Acceso usuarios
Los modelos jerárquico-lineales (MJL) han sido ampliamente usados en la investigación sobre el rendimiento, especialmente en el contexto del análisis de resultados de evaluaciones a gran escala, tales como el Programa para la Evaluación Internacional de los Alumnos (PISA, por sus siglas en inglés). La revisión de los estudios desarrollados en España, sin embargo, revela que todos los trabajos incluyen una única variable dependiente, de modo que aunque se han empleado indicadores diversos de rendimiento (por ejemplo: matemáticas o comprensión lectora o ciencias), no se han incorporado tales medidas de resultado conjuntamente en modelos explicativos integrados. A partir de estos antecedentes, este artículo pretende hacer una contribución metodológica a la investigación sobre la explicación del rendimiento académico presentando un ejemplo del uso de los MJL multivariados con los datos del alumnado español en PISA-2009.
Concretamente, se plantea un MJL trivariado para analizar de forma simultánea el efecto de un conjunto de predictores sobre la competencia matemática, la compresión lectora y la competencia en ciencias. La investigación mencionada anteriormente solo ha estudiado estas variables de respuesta de forma independiente, desde una perspectiva univariada. Como variables independientes se ha seleccionado un número reducido de predictores �clásicos� típicamente considerados en la investigación educativa multinivel: sexo, estatus inmigrante, repetición, estatus socioecónomico y cultural del alumno y nivel socioeconómico y cultural medio de la escuela. Puesto que el objetivo principal del presente estudio es proporcionar un ejemplo de la metodología, esto permite una adecuada ilustración sin aumentar excesivamente la complejidad. El trabajo presenta el proceso de especificación y estimación de un modelo de tres niveles (alumnoescuela- región) y se analiza la varianza explicada. Finalmente, se obtienen las correlaciones entre las variables dependientes desde una perspectiva multinivel.
El artículo concluye con algunas consideraciones sobre las aportaciones adicionales de los MJL multivariados a la investigación futura.
