVIVIENDA_Estrato 5 246436 non-null uint8
36 FAMI_ESTRATOVIVIENDA_Estrato 6 246436 non-null uint8
37 FAMI_ESTRATOVIVIENDA_Sin Estrato 246436 non-null uint8
38 FAMI_TIENEINTERNET_Si 246436 non-null uint8
39 FAMI_TIENECOMPUTADOR_Si 246436 non-null uint8
40 FAMI_TIENELAVADORA_Si 246436 non-null uint8
41 FAMI_TIENEHORNOMICROOGAS_Si 246436 non-null uint8
42 FAMI_TIENESERVICIOTV_Si 246436 non-null uint8
43 FAMI_TIENEAUTOMOVIL_Si 246436 non-null uint8
44 FAMI_TIENEMOTOCICLETA_Si 246436 non-null uint8
45 FAMI_TIENECONSOLAVIDEOJUEGOS_Si 246436 non-null uint8
46 ESTU_HORASSEMANATRABAJA_Entre 11 y 20 horas 246436 non-null uint8
47 ESTU_HORASSEMANATRABAJA_Entre 21 y 30 horas 246436 non-null uint8
48 ESTU_HORASSEMANATRABAJA_Menos de 10 horas 246436 non-null uint8
49 ESTU_HORASSEMANATRABAJA_M�s de 30 horas 246436 non-null uint8
50 ESTU_METODO_PRGM_DISTANCIA VITUAL 246436 non-null uint8
51 ESTU_METODO_PRGM_PRESENCIAL 246436 non-null uint8
52 INST_ORIGEN_NO OFICIAL - FUNDACI�N 246436 non-null uint8
53 INST_ORIGEN_OFICIAL DEPARTAMENTAL 246436 non-null uint8
54 INST_ORIGEN_OFICIAL MUNICIPAL 246436 non-null uint8
55 INST_ORIGEN_OFICIAL NACIONAL 246436 non-null uint8
56 INST_ORIGEN_REGIMEN ESPECIAL 246436 non-null uint8
57 ESTU_ESTADOCIVIL_Separado y/o Viudo 246436 non-null uint8
58 ESTU_ESTADOCIVIL_Soltero 246436 non-null uint8
59 ESTU_ESTADOCIVIL_Uni�n libre 246436 non-null uint8
60 ESTU_SIMULACROTIPOICFES_Si 246436 non-null uint8
dtypes: uint8(61)
memory usage: 14.3 MB
# Dividimos nuestros datos con train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = .20, random_state = 40)
print('Muestras de entrenamiento: ',X_train.shape[0])
# 80% son datos de entramiento y 20% de test
Muestras de entrenamiento: 197148
# Regresión lineal
regressor = LinearRegression()
regressor.fit(X_train, Y_train)
# Capacidad predictora
regressor.score(X_test, Y_test)
# Instalamos la libreria
pip install statsmodels
Collecting statsmodels
Downloading statsmodels-0.13.1-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (9.9 MB)
|████████████████████████████████| 9.9 MB 13.8 MB/s
Requirement already satisfied: numpy>=1.17 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.21.4)
Requirement already satisfied: pandas>=0.25 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.2.5)
Collecting patsy>=0.5.2
Downloading patsy-0.5.2-py2.py3-none-any.whl (233 kB)
|████████████████████████████████| 233 kB 29.7 MB/s
Requirement already satisfied: scipy>=1.3 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.7.3)
Requirement already satisfied: python-dateutil>=2.7.3 in /shared-libs/python3.9/py-core/lib/python3.9/site-packages (from pandas>=0.25->statsmodels) (2.8.2)
Requirement already satisfied: pytz>=2017.3 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from pandas>=0.25->statsmodels) (2021.3)
Requirement already satisfied: six in /shared-libs/python3.9/py-core/lib/python3.9/site-packages (from patsy>=0.5.2->statsmodels) (1.16.0)
Installing collected packages: patsy, statsmodels
Successfully installed patsy-0.5.2 statsmodels-0.13.1
WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv
WARNING: You are using pip version 21.2.3; however, version 21.3.1 is available.
You should consider upgrading via the '/usr/local/bin/python -m pip install --upgrade pip' command.
Note: you may need to restart the kernel to use updated packages.
# Importamos el modelo
import statsmodels.api as sm
# Creación del modelo con statsmodels
X_train = sm.add_constant(X_train, prepend=True)
modelo = sm.OLS(endog=Y_train, exog=X_train,)
modelo = modelo.fit()
print(modelo.summary())
OLS Regression Results
==============================================================================
Dep. Variable: PUNT_GLOBAL R-squared: 0.284
Model: OLS Adj. R-squared: 0.283
Method: Least Squares F-statistic: 1279.
Date: Thu, 16 Dec 2021 Prob (F-statistic): 0.00
Time: 03:54:54 Log-Likelihood: -8.9052e+05
No. Observations: 197148 AIC: 1.781e+06
Df Residuals: 197086 BIC: 1.782e+06
Df Model: 61
Covariance Type: nonrobust
===========================================================================================================================================
coef std err t P>|t| [0.025 0.975]
-------------------------------------------------------------------------------------------------------------------------------------------
const 118.1010 0.357 330.627 0.000 117.401 118.801
ESTU_GENERO_M 3.5827 0.104 34.293 0.000 3.378 3.787
ESTU_AREARESIDE_Cabecera Municipal 4.3043 0.154 27.953 0.000 4.002 4.606
ESTU_VALORMATRICULAUNIVERSIDAD_Entre 2.5 millones y menos de 4 millones -0.3298 0.169 -1.948 0.051 -0.661 0.002
ESTU_VALORMATRICULAUNIVERSIDAD_Entre 4 millones y menos de 5.5 millones 4.9281 0.204 24.108 0.000 4.527 5.329
ESTU_VALORMATRICULAUNIVERSIDAD_Entre 5.5 millones y menos de 7 millones 8.2733 0.249 33.244 0.000 7.786 8.761
ESTU_VALORMATRICULAUNIVERSIDAD_Entre 500 mil y menos de 1 mill�n -0.0457 0.199 -0.230 0.818 -0.435 0.344
ESTU_VALORMATRICULAUNIVERSIDAD_Menos de 500 mil 3.2127 0.214 15.026 0.000 2.794 3.632
ESTU_VALORMATRICULAUNIVERSIDAD_M�s de 7 millones 18.7906 0.224 83.973 0.000 18.352 19.229
ESTU_VALORMATRICULAUNIVERSIDAD_No pag� matr�cula 3.6865 0.379 9.736 0.000 2.944 4.429
ESTU_PAGOMATRICULABECA_Si 5.5144 0.129 42.650 0.000 5.261 5.768
FAMI_EDUCACIONPADRE_Educaci�n profesional incompleta 2.3502 0.289 8.141 0.000 1.784 2.916
FAMI_EDUCACIONPADRE_Ninguno -4.4168 0.410 -10.778 0.000 -5.220 -3.614
FAMI_EDUCACIONPADRE_No Aplica 1.0485 0.461 2.275 0.023 0.145 1.952
FAMI_EDUCACIONPADRE_No sabe 3.2042 0.339 9.465 0.000 2.541 3.868
FAMI_EDUCACIONPADRE_Postgrado 3.8270 0.246 15.561 0.000 3.345 4.309
FAMI_EDUCACIONPADRE_Primaria completa -2.1942 0.244 -8.994 0.000 -2.672 -1.716
FAMI_EDUCACIONPADRE_Primaria incompleta -1.9765 0.212 -9.335 0.000 -2.391 -1.562
FAMI_EDUCACIONPADRE_Secundaria (Bachillerato) completa -0.7610 0.192 -3.954 0.000 -1.138 -0.384
FAMI_EDUCACIONPADRE_Secundaria (Bachillerato) incompleta -1.0435 0.224 -4.652 0.000 -1.483 -0.604
FAMI_EDUCACIONPADRE_T�cnica o tecnol�gica completa 0.3663 0.219 1.670 0.095 -0.064 0.796
FAMI_EDUCACIONPADRE_T�cnica o tecnol�gica incompleta -1.9403 0.335 -5.786 0.000 -2.598 -1.283
FAMI_EDUCACIONMADRE_Educaci�n profesional incompleta 1.0834 0.318 3.407 0.001 0.460 1.707
FAMI_EDUCACIONMADRE_Ninguno -8.8046 0.486 -18.110 0.000 -9.757 -7.852
FAMI_EDUCACIONMADRE_No Aplica -4.5910 1.192 -3.852 0.000 -6.927 -2.255
FAMI_EDUCACIONMADRE_No sabe -4.3048 0.856 -5.031 0.000 -5.982 -2.628
FAMI_EDUCACIONMADRE_Postgrado 3.0832 0.239 12.914 0.000 2.615 3.551
FAMI_EDUCACIONMADRE_Primaria completa -3.0874 0.245 -12.590 0.000 -3.568 -2.607
FAMI_EDUCACIONMADRE_Primaria incompleta -4.2738 0.225 -18.972 0.000 -4.715 -3.832
FAMI_EDUCACIONMADRE_Secundaria (Bachillerato) completa -1.4323 0.189 -7.570 0.000 -1.803 -1.061
FAMI_EDUCACIONMADRE_Secundaria (Bachillerato) incompleta -1.5516 0.218 -7.120 0.000 -1.979 -1.124
FAMI_EDUCACIONMADRE_T�cnica o tecnol�gica completa 0.0460 0.197 0.234 0.815 -0.340 0.432
FAMI_EDUCACIONMADRE_T�cnica o tecnol�gica incompleta -1.9913 0.309 -6.444 0.000 -2.597 -1.386
FAMI_ESTRATOVIVIENDA_Estrato 2 4.4716 0.154 29.109 0.000 4.171 4.773
FAMI_ESTRATOVIVIENDA_Estrato 3 6.0023 0.172 34.973 0.000 5.666 6.339
FAMI_ESTRATOVIVIENDA_Estrato 4 8.3023 0.238 34.911 0.000 7.836 8.768
FAMI_ESTRATOVIVIENDA_Estrato 5 9.4977 0.335 28.371 0.000 8.842 10.154
FAMI_ESTRATOVIVIENDA_Estrato 6 11.8721 0.434 27.324 0.000 11.021 12.724
FAMI_ESTRATOVIVIENDA_Sin Estrato -0.5565 0.887 -0.627 0.531 -2.296 1.183
FAMI_TIENEINTERNET_Si 4.2785 0.216 19.844 0.000 3.856 4.701
FAMI_TIENECOMPUTADOR_Si 5.6063 0.210 26.727 0.000 5.195 6.017
FAMI_TIENELAVADORA_Si 2.4243 0.158 15.313 0.000 2.114 2.735
FAMI_TIENEHORNOMICROOGAS_Si 2.2845 0.121 18.832 0.000 2.047 2.522
FAMI_TIENESERVICIOTV_Si -2.7652 0.136 -20.380 0.000 -3.031 -2.499
FAMI_TIENEAUTOMOVIL_Si 0.1417 0.127 1.118 0.263 -0.107 0.390
FAMI_TIENEMOTOCICLETA_Si -3.3245 0.110 -30.307 0.000 -3.539 -3.109
FAMI_TIENECONSOLAVIDEOJUEGOS_Si 2.0936 0.138 15.160 0.000 1.823 2.364
ESTU_HORASSEMANATRABAJA_Entre 11 y 20 horas -5.5470 0.168 -33.043 0.000 -5.876 -5.218
ESTU_HORASSEMANATRABAJA_Entre 21 y 30 horas -4.7063 0.183 -25.728 0.000 -5.065 -4.348
ESTU_HORASSEMANATRABAJA_Menos de 10 horas -5.3727 0.176 -30.538 0.000 -5.717 -5.028
ESTU_HORASSEMANATRABAJA_M�s de 30 horas -2.8194 0.152 -18.598 0.000 -3.117 -2.522
ESTU_METODO_PRGM_DISTANCIA VITUAL 3.6375 0.250 14.537 0.000 3.147 4.128
ESTU_METODO_PRGM_PRESENCIAL 8.1278 0.166 49.093 0.000 7.803 8.452
INST_ORIGEN_NO OFICIAL - FUNDACI�N 1.4464 0.130 11.156 0.000 1.192 1.701
INST_ORIGEN_OFICIAL DEPARTAMENTAL 6.9516 0.209 33.269 0.000 6.542 7.361
INST_ORIGEN_OFICIAL MUNICIPAL 9.8929 0.382 25.896 0.000 9.144 10.642
INST_ORIGEN_OFICIAL NACIONAL 8.3443 0.182 45.867 0.000 7.988 8.701
INST_ORIGEN_REGIMEN ESPECIAL 7.3689 2.116 3.483 0.000 3.222 11.516
ESTU_ESTADOCIVIL_Separado y/o Viudo -0.5084 0.521 -0.976 0.329 -1.529 0.512
ESTU_ESTADOCIVIL_Soltero 4.1145 0.192 21.446 0.000 3.739 4.491
ESTU_ESTADOCIVIL_Uni�n libre -1.5039 0.237 -6.348 0.000 -1.968 -1.040
ESTU_SIMULACROTIPOICFES_Si -3.1015 0.176 -17.649 0.000 -3.446 -2.757
==============================================================================
Omnibus: 3805.367 Durbin-Watson: 2.006
Prob(Omnibus): 0.000 Jarque-Bera (JB): 4824.714
Skew: -0.265 Prob(JB): 0.00
Kurtosis: 3.553 Cond. No. 119.
==============================================================================
Notes:
[1] Standard Errors assume that the covariance matrix of the errors is correctly specified.