Un Modelo de Educación Superior y Deserción Universitaria: Evidencia de la Pontificia Universidad Javeriana-Bogotá1. Edgar Villa Perez Martha Misas Arango Mary Berrío Norman Stephany Santacruz Rincón2 Pontificia Universidad Javeriana - Bogotá Facultad de Ciencias Económicas y Administrativas Departamento de Economía Noviembre 2013 1 Pontificia Universidad Javeriana fundada por la Compañía de Jesús en 1623. Los autores agradecen el total apoyo y acompañamiento durante el desarrollo de esta investigación a Vicente Durán C., S.J., Vicerrector Académico, Gustavo Tobón L., Decano Facultad de Ciencias Económicas y Administrativas, Gilberto Cely G., S.J., Decano del Medio Facultad de Ciencias Económicas y Administrativas. Igualmente, se agradece la colaboración de la Secretaría de Planeación. 2 Edgar Villa P. Profesor Asociado, Escuela Internacional de Ciencias Económicas y Administrativas Universidad de la Sabana, Martha Misas A. Profesora Asociada, Facultad de Ciencias Económicas y Administrativas Pontificia Universidad Javeriana, Mary Berrío N. Profesora Asistente, Facultad de Ciencias Económicas y Administrativas Pontificia Universidad Javeriana y Stephany Santacruz R. Profesora de Cátedra, Facultad de Ciencias Económicas y Administrativas Pontificia Universidad Javeriana. RESUMEN Este trabajo forma parte del Proyecto de Investigación, del Departamento de Economía de la Pontificia Universidad Javeriana - Bogotá (PUJ-B), sobre deserción en los programas de pregrado de esta universidad. Inicialmente se desarrolla un modelo micro-fundamentado que busca explicar los determinantes de la deserción universitaria modelando explícitamente la interacción entre los tres agentes principales del sector de la educación superior: universidades, hogares y estudiantes. El modelo teórico muestra que la deserción universitaria ocurre en estudiantes que tienen un nivel bajo de habilidad innata que los lleva óptimamente a no esforzarse, así como en estudiantes que tienen expectativa de no poder graduarse independientemente de su habilidad innata. Los hallazgos del modelo teórico se evalúan a través de la aplicación empírica de un modelo econométrico de probabilidad (probit) sobre la información recolectada a partir de una encuesta elaborada por los autores y aplicada a una muestra representativa de 473 estudiantes de la población de neo-javerianos de la cohorte del 2006. Se encuentra que el perfil de un desertor está asociado con alguna de las siguientes características: dificultades en matemáticas y expresión oral por baja competencia previa al ingreso a la universidad, pérdida de asignaturas en la universidad, factores disciplinarios con impacto negativo en desempeño, falta de motivación, bajo nivel de esfuerzo durante su permanencia en la universidad y finalmente, la existencia de problemas de índole económico y familiar. Palabras Clave: Determinantes de la Deserción Universitaria, Competencia de estudiantes, producción de servicios de educación superior, capital humano, modelo econométrico probit. Código JEL: D01, D41, I21, I23 ABSTRACT This work is part of the Research Project, Department of Economics, Pontificia Universidad Javeriana - Bogotá (PUJ- B), on attrition in undergraduate programs of the university. Initially, a micro - based model that seeks to explain the determinants of university dropout, explicitly modeling the interaction between the three main players in the sector of higher education is developed: Universities, households and students. The theoretical model shows that the college dropout occurs in students who have a low level of innate ability that makes no effort optimally, as well as students who do not expect to graduate regardless of their innate ability. The findings of the theoretical model are evaluated through the application of an econometric empirical probability model (probit) on data collected from a survey conducted by the authors and applied to a representative sample of 473 students from the population of Neo - Javerianos cohort 2006. It is found that the profile of a defector is associated with any of the following: difficulties in math and speaking low competition for pre- college entrance, failure of academic courses in the university, disciplinary factors with negative impact on performance, lack of motivation, low effort while in college and finally, the existence of problems of economic and family reasons . Keywords: Determinants of University Dropouts, Student Competition, production of higher education services, human capital, econometric probit model. JEL Code: D01, D41, I21, I23 2 Introducción La educación superior en países en desarrollo, como es el caso de Colombia, ha dejado de ser una opción de una minoría en proceso de formación. El nuevo contexto mundial impone a estos países la necesidad de contar con un recurso humano cada vez más capacitado, creativo, productivo, con dinámica de innovación y con gerencia de proyección internacional. En efecto, las mejoras en el nivel y la forma de vida a nivel mundial, la reducción en el ritmo de crecimiento de la población, la mayor interacción entre países a partir de la apertura de las economías y la tendencia a la globalización, como también, los grandes desarrollos en la trilogía tecnología-información-comunicación y la consolidación de la visión de mercado para asignar recursos, demandan cada día mayores esfuerzos para estimular la realización de estudios a nivel superior a quienes se encuentran al frente de los sistemas nacionales de educación. Sin embargo, en Colombia, donde aún no se ha logrado cubrimiento total en educación básica, media y superior y la calidad en la educación es uno de los retos fundamentales, las tasas de deserción en la educación superior son altas3. Estos factores y condiciones han llevado a que las universidades, a nivel mundial y en especial en países en desarrollo, profundicen directamente en el estudio de la deserción y desarrollen esfuerzos particulares para lograr que quienes logran iniciar sus estudios en programas de educación superior los culminen. Dentro de este contexto, la PUJ-B viene adelantando en los últimos años un proyecto de investigación sobre deserción universitaria, que en una primera etapa se centró en hacer una caracterización de los alumnos matriculados en pregrado en el año 2006, cohorte que a hoy permite contar con la información más integral y reciente tanto sobre estudiantes que finalmente lograron obtener el grado como de aquéllos que definitivamente abandonaron sus estudios en esta universidad. En esta primera parte del proyecto se recopiló información a través de la realización de una encuesta la cual fue diseñada por los autores con base en los aportes y pautas establecidas para esta labor por los principales teóricos del fenómeno de deserción en la educación superior a nivel nacional e internacional4. La encuesta se aplicó con el apoyo del Centro Nacional de Consultoría, sobre una muestra aleatoria -estratificadarepresentativa de la población de interés. Es de destacar que, para los fines del proyecto de la PUJ-B, se considera desertor a un estudiante que abandona la universidad durante cuatro semestres consecutivos, teniendo en cuenta la reglamentación interna de la PUJ-B que autoriza una duración máxima por 3 Barrera-Osorio y otros. Calidad de educación básica y Media en Colombia. Diagnóstico y propuestas. Universidad del Rosario. Facultad de Economía. Serie de documentos de trabajo No 126. Octubre 2012 4 Berrio M, Misas M, Santacruz S. y Villa E. (2013) “Análisis de Deserción Estudiantil en la Pontificia Universidad Javeriana – Bogotá: caracterización de la población estudiantil”. Borrador de Trabajo. Pontificia Universidad Javeriana-Bogotá 3 retiro temporal de 2 años5. Más aún, los resultados de los análisis realizados en el Ministerio de Educación Nacional de Colombia dentro de su “Sistema para la Prevención de la Deserción Superior (SPADIES)” que sugieren que la mayor dinámica en materia de probabilidad de deserción en el segmento de universidades se da en forma acumulada en los primeros 4 semestres6. El análisis de estadística descriptiva ya realizado, en la primera fase de esta investigación, sugiere la existencia de una posible relación entre características y variables de comportamiento del individuo y su elección de deserción. Adicionalmente, la tendencia a la concentración de la deserción en la primera etapa de la educación universitaria (que en general corresponde al ciclo de formación básica) y las limitaciones para determinar la variable de censura asociada a cada individuo en la muestra lleva a dar prioridad en este trabajo al uso de modelos de probabilidad frente a la utilización de esquemas de análisis de duración para el estudio de este fenómeno. Sin embargo, lo que se observa, en la literatura internacional, es la existencia de mecanismos particulares de cada universidad para incentivar a los estudiantes a culminar sus estudios. Este hecho, dificulta la identificación de los determinantes de la probabilidad de desertar cuando no se consideran en el marco teórico las interrelaciones existentes entre la universidad, los hogares y los estudiantes si no se tiene en cuenta el mercado de la Educación superior. Lo anterior deja en evidencia la necesidad de realizar un estudio sobre los determinantes de la deserción, basado en un modelo micro-fundamentado que permita confirmar la pertinencia de las variables y su relación con el fenómeno de la deserción. Así, dicho modelo micro-fundamentado se convierte en el objetivo inicial de este trabajo. Una vez dicho objetivo es formulado y analizado, la investigación se enfoca en el estudio de caso sobre determinantes de deserción en la PUJ-B, que a su vez se constituye en el medio de verificación de las predicciones del modelo teórico desarrollado. Este trabajo presenta en primera instancia el desarrollo detallado de un modelo del sector de la educación superior que involucra los tres actores importantes en esta industria: hogares, universidades y estudiantes. Se modela, bajo el supuesto de competencia perfecta en el mercado de la educación superior, la demanda agregada de cupos por parte de hogares, la oferta agregada de cupos y competencias profesionales por parte de las 5 Reglamento de Estudiantes. Acuerdo 567 de Octubre 29 de 2012. Spadies. El Sistema de Prevención de la Deserción de la Educación Superior considera como desertor a un estudiante que no se encuentra matriculado en ninguna universidad durante 2 o más semestres consecutivos. Ministerio de Educación Nacional. Colombia 6 Semestres 1 Tasa de deserción 18.7 acumulada 2 3 4 5 27 32.2 36.1 38.8 6 7 41 42.5 8 9 10 43.8 44.9 46.9 4 universidades y finalmente, la decisión óptima de esfuerzo por parte de estudiantes para culminar y graduarse de la universidad. Dentro de este contexto, se determina la probabilidad de deserción que tiene un estudiante de educación superior. En particular, se muestra que la deserción ocurre de forma óptima cuando los estudiantes matriculados tienen expectativas de no poder obtener el grado, aunque también, ocurre debido a la escogencia óptima de bajo esfuerzo académico para tipos de estudiantes con niveles bajos de habilidades innatas que tengan expectativas de graduación. Además, se muestra que la deserción puede ocurrir no óptimamente por factores socio-económicos y psicológicos que afectan a los estudiantes. A continuación en este trabajo se estudian empíricamente las predicciones del modelo teórico desarrollado, con la aplicación de un ejercicio de estimación de la probabilidad que tiene un estudiante PUJ-B de desertar. Con tal propósito, se utiliza un modelo de elección discreta tipo Probit para cuantificar el aporte de aspectos significativos en el análisis de la deserción. Concretamente, se utilizan variables categóricas como variables proxi de las variables teóricas que afectan las decisiones de deserción, para estimar una ecuación de forma reducida a través de máxima verosimilitud, y así poder explicar los determinantes de la probabilidad de ser desertor, controlando por efectos fijos de facultades y variables socio-económicas y psicológicas de los estudiantes. Este trabajo consta de seis secciones adicionales a esta introducción. La segunda sección presenta la revisión de literatura tanto internacional como nacional que se hizo sobre determinantes de deserción universitaria. En la tercera sección se desarrolla el modelo teórico sobre la industria de la educación superior bajo competencia perfecta. La cuarta sección resume resultados del análisis con estadística descriptiva de la información obtenida de la encuesta-cohorte 2006 que es la que se utiliza para verificar las predicciones teóricas del modelo teórico. En la quinta sección se define el modelo econométrico estructural basado en el desarrollo teórico antes relacionado, con manejo de variables observables utilizadas para estimar la probabilidad de deserción que tiene la población de estudiantes de la PUJ-Bogotá. La sección sexta registra los resultados del ejercicio empírico. Finalmente, la última parte corresponde a las conclusiones y recomendaciones derivadas del trabajo realizado. 1. Revisión de Literatura El estudio de la deserción en la educación superior ha sido un tema de especial interés a nivel multidisciplinario por su gran complejidad, considerando que genera efectos negativos relevantes no solo para los estudiantes, sino también para las familias, las 5 instituciones de educación y en general, para el país7. Buena parte del marco teórico sobre el fenómeno de la deserción estudiantil y sus causas ha sido desarrollado desde la sociología y la psicología con base en modelos de comportamiento humano tales como los de supervivencia, integración del estudiante, desgaste del estudiante, etc. En este campo se destacan los análisis de Tinto (1989, 1993), Bean (2001) y Spady (1970) que logran identificar una serie de razones individuales (personales), socio-económicas, académicas e institucionales que enfrentan los estudiantes al momento de decidir si continúan o abandonan sus estudios superiores8. Desde el análisis económico, el interés se ha centrado en identificar las causas y consecuencias de este comportamiento, tomando como referencia fundamental modelos con visión sobre valoración de utilidad, costos y beneficios. En este ámbito se destacan las reflexiones de: - Becker (1998), estudioso de la dimensión del capital humano, sobre la relación entre los costos y los beneficios en el campo de la educación, define el comportamiento humano bajo una visión de mercado al considerar que “las personas únicamente 7 En cuanto a los impactos de la deserción, existe un consenso en la literatura que ésta establece un impacto negativo sobre: (i) el individuo que aspira a estudiar (quien podría no cumplir su proyecto de vida), (ii) la institución educativa, debido a podría generar dificultades de sostenibilidad financiera y (iii) la sociedad, debido a la disminución tanto de la calidad de vida del individuo como del crecimiento económico del país. 8 Spady (1970) retoma el modelo de suicidio de Durkheim y el análisis costo-beneficio, para postular un modelo teórico. Desde ésta perspectiva, la deserción se puede relacionar con el suicidio en el sentido de que el estudiante al ingresar a la institución, con la aspiración de cumplir su proyecto de vida, no lo logra. El individuo al tener problemas durante su tiempo en la universidad decide retirarse o desertar cuando el análisis de costo y beneficio esperado muestra que el primero es mayor que el segundo, dadas sus características (socioeconómicas, pasado familiar, potencial-desarrollo académico, desarrollo intelectual, satisfacción) y su entorno. Se reconoce como desertor tanto a un estudiante que ingresó a la institución de educación superior y se retiró antes de graduarse, como a un estudiante que nunca obtuvo el título universitario al cual aspiraba, debido a que no cumplió con los requisitos institucionales para graduarse. Por su parte, Tinto et al (1973) mencionan la existencia de dos tipos de definiciones de deserción: (i) deserción refiriéndose a las personas que salen de la universidad de la cual están registradas antes de graduarse (la cual es conocida recientemente como deserción institucional) y (ii) deserción refiriéndose solo a las personas que nunca recibieron un grado de cualquier institución de educación superior (la cual es conocida recientemente como deserción del Sistema de Educación Superior). Así mismo, Tinto et al (1973) retoman el modelo de Spady (1970) para explicar la estrecha relación entre los individuos y la institución universitaria, dado que dependiendo de la integración que exista entre ellos se podrá afectar la decisión de deserción. De esta forma, el modelo teórico que ellos presentan tiene en cuenta tanto las características individuales (i.e. aspectos familiares, experiencias académicas previas, motivación) como las institucionales, las cuales afectan de manera conjunta la decisión de deserción que enfrenta el estudiante a lo largo de su etapa académica. Plantean que las instituciones de educación superior deben realizar políticas institucionales (óptimas) de integración tanto a nivel académico como social. Posteriormente, Tinto (1985), plantea la importancia de la realización de políticas de asistencia financiera, ya que éstas pueden modificar la decisión del estudiante de desertar, especialmente para personas de menos recursos económicos. 6 eligen seguir un proyecto académico, intelectual o artístico si, como producto de esta elección, esperan beneficios monetarios y psíquicos que exceden los disponibles en preocupaciones alternativas. Toda la conducta humana puede ser vista como la inclusión de participantes que maximizan utilidades desde un conjunto estable de preferencias y acumulan una cantidad óptima de información y otros recursos en una variedad de mercados”9. - Donoso y Schiefelbein (2007) destacan visiones sobre la complejidad de generar esta clase de modelos sobre deserción o retención. Tales como, por ejemplo, Cabrera et al. (1992) quienes argumentan sobre la importancia de las decisiones de permanecer o abandonar los estudios considerando aspectos diversos que abarcan desde las experiencias sociales y académicas hasta apoyos financieros, capacidad de integración académica, valor de matrículas, etc., que llevan a buscar un balance entre los costos de estudiar y el beneficio de graduarse; Robbins et al. (2004) quienes consideran que, “junto con reevaluar los constructos existentes, las teorías de la persistencia y motivación deberían crear modelos teóricos causales que puedan ser verificados prospectivamente para determinar las relaciones entre motivación, constructos sociales e institucionales en el contexto de la preparación y el desempeño académico”. Identifican como principales constructos: logros, metas académicas, desempeño institucional, soporte social percibido, entorno social, autodesempeño académico, auto-concepto general, habilidades asociadas al desempeño académico, influencias del contexto, soporte financiero, tamaño de la institución y selectividad institucional10. Dentro de este contexto, a continuación se relacionan una serie de estudios que, de forma simultánea, tratan de establecer esquemas teóricos sobre el fenómeno de la deserción, realizan aplicaciones que permitan comprobar su consistencia teórica e identifican limitaciones y elementos importantes, que deben ser considerados en la realización de trabajos como el que se desarrolla en este trabajo. En efecto, la mayoría de los desarrollos empíricos que se han realizado sobre el tema de deserción en la educación se basan en los esquemas de comportamiento y variables explicativas derivados de los modelos teóricos tradicionales de Spady (1979), Tinto (1973) y Bean (1980). Sin embargo, de acuerdo a los objetivos de este trabajo, a continuación se relacionan estudios que realizan no solo modelos explicativos de relaciones que llevan a decisiones de deserción, en buena parte desde la psicología y la sociología, sino que incluyen la perspectiva económica 9 Becker, G. ha trabajado a través del tiempo la “teoría de la decisión” y la “Teoría del capital humano” desarrollos centrado en la educación. 10 Donoso y Schiefelbein (2007) presentan un trabajo de análisis de modelos de retención de estudiantes en la educación universitaria y concluyen que “los modelos de retención muestran cierta evidencia empírica acerca de que los procesos de acumulación de desventajas no son un problema particular en curso de vida desviado de la persona, sino de una estructura de oportunidades que hace a este proceso más incierto y complejo”. 7 y ejercicios empíricos de validación de los mismos utilizando diversas metodologías de orden econométrico: - Cabrera et al (1993) genera un modelo base (Baseline) al retomar y combinar el modelo de Integración de los Estudiantes de Tinto (1975,1983), y el modelo de deserción estudiantil de Bean (1985). El objetivo de estos autores es el de comparar los tres modelos y así saber cuál de ellos es el más adecuado para realizar estimaciones empíricas que expliquen el fenómeno de la deserción. Para esto, usan la población de otoño de 1988 de una institución urbana meridional en los Estados Unidos, empleando la metodología de ecuaciones estructurales en dos pasos. Concluyen que el mejor modelo empírico para explicar la deserción es el que surge de la combinación de las dos teorías cuyos resultados son consistentes de acuerdo con los determinantes considerados en cada una de ellas. - Posteriormente, DesJardins et al (1999), realiza un modelo de duración con el fin de saber cuál es el periodo más probable de deserción y poder obtener información más útil para la institución a la hora de considerar políticas con miras a reducir la deserción y disminuir los costos a nivel individual, institucional, estatal y social. Estos autores usan una base de datos conformada por estudiantes de primer año de la Universidad de Minnesota que ingresaron en el otoño de 1986. Caracterizan esta población de la siguiente manera: (i) desertor temporal, (ii) desertor por abandono y (iii) graduado. Por tal motivo, estiman cuatro modelos de duración 11 y obtienen resultados consistentes con lo que menciona la literatura, a saber: ser asiático, vivir cerca al campus (medido en distancia de la casa), tener transferencia de créditos académicos, tener ingresos monetarios dentro del campus o tener becas están asociadas significativamente a una caída en el riesgo de desertar. Por el contrario, ser hombre o tener mayor edad están asociadas con un aumento en el riesgo de desertar. Además, encuentran que individuos de raza afroamericana tienen mayores riesgos de deserción en el tercer y cuarto año de su carrera académica, aunque los de raza hispana tienen un comportamiento similar al de la población de raza blanca. - Montmarquette et al. (1995) realizan un estudio de determinantes de la deserción universitaria con datos longitudinales sobre matrícula de estudiantes en la Universidad de Montreal. Dicho estudio se realiza a través de un modelo de probabilidad cuyas variables explicativas están relacionadas con intereses y habilidades de los estudiantes. En el 2001 nuevamente los autores trabajan el tema aplicando un modelo probit-bivariado a un estudio de caso sobre la Universidad de 11 El cuarto modelo corresponde a la creación de un nuevo grupo conformado por graduados y desertores temporales. 8 Montreal y encuentran que los determinantes ligados a las características de los programas son más importantes en los primeros semestres. - M. Montoya (1999) desarrolla para Brasil un modelo de utilidad aleatoria para determinar la probabilidad de que un estudiante decida permanecer o desertar de la educación superior. Para este fin utiliza un modelo logit-multinomial y se concentra en atributos individuales de los alumnos tales como ingreso de la familia, nivel de educación de los padres, edad, tipo de escuela de secundaria a la que se asistió, etc. Busca identificar la relación entre la decisión del estudiante de permanecer o abandonar sus estudios superiores y una serie de factores explicativos del proceso de decisión. Sin embargo, considerando que este comportamiento tiene una dinámica sobre el tiempo, se procede en una segunda parte a realizar un análisis de duración para determinar la importancia de variables socio-económicas y de comportamiento individual sobre la duración esperada de la vinculación con la universidad. Hacen una aplicación al caso de la Universidad de Sao Pablo y encuentran que “las tasas de abandono no pueden ser tomadas de manera aislada como un indicador de (in)eficiencia” y argumentan que si el problema es de duración, esto es si los análisis muestran que los estudiantes muestran que los estudiantes se demoran demasiado en tomar la decisión de abandono, se hace necesario utilizar mecanismos a nivel de la Universidad que incrementen los costos y/o reduzcan los beneficios asociados a esa decisión. - Kerkvliet J. and Nowell C. (2005) desarrollan un modelo de retención de estudiantes universitarios utilizando la comparación entre los beneficios y los costos de ingresar o no a una universidad específica con los que enfrentan al considerar otras instituciones. Se considera que la utilidad esperada de ingresar en una universidad refleja la probabilidad subjetiva del estudiante de graduarse. Se aplica un Modelo de retención de estudiantes universitarios, a estudios de caso de dos universidades estatales, utilizando como variables explicativas: costos de oportunidad, ayuda financiera, integración académica y social y registro previo de competencias y condiciones personales de los estudiantes. Los resultados sugieren que los determinantes de retención y su significancia varían de una universidad a otra y que las intenciones o planes de los estudiantes también varían entre las dos universidades por lo que se sugiere no generalizar resultados a otras poblaciones de estudiantes en estudio, considerando diferencias en información, formas de medición y políticas de las universidades. - P. Radcliffe et al.(2006) en la Universidad de Minnesota lleva a cabo un estudio práctico que permita generar políticas de promoción del éxito en la culminación de estudios en la universidad pública, al identificar riesgos de abandono. Utiliza para 9 tal fin un modelo de probabilidad tipo logit con información longitudinal y análisis de supervivencia mediante los cuales se identifican factores que impactan la habilidad del estudiante para persistir en sus estudios y graduarse. Un resultado a destacar que encuentran es que el desempeño en los primeros semestres es un predictor fundamental de éxito para la terminación de los estudios, por lo que el seguimiento al desempeño de los estudiantes y las ayudas y apoyos durante esta primera parte de la universidad es de importancia crítica. El estudio destaca la relevancia de usar modelos de competencia para distinguir deserción de transferencia a otras universidades. En el caso de Colombia, prácticamente no se cuenta con desarrollos teóricos específicos sobre el tema de la deserción y los ejercicios empíricos en su mayoría corresponden a modelos de duración que utilizan para la elección de variables explicativas los modelos tradicionales sobre deserción. Entre los trabajos realizados en el país vale la pena destacar los siguientes: - Vásquez et al (2003), considerado pionero para el caso colombiano, hizo una argumentación detallada del tipo de variables que se deben incluir al estudiar la deserción. Define la deserción desde dos puntos de vista: el temporal y el espacial. El primero de éstos corresponde al momento en el que el estudiante decide salirse de la universidad, ya sea de forma precoz (antes de matricularse por primera vez), o temprana (primeros cuatro semestres) o tardía (posterior al quinto semestre). Mientras que el segundo, se basa en la dirección espacial de la deserción, mencionadas por Tinto et al (1973) (i.e. deserción institucional y del sistema de educación superior) e incluyendo la deserción del programa académico. Cabe resaltar que Vásquez et al (2003) clasifican a un estudiante (de ingeniería), de la cohorte 1996-II de la Universidad de Antioquia, como desertor cuando no se ha matriculado en dos semestres consecutivos. Al realizar la estimación de un modelo de duración sobresalen los siguientes resultados: ser hombre, tener mayor edad al momento de ingresar a la universidad, no tener orientación vocacional, ser egresado de un colegio privado, ser un estudiante autofinanciado, pertenecer a un estrato socioeconómico medio, tener padres con un nivel de educación medio, tener malas relaciones con los profesores o tener buenas relaciones con los compañeros están asociadas positivamente con mayor riesgo de deserción. Mientras que, tener mayor cantidad de créditos aprobados o tener mayor promedio en el semestre está asociado con menor riesgo de deserción. - Solano (2006) realiza un estudio que utiliza un modelo de duración para los estudiantes de primer semestre de 1997 que ingresaron al programa de economía de la Universidad del Atlántico. En este estudio, se define desertor al estudiante que no 10 se ha matriculado en dos semestres consecutivos y de los cuales se tiene información con respecto a variables que se encuentran dentro de las categorías mencionadas en la revisión de literatura internacional. De dicha estimación sobresale que las características que generan que se incremente el riesgo de deserción son: ingresar a la universidad a una edad joven, que los padres tengan altos niveles de educación (estos dos conclusiones sorprenden dado los resultados de la literatura), ser hombre, tener personas a cargo, mala pedagogía de los docentes según lo declarado por los estudiantes o tener bajo promedio académico. - Castaño et al. (2006) realizan para la Universidad de Antioquia un análisis sobre determinantes de deserción y graduación en dos facultades, con la aplicación de modelos de riesgo proporcional en tiempo discreto. La elección de variables se hace fundamentalmente con base en los modelos de Spady (1970), de integración de Tinto (1975) y de desgaste de Bean (1980). Los autores sin embargo destacan la limitación de estos modelos teóricos al manejar el tema desde una perspectiva estática e ilustran las ventajas que observan en la aplicación de modelos de duración, por la posibilidad de hacer seguimiento de los estudiantes desde el inicio de sus estudios hasta que presenten una situación de deserción o graduación, relacionando con factores que pueden influenciar los tiempos de permanencia en la universidad. Los resultados sugieren que hay impacto de factores individuales, socio-económicos, académicos e institucionales sobre la deserción y la graduación. - El CEDE (2007), retoma las definiciones de Tinto (1973, 1987) de la deserción en términos tanto individuales como institucionales así como del sistema de educación superior. Utiliza la definición de deserción del sistema de educación superior dado que su muestra es a este nivel, aunque también agrupan las instituciones de educación superior para estudiar deserción institucional universitaria. Para este fin, define como desertor a un estudiante que no se encuentra matriculado en ninguna Institución de Educación Superior durante dos semestres consecutivos e incluye variables que se encuentran relacionadas con los cuatro grupos de factores de deserción. La metodología empleada por éste es un modelo de duración, que permite estimar diversas especificaciones de acuerdo con la clasificación de institución (universitaria, técnica o tecnológica), tipos de institución (privada o pública), el departamento, el programa académico e incluso un modelo general que incluya todas las instituciones de educación superior a nivel nacional. Algunos de los resultados con respecto al tener un mayor riesgo de deserción para universidades son: estudiar en una universidad privada, ser hombre, altas tasa de desempleo en el departamento, trabajar en el momento de presentar el ICFES, bajo nivel de educación de la madre, bajos puntajes en las áreas de la prueba del ICFES o tener varios hermanos (más de dos). 11 - El estudio de la Universidad Nacional (2007) estima dos modelos, uno de duración (tiempo discreto) y otro tipo logit multinomial con categorías desertor, graduado y activo. Los autores definen a un desertor como un estudiante que no ha efectuado la matrícula durante cinco semestres consecutivos. Los resultados del modelo de duración muestran que las características individuales y socioeconómicas que generan un menor riesgo de deserción son: ser mujer, ingresar a una edad temprana a la universidad y tener apoyo tanto económico como emocionalmente. En cambio, el modelo logit multinomial encontró que ser hombre, tener edad mayor de 19 años al momento de ingresar a la universidad, tener apoyo económico y trabajar incrementa tanto la probabilidad de desertar como la de seguir siendo estudiante activo relativa a ser graduado. - Montes et al (2010), determinan los factores que inciden en la deserción de los estudiantes de pregrado de la universidad EAFIT que pertenecen a las cohortes del primer semestre de los años 2001, 2002 y 2003. Para ello utilizan, también, un modelo logit y un modelo de duración. Los autores definen un desertor como un estudiante que no se matriculó por dos semestres consecutivos. Dado que hay estudiantes que cambian de programa, Montes et al (2010), decidieron realizar dos modelos logit, uno para los que desertan del programa académico y otro para los que desertan de la institución. Del primer modelo, se obtiene que pertenecer a estrato seis, estudiar en un programa que tiene una alta proporción de áreas de ciencias básicas incrementa la probabilidad de desertar del programa; mientras que tener una mayor cantidad de créditos aprobados está asociado a una menor probabilidad de desertar. Para el caso de la deserción institucional, ser mayor edad y tener menor número de créditos perdidos está asociado a una mayor probabilidad de desertar. Sin embargo, tener una beca, un alto promedio semestral o un alto puntaje en el ICFES está asociado a una menor probabilidad de desertar. Finalmente, muestran que el riesgo de desertar es mayor en los primeros tres semestres, sobre todo en el primer semestre. Más específicamente, ser hombre, tener puntajes bajos o medios en el ICFES, tener más de 21 años, no tener becas o tener promedios acumulados menores al mínimo requerido por la universidad (i.e. 3.30 sobre 5.0) tiene mayores riesgos para desertar (menores tasas de supervivencia). - Osorio et al (2012) se centra en analizar tanto la deserción como la graduación, este trabajo estima dos modelos de duración tanto en tiempo discreto como en tiempo continuo. El estudio se realiza a los estudiantes de la Pontificia Universidad Javeriana de Cali que pertenecen la cohorte del segundo periodo del 2002. En cuanto a la deserción, sin importar la forma de estimación temporal, encuentran para los modelos estimados para la deserción: ser hombre o mujer no presenta diferencia en el riesgo de desertar (hechos que sorprenden dado los resultados de la literatura), el desempeño académico previo (resultados del examen del ICFES) no explican el 12 riesgo de deserción, haber desertado de otro programa o encontrarse en primera prueba académica incrementa el riesgo de desertar, entre mayor sea la proporción de créditos aprobados con respecto a los matriculados menor es el riesgo de desertar. Finalmente, encuentran que durante los dos primeros semestres es que existe un mayor riesgo de deserción. La bibliografía reseñada ilustra la importancia de tener en cuenta, en la determinación de las causas de la deserción estudiantil, un marco teórico como elemento fundamental para comprender las decisiones de quienes participan en el mercado de la educación superior. El cual sirva de referencia y pueda ser sometido a comprobación empírica mediante aplicaciones concretas a través de estudios de caso. El ejercicio empírico, de carácter econométrico, requiere calidad y representatividad de la información a utilizar y la inclusión de variables que expliquen la política de retención de cada universidad. 2. Modelo de Educación Superior De acuerdo a la revisión de literatura sobre deserción universitaria no se conoce algún modelo micro fundamentado que permita brindar una estructura económica más formal sobre los factores que inciden en dicho fenómeno. Tener dicha estructura permite la formalización de la toma de decisiones de los agentes involucrados en la formación de capital humano a saber: hogares, universidades y estudiantes. El siguiente modelo microeconómico intenta cerrar esta laguna teórica que es prevalente en esta literatura. 3.1 Hogares y Estudiantes Considere un modelo de dos periodos de un solo bien con un conjunto de hogares que difieren únicamente en ingreso donde t 1,2 representa los dos periodos en que viven. Suponemos que existen N hogares y que cada hogar i 1,...,N tiene un hijo de tal forma que tomamos como exógena la decisión de fertilidad del hogar. La restricción presupuestaria de un hogar se divide en dos periodos y varía de acuerdo a su ingreso en los dos períodos W i W1i ,W2i . El ingreso en cada periodo se distribuye por simplicidad de acuerdo a la función de distribución acumulada en el soporte 0,W con W > 0 como el ingreso más alto que un hogar i puede obtener en la economía. En el primer periodo, los hogares deben decidir si envían o no a sus hijos a estudiar a la universidad la cual tiene un costo de h 0 por individuo. Si un individuo estudia en la universidad y pasa los requerimientos mínimos exigidos termina por graduarse (no opta por desertar). El graduado entra al mercado laboral para obtener un ingreso ws , mientras que si no se gradúa obtiene 13 un ingreso laboral igual al de la mano de obra no calificada wn , donde suponemos wn ws . La habilidad innata de un individuo, denotada Ai tal que el individuo proviene del hogar i de la población, es una variable aleatoria en la población con una cierta función de distribución acumulada denotada , la cual está definida por simplicidad sobre 0, Amax con Amax 0 como la habilidad innata más grande que un individuo en la población puede tener. Suponemos que el ingreso del hogar i y la habilidad innata del individuo que proviene del hogar i son independientes estadísticamente y por tanto la función de Asumimos que la función de utilidad de un hogar i para el periodo 1 es U C A g , donde C es el distribución conjunta viene dada por W i , Ai W i Ai . i 1 i 1 i i i 1 consumo del hogar i en el primer periodo, g i es una variable binaria que toma el valor de uno si el hijo del hogar i se gradúa de la universidad y cero en otro caso, Ai es la ponderación ( se asume que es una función diferenciable) en la utilidad del hogar i de que su hijo estudie tal que Ai 0,1 y satisface 0 y 0 0 . La función de utilidad Ai del hogar i en el periodo 2 es U 2i C2i donde C 2i es el consumo del hogar i en el segundo periodo. Así, la función de utilidad intertemporal del hogar i es U i U1i U 2i , donde 0,1 es la tasa de descuento intertemporal que se supone igual para todos los hogares. Los hijos de los hogares deben decidir en el primer periodo de sus vidas, si se esfuerzan o no en estudiar para pasar el nivel mínimo de competencias que es requerido por una universidad para poder graduarse. El estudiante toma como dada la función de competencias que le ofrece la universidad por estar matriculado en ella, algo que se desarrolla más adelante, la cual puede modificar con el esfuerzo que escoja. Suponemos que la función de utilidad del hijo de un hogar i para el primer periodo viene representada por V1i c1i Ai g i , donde c1i denota el consumo individual del estudiante del hogar i en el primer periodo, Ai es de nuevo la habilidad innata del hijo del hogar i donde Ai es la ponderación en la función de utilidad por graduarse, la cual suponemos es diferenciable y Ai 0 y 0 0 . La función de utilidad para el segundo periodo del hijo del Ai hogar i es simplemente V2i c2i lo que implica que la función de utilidad intertemporal es satisface entonces V i V1i V2i , donde 0,1 es la tasa de descuento intertemporal para el estudiante. 14 3.2 Demanda de Educación Superior por parte de los Hogares Los hogares pueden endeudarse con un crédito para financiar la adquisición de capital humano de su hijo o simplemente dejar de consumir parte de su ingreso del primer periodo para pagar por su educación. Los mercados de crédito son tal que para invertir en capital físico la tasa de interés es r , sin embargo, inversión en capital humano entabla un riesgo de incumplimiento mayor que la inversión en capital físico, lo que viene representado por una prima de riesgo de z . Así la tasa de interés al que prestamistas otorgan crédito para inversión en capital humano es R r z . Suponemos que sólo si un hogar tiene un nivel de ingreso superior a cierto valor mínimo W puede acceder a créditos para invertir en capital humano. En el primer periodo, si el hogar i tiene ingreso suficiente para financiar los estudios del hijo W1i h el consumo termina siendo C1i 1 s W1i h donde s 0,1 representa la fracción del ingreso disponible que se ahorra para el segundo periodo, y que se asume igual para todos los hogares. En el segundo periodo, el consumo es C2i W2i s W1i h 1 r donde s W1i h 1 r es lo que el hogar i deposita en las entidades bancarias en el primer periodo y obtiene un retorno de r para el siguiente periodo en el que se consume. Por otra parte, si el hogar no tiene el suficiente ingreso para financiar por sí mismo el estudio de su hijo W W1i h debe ir al mercado de crédito y endeudarse a la tasa de interés R y pagar en el segundo periodo el crédito. Suponemos que los hijos no se independizan de su hogar sino luego de pagar la deuda, así que, la restricción presupuestaria en esta caso para un hogar i que se endeuda es C1i W1i en el primer periodo y para el segundo periodo el consumo esperado dependerá de si el hijo se gradúa g i 1 o no g i 0 , dado que sólo 12 un graduado puede obtener un empleo con salario alto ws con certeza . El consumo del hogar i en el segundo período viene representado por W2i ws W1i h 1 R si C i i W2 wn W1 h 1 R si i 2 12 gi 1 gi 0 Se abstrae de la posibilidad de desempleo en el modelo. 15 donde 0,1 es la fracción que el individuo ayuda a su hogar para pagar la deuda una vez consiga un empleo, 0,1 es la fracción de la deuda que el hogar i termina pagando efectivamente por un estudiante que no logra graduarse, dado que un estudiante que no se gradúa, muy posiblemente, se retire antes de completar todo el ciclo educativo. Suponemos que un estudiante se gradúa con probabilidad q f i 0,1 la cual depende del esfuerzo con que estudie el individuo f i 0,1, así como de la oferta de competencias que una universidad le ofrece a un estudiante. Sin embargo, denotamos f i 1 para el caso que el estudiante del hogar i escoja esforzarse mientras que f i 0 denota que el estudiante del hogar i no escoge esforzarse, donde, razonablemente, suponemos 1 q1i q0i 0 . Para el hogar i que tiene ingreso suficiente en el primer periodo para pagar por la educación del hijo W1i h tomará la decisión óptima de enviar a su hijo a una universidad si la utilidad esperada de hacerlo es mayor a la utilidad esperada de no enviarlo, es decir, 1 sW1i h Ai q f i o equivalentemente W2i s W1i h 1 r 1 sW1i W2i sW1i 1 r Ai q f h1 s 1 r 1 i De esta ecuación, se deduce que hogares con suficientes recursos propios W1i h envían a ~ sus hijos con habilidad Ai si esta habilidad es mayor o igual a un cierto nivel mínimo A h1 s 1 r 1 ~ Ai 1 A h, r, s, q f i qf i (1) de lo contrario no lo envían13. Nótese que este valor crítico es creciente en h, r, s y ~ decreciente en q f i . Por tanto, hogares que satisfacen W1i h y Ai A conforman la masa de estudiantes potenciales auto-financiados por su hogar, que demandan cupos en las universidades. Como los hogares difieren en ingreso y en la habilidad innata del hijo la demanda de los estudiantes auto financiados por educación superior viene representada por W Am ax ~ Da Ah; h N ~ W i Ai dAdW 13 h Ah (2) Como la función A es una función creciente monótonamente entonces existe su inversa. 16 Por otro lado, el hogar i que no tiene ingreso suficiente en el primer periodo para pagar por la educación de su hijo W W1i h debe utilizar crédito para enviarlo a una universidad, lo cual es una decisión óptima, si la utilidad esperada de hacerlo es mayor a la utilidad esperada de no enviarlo W1i Ai q f i W2i q f i ws 1 q f i wn q f i 1 q f i W1i h 1 R W1i W2i o equivalentemente, q f i 1 q f i h W1i 1 R q f i ws 1 q f i wn A q i f i De esta ecuación, se deduce que el tipo de estudiantes Ai que provienen de hogares que deben endeudarse para financiar la universidad de su hijo, los que denominamos estudiantes potenciales con financiados con crédito, terminan estudiando si su tipo es mayor a un valor crítico A q f i 1 q f i h W1i 1 R q f i ws 1 q f i wn A qfi A W1i , R, h, ws , wn , q f i i 1 (3) lo que significa que sólo hogares i con ingreso W W1i h y habilidad del hijo Ai A W1i , R, h, ws , wn , q f i envían a su hijo a una universidad. Esta expresión muestra que si ws fuera lo A W1i , R, h, ws , wn , q f i suficientemente alto, dado q f i , entonces el valor crítico sería no positivo y todos los hogares con ingreso W W1i h enviarían sus hijos a una universidad. Por otra parte, hogares con 0 W1i W no pueden acceder a crédito por tener bajo nivel de garantías para pagar la deuda, y por tanto, no pueden enviar sus hijos a una universidad. Nótese que el valor crítico A W1i , R, h, ws , wn , q f i es creciente en R,h, y decreciente en W1i , ws , q f i . 17 ~ Más aún, nótese que A h, r, s, q f i E A W1i , R, h, ws , wn , q f i 0 .14 Así, hogares que satisfacen W W1i h y A i A W1i , R, h, ws , wn , q f i conforman la masa de estudiantes potenciales financiados con crédito que demandan educación superior h Am ax Dcr Ah; h N W i Ai dAdW (4) W Ah La masa de estudiantes potenciales que demandan educación superior lo denotamos ~ D Ah, Ah; h que es el total de (2) más (4) tal que ~ ~ D Ah, Ah; h Da Ah; h Dcr Ah; h (5) Antes de considerar la decisión de esfuerzo por parte de estudiantes admitidos a las universidades, pasamos a modelar el comportamiento de una universidad como institución. Suponemos que ésta ofrece cupos y competencias profesionales a sus estudiantes y otorga un título profesional, siempre y cuando el estudiante haya aprobado un nivel mínimo de competencias requerido por la universidad. 3.3 Las Universidades 3.3.1 Producción de Competencias en Estudiantes Suponemos que existen n universidades que compiten entre sí para obtener estudiantes, en un mundo de competencia perfecta15, donde cada universidad toma como 14 Se tiene ~ A h, r, s, q f i E A W1i , R, h, ws , wn , q f i si y sólo si se satisface la siguiente desigualdad 1 h1 s 1 r 1 1 1 1 h W1i 1 R ws 1wn q i qf i f debido a que (A) es una función monótona creciente. Obsérvese que esta desigualdad se satisface siempre bajo los supuestos que se han hecho en el modelo. Para ver esto, nótese que la desigualdad de arriba se tiene si la siguiente desigualdad se satisface 1 qf i h1 s 1r 1 ws wn 1 W1i h 1 R h W1i 1 R wn Pero esto se cumple debido a que el numerador de la parte derecha es positivo y el denominador es negativo. Como q i 0,1 entonces esta desigualdad siempre se tiene. f 18 dado los precios de matrícula pa y el valor de su sello en el mercado de egresados dado por pY . Vamos a analizar el caso de una universidad representativa y por simplicidad suponemos que existe una sola carrera universitaria que desean los potenciales estudiantes admitidos a la universidad. El objetivo de una universidad j 1,...,n es capacitar a sus estudiantes en competencias requeridas en el mercado laboral. Para obtener estas competencias los estudiantes deben aprobar un estándar mínimo requerido por la universidad j para graduarse. Luego, el estudiante una vez graduado puede acceder al mercado laboral. La obtención de competencias por parte del estudiante i 1,...,N va a depender de su esfuerzo y de lo que la universidad j le ofrece para prepararse. Suponemos que la universidad j presenta la siguiente tecnología para producir competencias, la cual representamos por medio de una función de producción genérica de la forma Y j U cd j 1 e Ai , g e,i , S j , q j , X i (6) donde Y j denota el nivel de competencia del estudiante tipo Ai , el término U cd j representa la contribución de la universidad a la formación de los estudiantes a través de las competencias docentes de sus profesores, donde el parámetro 0,1 es la ponderación relativa de este componente en la producción de competencias en los estudiantes, el cual suponemos igual entre universidades; e denota la función de aprendizaje de un estudiante, la cual varía de acuerdo con las características de él como de la universidad; el término g e,i representa la expectativa del estudiante i por graduarse, donde g e,i 0,1 lo que significa que si g e,i 1 el estudiante del hogar i espera graduarse; la variable S j denota la parte institucional de bienestar universitario provisto por la universidad para sus estudiantes, q j denota la calidad de los docentes medida como su capacidad pedagógica y finalmente X i son determinantes socio-económicos y psicológicos de los estudiantes. Tanto las competencias docentes cd j como bienestar universitario S j son insumos de la universidad para generar el nivel de competencia Y j en un estudiante j : i) la universidad contrata profesores (cátedra y planta) con un cierto nivel de competencias docentes cd j y ii) provee programas institucionales de bienestar universitario S j para asistir a los estudiantes matriculados en asesorías y motivación (consejerías, tutorías, ayudas psicológicas, becas, etc).16 15 Evidentemente competencia perfecta es un supuesto fuerte sin embargo este supuesto se puede relajar para tener un ambiente de competencia monopolística entre universidades lo que no altera los resultados empíricos encontrados para deserción universitaria. 16 El lector podría cuestionar la forma funcional aditiva entre los dos componentes en la función de producción de competencias. Aunque no tenemos evidencia empírica que soporte este supuesto, creemos que la forma aditiva permite modelar nuestra creencia de que existe una sustituibilidad (casi perfecta) entre estos factores. Esto significa que aún si U cd j 0 el nivel de aprendizaje de un estudiante podría permitirle, si se 19 Por una parte, suponemos que las competencias de los docentes cd j provienen a su vez de una sub función de producción (estocástica) dada por aj U cd j H j , q j U p (7) donde H es una función homogénea de grado cero en a y p que satisface H a 0 , p H q j 0 donde a p es el número de estudiantes por profesor y U denota un término de perturbación iid con media cero y varianza U2 . Este término de perturbación, representa los ajustes en currículo, reemplazos en el cuerpo docente de profesores, ambientes pedagógicos creados por el cuerpo profesoral en las aulas de clase, etc. Como veremos más adelante el número de estudiantes admitidos en la universidad viene dada por una función de demanda de estudiantes potenciales (o cupos disponibles ofrecidos) de parte de la universidad j que permita generar un beneficio no negativo. El número total de profesores en el programa viene dado por p pc p p donde pc denota profesores de cátedra, p p profesores de tiempo completo. Por otra parte, especializamos la función reducida de aprendizaje del estudiante en su propia formación de competencias como la siguiente función estructural estocástica e Ai , g e,i , S j , q j , X i e f Ai , g e,i , m S j , q j X ie que depende positivamente de la motivación m y el esfuerzo f del estudiante tipo Ai . Modelamos la motivación m de un estudiante como una variable aleatoria discreta m 0,1 donde S j , q j es su valor esperado y representa la probabilidad de estar motivado, la 2 0 , 0 y cual suponemos es una función de S , q , tal que 0, q j S j S j 2 j j 2 0 ; el término X i e es la multiplicación de X i , que son determinantes socioj2 q económicos y psicológicos de un estudiante i , con una perturbación estocástica e , que capacita de forma auto didacta, obtener un nivel de competencia Y j . Sin embargo, un autodidacta no puede obtener un salario alto en el mercado laboral debido a que su habilidad innata es inobservable para un empleador. Por tanto, aún autodidactas para poder obtener ofertas salariales altas deberá estudiar en una universidad o volverse un empresario como fue el caso de Steve Jobs y otros grandes empresarios que desertaron de la educación superior. 20 suponemos iid con media uno y varianza e2 , que representa inobservables que magnifican positiva y negativamente el aprendizaje de los estudiantes a través de estas condiciones socio-económicas (e.g. el evento de que se presente un divorcio en un hogar puede afectar negativamente a un estudiante a través de sus características socio-económicas representadas en X i ). Suponemos que el estudiante no escoge motivarse por sí mismo sino que son las instituciones de la universidad j y la calidad de su cuerpo docente, las que influyen en aumentar su nivel de motivación en valor esperado. Por otra parte, como se comentó arriba el esfuerzo f i que un estudiante dedica al estudio lo modelamos como una variable binaria f i 0,1 la cual es una función de la habilidad innata del individuo Ai y de la expectativa de graduación o no del estudiante g e,i , pero que a diferencia de la motivación es una variable que es escogida óptimamente por cada estudiante. Al coleccionar todo lo asumido arriba obtenemos una función de producción de la forma aj j Y H j , q 1 e f Ai , g e,i , m S j , q j 1 X i e U p donde la competencia esperada para un estudiante tipo Ai admitido a la universidad j j viene dado por aj E Y j Ai , g e,i H j , q j 1 e f Ai , g e,i , S j , q j 1 E X i Ai , g e,i p (8) 3.3.2 Otorgamiento de un Grado Ahora bien, a pesar que un hogar i tiene un cupo en la universidad j para matricular a su hijo y que puede pagar su educación (financiada con crédito o recursos propios) no tiene garantizado que su hijo se gradúe. De hecho, el grado de un estudiante depende de un examen estandarizado (e.g. preparatorios o SABER PRO, inclusive podría que evalúa la competencia ser un trabajo de grado calificable) denotado Y j Y j del estudiante del hogar i y toma la siguiente forma: si el puntaje es mayor o igual que un estándar académico y * , establecido por la universidad de acuerdo a sus reglamentos (suponemos por simplicidad que y * es el mismo para todas las universidades) se otorga el grado al estudiante, de lo contrario, no se otorga. Esto se sintetiza en la siguiente regla académica de la universida j 21 1 si Y j y * j gj j j 0 si Y y * donde j ~ iid 0,2 (9) es un término de error distribuido de forma independiente e idénticamente con media cero y varianza 2 a través de las universidades. El término de error representa los cambios en los requerimientos efectivos (no observables) para el otorgamiento del título o grado de un estudiante. Suponemos que esta función Y j satisface 0 y 0 lo que significa que a mayor competencia Y j que ofrece la universidad j como formación profesional y académica a sus estudiantes, mayor va a ser el puntaje que éstos obtienen en promedio, aunque marginalmente, este aumento decrece con el nivel de competencias Y j . 3.3.3 La Demanda de Profesores, Calidad Docente y Bienestar Universitario La universidad j 1,...,n por su parte debe ser financieramente viable así que se puede modelar como una organización que minimiza costos para llevar a cabo su labor académica. Los costos totales de la universidad j vienen dados por CT j w1 p j w2 a j w3q j w4 S j I (10) donde wd para d 1,...,4 son los costos por unidad, I denota el costo de la infraestructura (como salones, laboratorios, auditorios, etc.) que utiliza una universidad y que es un costo fijo en su quehacer académico. La universidad debe minimizar la función de costos sujeto a un número de estudiantes admitidos al programa a a y a la producción de un nivel de competencias esperada EY Y para el tipo de estudiante esperado EA Ae . Tomamos el costo variable w2 a como dado, en el problema de minimización, debido a que el valor óptimo de a se determina cuando la universidad maximice beneficios en la siguiente sección. Este costo variable que se toma como dado, está relacionado con los costos administrativos que se genera en la atención de la población estudiantil admitida. Por ejemplo, este costo refleja los costos asociados a: el número de directivos, el número de secretarias, el número de personas encargadas del mantenimiento de la infraestructura, los servicios públicos (luz, agua, teléfono, personal de seguridad) utilizados, el número de licencias de software, entre otros. El término EY Y hace referencia a que la universidad al diseñar el currículo de sus programas académicos no lo realiza para estudiantes que se encuentran en las colas de la distribución de A (i.e. para estudiantes con una habilidad innata superior o inferior al promedio, Ae ) sino para un estudiante promedio que se espera 22 entre a la universidad con los conocimientos mínimos requeridos para rendir adecuadamente en la parte académica. Para simplificar notación omitimos el supra índice j ya que estamos analizando una universidad representativa. El problema de minimización de costos que debe solucionar una universidad es el siguiente min w1 p w2a w3q w4 S I p, q, S 0 (11) a sa : Y H , q 1 e q f i Ae , g e , S , q 1 EX p donde se ha tomado valor esperado en 8 para obtener la parte derecha de la restricción, que representa la competencia media que una universidad puede generar para un estudiante con habilidad esperada Ae y la expectativa promedio de graduación g e .17 La solución a este problema conlleva a encontrar las demandas de profesores p w,Y ,a , la calidad docente q w,Y ,a y el bienestar universitario S w,Y ,a . Al reemplazar dichas demandas en la función de costos de 11 obtenemos la función de costos totales dada por CT w, Y , a w1 p w, Y , a w2 a w3 q w, Y , a w4 S w, Y , a I (12) 3.3.4 La Oferta de Cupos y de Competencias a Estudiantes La universidad representativa debe determinar el número de cupos que puede ofrecer a los hogares y que determina finalmente el número de estudiantes admitidos a . Recuérdese que cada hogar que invierte en la educación universitaria de su hijo paga h , donde este costo representa todos los costos de matrícula pa más "otros" costos que involucran libros, transporte, alimentación, vivienda etc., es decir, la manutención de un estudiante y que denotamos po . Así tenemos que h pa po , y que la universidad percibe el ingreso por estudiante admitido, es decir, el valor de pa . De otro lado, la universidad debe determinar la competencia esperada Y ofrecida a sus estudiantes promedio esperados. Sin embargo, Y no es observable directamente, sino a través de una función ruidosa que se representa por Y . Suponemos que la competencia media que ofrece la universidad 17 Al tomar valor esperado en (8) se aplica la ley de valores esperados iterados, que nos dice lo siguiente: para cualquier variable aleatoria Y y vector aleatorio X se tiene EY EX EY X . 23 tiene un precio sombra dado por pY 0 que representa el "sello" de la universidad en el mercado laboral, una vez el estudiante se gradúe y entre a laborar. El problema de la universidad se puede plantear de la siguiente forma, de acuerdo a lo supuesto arriba, como un problema de maximización de beneficios utilizando la función costos 12 sujeta a un nivel mínimo de competencias, representada por la función indicadora de competencias Y , por encima de un valor y * max pa a pY Y w1 p w, Y , a w2 a w3q w, Y , a w4 S w, Y , a I a, Y 0 (13) sa : Y y * Nótese que, primero, podemos solucionar el problema para obtener los valores óptimos de a y Y bajo una solución interior, y luego imponer Y y * , que implica una cota inferior para el nivel de competencias ofrecida por la universidad. La solución de este problema de maximización genera la oferta de cupos ap, w y la oferta media de competencias de la universidad Y p, w max Y min,Y o p, w donde Y o p, w 0 es la solución interior del problema representado en 13 y Y E 1 y * es el valor esperado del nivel Y mínimo de competencias que debe aprobar un estudiante ante la universidad para obtener el título universitario. min 3.3.5 Balance de Mercados Como se ha supuesto un ambiente de competencia perfecta en donde operan y funcionan las universidades debemos considerar la situación en la que los mercados se balancean, i.e. los precios del modelo p, w pa . po , w1 , w2 , w3 , w4 se determinan bajo condiciones de competencia perfecta. En particular, para cupos ofrecidos por las universidades las condiciones competitivas implican que la demanda agregada por parte de las familias por cupos es ~ ~ D Ah, Ah; h Da Ah; h Dcr Ah; h D pa po 24 donde se ha utilizado que h pa po , la cual debe igualar la oferta potencial de cupos por parte de las universidades n a p , p j j 1 a Y , w , lo que implica que pa en equilibrio debe satisfacer n D pa po a j pa , pY , w j 1 Dado que no hemos modelado el mercado laboral de los egresados de las universidades se asume que existe una demanda agregada por egresados DY pY , w. Así el precio pY de las competencias esperadas de estudiantes egresados de las universidades se determina también através de mercados competitivos, lo que implica que la demanda agregada por competencias de un egresado de una universidad por parte de las firmas que los contratan en el mercado laboral debe igualar la oferta esperada de competencias de un egresado lo que implica que pY en equilibrio competitivo debe satisfacer DY pY , w 1 n j Y pY , pa , w n j 1 Naturalmente, hacemos el supuesto que los precios de los insumos w y gastos del hogar en otros mercados representados por po también que se determinan en mercados competitivos, aunque aquí nos interesa dejar tan sólo las condiciones competitivas para cupos y competencias de estudiantes que conforman la oferta académica de las universidades. 3.4 Decisión de Esfuerzo de los Estudiantes El estudiante toma como dada la función de oferta de competencias que la universidad ofrece a sus estudiantes, la cual es función explícita del esfuerzo que el alumno tipo Ai escoge, al tomar su decisión de esfuerzo. Así, independientemente del esfuerzo que un estudiante de un hogar i elija, un tipo de estudiante i con un Ai más alto va a poder generar mayor nivel de competencia dado que la función e q f i Ai , g e,i , S j , q j en la ecuación 8 es una función creciente en Ai y g e ,i . Esto es lo importante de la oferta académica de una universidad, ya que permite a estudiantes de niveles de habilidad innata altas poder obtener mayor nivel de competencias que las mínimas requeridas por la institución. 25 La función de oferta de competencias proviene de evaluar 8 en las demandas óptimas qp, w qw;Y p, w, a p, w, p p, w p w;Y p, w, a p, w; a p, w aw;Y p, w y S p, w Sw;a p, w que se obtienen del problema de maximización de beneficios de las universidades dada en 13 a j p, w j E Y A , g , X H j , q p, w 1 e f Ai ; g e,i , S j p, w, q j p, w p p, w j i e,i i 1 E X i Ai , g e,i (14) Como se observa en 14, el valor esperado de competencias que el estudiante i tipo A , toma como dado es una función explícita del esfuerzo que el estudiante debe escoger, dada su expectativa de graduarse o no g e,i , denotada f Ai ; g e,i , así como de i determinantes socio-económicos y psicológicos recogidos en X . Pasamos a estudiar la decisión de esfuerzo por parte de un estudiante i 1,...,N matriculado en una universidad i j 1,...,n . Para simplificar la notación omitimos los índices i, j que corresponden al estudiante y a la universidad respectivamente. Además, omitimos p, w aunque siempre están presentes en las demandas y ofertas. Recordemos que un estudiante tiene un ingreso que el hogar le otorga durante el tiempo que estudia en la universidad y que hemos denotado arriba como po . Supongamos 1 le cuesta k1 0 mientras que si no se esfuerza f 0 el costo es k0 , donde suponemos razonablemente que k0 k1 . Este costo en unidades de esfuerzo tiene un equivalente en unidades monetarias que viene representado por la función ki ; A 0 con i 0,1 tal que ki ; A satisface que para un estudiante tipo A el esfuerzo k1; A k0 ; A y ki ; A f k1 ; A k0 ; A 0, . A A A Por tanto, el consumo en el primer periodo de un estudiante tipo A , que es el periodo en que está estudiando en la universidad, es el siguiente p k1 ; A c1 0 p0 k0 ; A si si f 1 . f 0 26 Recordemos que un estudiante para graduarse g e 1 debe aprobar un nivel estandarizado mínimo de competencias dado por la función E Y A, g e , X y * , de lo contrario no se gradúa g e 0 . Si el estudiante se gradúa entra al mercado laboral y obtiene un ingreso alto ws en el segundo periodo de su vida, mientras que si no se gradúa obtiene un ingreso bajo wn . En cualquier caso suponemos que el estudiante paga una proporción del crédito, si es que el hogar se endeudó para financiar sus costos de la universidad, en caso contrario, esta proporción del ingreso obtenido no tiene que darlo al hogar. El consumo para el segundo periodo, para un estudiante que está por fuera de la universidad graduado o no graduado, es entonces ws 1 w s c2 wn 1 wn g e 1,W1 h g e 1,W W1 h g e 0,W1 h g e 0,W W1 h si si si si El estudiante que espera graduarse g e 1 debe decidir óptimamente, en el primer periodo, si se esfuerza o no dependiendo de su tipo Ai y del ingreso W1i del hogar de donde proviene, dado que esto determina el tipo de financiamiento que el hogar utiliza para financiar los estudios. La decisión óptima depende de si la utilidad esperada de esforzarse es mayor o igual a la utilidad de no esforzarse, dado su tipo A, g e ,W1 . Así se tiene EV f A, g e 1 1 EV f A, g e 1 0 si y sólo si p0 k1 ; A Aq1 ws p k ; A Aq w s 0 0 0 p k1 ; A Aq1 1 ws 0 p0 k0 ; A Aq0 1 ws si W1 h, g e 1 (15) si W W1 h, g e 1 donde se ha utilizado qi para i 0,1 definidas como q1 Pr E Y f A, g e 1 1, X y * q0 Pr E Y f A, g e 1 0, X y * (16) 27 donde q1 q0 dado que f A, g e 1 1 genera e f A, g e 1 1 , S j p, w, q j p, w 0 . Suponemos explícitamente que q1 q0 debido a que la probabilidad de que un tipo A se gradúe marginalmente debe aumentar para los que se esfuerzan, relativo a los que no, para tipos A más grandes. Igualmente, el estudiante que espera no graduarse g e 0 toma la decisión óptima de esforzarse o no dependiendo de si la utilidad esperada de esforzarse es mayor o igual a la utilidad de no esforzarse, dado su tipo A, g e ,W1 . Así se tiene EV f A, g e 0 1 EV f A, g e 0 0 si y sólo si p0 k1 ; A wn p k ; A w n 0 0 p wn k A ; 1 1 0 p0 k0 ; A 1 wn si W1 h, g e 0 (17) si W W1 h, g e 0 Equivalentemente, las ecuaciones 15 y 17 se pueden escribir como Aq1 q0 g e k1; A k0 ; A (18) Nótese que si un estudiante prevee que no se gradúa g e 0 entonces la decisión 0 debido a que la ecuación 18 no se satisface para ningún A dado que k1 ; A k0 ; A . Sin embargo, un estudiante que prevee graduarse óptima es de no esforzarse g e f 1 no necesariamente se esfuerza debido a que su decisión óptima depende del tipo A que él sea. Para estudiar este segundo escenario, defínase  como el tipo de estudiante para el cual la ecuación 18 es una igualdad dado g e 1 , el cual define el tipo de estudiante indiferente entre esforzarse o no. En anexos, ver proposición que da condiciones ˆ 0. suficientes para la existencia y unicidad de A Por tanto, llegamos a la conclusión que la elección óptima f 1 ocurre para tipo de ˆ dado que su expectativa sea graduarse ( g e 1), mientras que estudiantes A tal que A A 28 f 0 es la elección óptima para estudiantes tipo A tal que A Aˆ o para todo tipo A0, dado que su expectativa sea no graduarse ( g e 0 ). Esto se ilustra en la figura 1 ˆ 100 tal para estudiantes que tienen la expectativa de g e 1 donde el valor crítico de A que tipos con A 100 escogen no esforzarse (i.e. f 0 ) mientras que tipos con A 0 se esfuerzan (i.e. f 1 ). La figura 2 muestra que tipos A0, para los cuales tienen expectativas de g e 0 genera bajo esfuerzo y por ende deserción universitaria. En este contexto se vislumbra que la deserción universitaria se puede presentar como un resultado inducido, aunque no únicamente, por una elección de bajo esfuerzo de parte de un estudiante. Pasamos a estudiar precisamente la deserción universitaria. Figura 1: Esfuerzo óptimo dado que el estudiante tuvo expectativa de graduarse f(A; g=1) 1.0 0.5 0.0 0 50 100 150 A Figura 2: Esfuerzo óptimo dado que el estudiante no tuvo expectativa de graduarse f(A; g=0) 1.0 0.5 0.0 -0.5 50 100 150 A -1.0 29 3.4.1 Deserción Universitaria Estudiantes que tienen la expectativa de no graduarse g e 0 , independientemente de su tipo A0, y de sus características socioeconómicas, deciden óptimamente desertar, lo cual es una conclusión no sorprendente. Sin embargo, se ha llegado a la conclusión que la elección óptima de esforzarse (i.e. f 1 ) es para tipo de estudiantes A ˆ 0 , dada una expectativa de graduación g e 1 , mientras que no se tal que A A ˆ esfuerzan (i.e. f 0 ) cuando son estudiantes cuyos tipos están en el intervalo 0 A A con expectativa de graduarse g e 1 . Sin embargo, debemos recordar de la primera sección que hogares financiados con crédito envían sus hijos a estudiar sólo si su hijo es de un tipo A mayor o igual a un valor crítico dado por E A W1i , R, h, ws , wn , q f i en la ecuación 3 . Esto puede restringir la conclusión a la que acabamos de llegar en cuanto a la elección óptima de esfuerzo por parte de un estudiante. Si el valor crítico E A W1i , R, h, ws , wn , q f i es mayor estrictamente que  entonces la elección óptima f 1 ocurre para todo estudiante admitido y matriculado a una universidad dado que tenga la expectativa de graduarse g e 1 , lo que implica que la deserción universitaria ocurriría por razones económicas, psicológicas y sociales que los hogares y estudiantes enfrentan (resumidas en X ) y no por las razones de bajo esfuerzo en el estudio. Por ejemplo, razones económicas que deterioran los ingresos familiares (muerte de su acudiente por ejemplo) y que generan que los hogares no puedan seguir financiando el estudio de sus hijos, razones psicológicas que deterioran la capacidad emocional de los alumnos e.g. pérdida de un ser querido, dificultades con relaciones afectivas (novio/novia) etc, razones sociales que hacen que el ambiente de estudio se dificulte e.g. problemas de acoso sexual, matoneo, discriminación, estigmatización etc. Naturalmente puede ocurrir más de una razón a la vez para los estudiantes en algún momento, los cuales los inducen a abandonar la universidad en que estudian aún si su expectativa era de obtener el grado. Lo importante es que en este caso la deserción universitaria no ocurre únicamente como un resultado de la elección de bajo esfuerzo. Por otra parte, si E A W1i , R, h, ws , wn , q f i es menor estrictamente que  entonces tendríamos una conclusión similar a la que obtuvimos arriba para estudiantes con expectativas de graduación g e 1: la elección óptima f 1 es para tipo de estudiantes A ˆ mientras que f 0 es la elección óptima para estudiantes con tipos tal que A A i ˆ donde E A ˆ Ø . Aunque en el E A W1i , R, h, ws , wn , q f i A A W1 , R, h, ws , wn , q f i , A 30 ˆ seguramente es modelo no existen razones para suponer que E A W1i , R, h, ws , wn , q f i A un caso posible en la realidad ya que la evidencia empírica de las encuestas que se hicieron en la PUJ muestran que la deserción universitaria, no sólo ocurre por razones socioeconómicas y psicológicas, sino que está asociado en muchos casos a bajo esfuerzo por parte de los estudiantes (lo cual se refleja en la pérdida de materias y el nivel de formación previa que traían del colegio). Por tanto, el posible resultado estocástico de la deserción universitaria, a parte de poder ser un resultado de razones idiosincráticas, socio-económicas y psicológicas, es el resultado de una elección de bajo esfuerzo por parte de estudiantes sin expectativas para graduarse g e 0 o aún si tienen expectativas para graduarse g e 1 puede ocurrir óptimamente cuando escogen no esforzarse para estudiantes con tipos de A ˆ , posiblemente no vacío. bajos que están en el conjunto A E A W1i , R, h, ws , wn , q f i , A 3.4.2 Ejemplo La condición de optimalidad dada en la ecuación 18 para tipos que se esfuerzan se puede representar en la figura 3 para la siguiente especificación paramétrica: A logA 1 , ki ; A logkAi 1 logA 1, 5 , k1 5.7 , k0 0 , q1 0.9 AA1 , q0 0.1 AA1 . Supongamos que E A W1i , R, h, ws , wn , q f i 37 el cual se representa en la figura 3 como una línea vertical. La curva con pendiente negativa en la figura 3 es k1; A k0 ; A mientras la curva que tiene pendiente positiva es Aq1 q0 . El tipo A para el cual las dos curvas se interceptan es Aˆ 88.3 , el cual es mayor estrictamente a 37, lo que significa que tendremos una fracción de estudiantes que óptimamente escogen esfuerzo bajo en el soporte 37,88.3 dada la expectativa de graduarse g e 1. La figura 3 ˆ 88.3 escogen óptimamente f 1, tipos A entre muestra que tipos A mayores a A 37,88.3 escogen óptimamente f 0 y tipos menores a 37 no son enviados a la universidad. Figura 3 10 5 0 0 50 100 150 A 31 Si interpretamos A como el coeficiente intelectual de un estudiante y suponemos consecuentemente la función A como una distribución acumulada lognormal18 en el soporte 0, con parámetros 1 0.45 y 2 4.5 λ₂=4.5 obtenemos que la media de la distribución es 100 y su desviación estándar es 15 , lo que replica la distribución usual del coeficiente intelectual de un ser humano. Según los supuestos paramétricos hechos arriba, la fracción de estudiantes admitidos, cuyas expectativas son de graduarse g e 1 , escogen óptimamente bajo esfuerzo f 0 , es 88.3 37 0.4075 la cual se representa en la figura 4 como el área debajo de la curva entre las dos líneas verticales. Figura 4 0.012 0.010 0.008 0.006 0.004 0.002 0.000 18 0 50 100 150 200 A La distribución lognormal tiene la función de densidad 1 A 1 2 A ln A 2 2 exp 212 en el soporte 0, y la función de distribución acumulada ln A 2 1 A 1 erf 2 21 donde erf x es la función de error. 32 3. Datos de la PUJ-Bogotá para la Cohorte Diurna 2006 Los datos que se utilizan en las estimaciones provienen de una encuesta que se realizó a una muestra de la población Neo-Javeriana de la jornada diurna del 2006. La población de Neo-Javerianos de la jornada diurna del 2006 corresponde a todos los estudiantes que iniciaron sus estudios universitarios en las cohortes del primer semestre 2006-I y del segundo semestre del 2006-III19. La población pertinente de Neo-Javerianos se encuentra conformada por 3.567 estudiantes que se conoce a partir de la información suministrada por la Rectoría de la Pontificia Universidad Javeriana-Bogotá a través de la Secretaría de Planeación. Dicha información se refiere a los registros de admisiones, recaudos y graduaciones de los Neo-Javerianos del 2006. Para ese año ya se encontraba en plena vigencia la nueva reglamentación sobre flexibilización de currículo, establecida por el Ministerio de Educación Nacional, y adoptada en Colombia desde finales del 2004 y comienzos del 2005. A la fecha de construcción de la base de datos que conforma la población de este estudio, los estudiantes de esas cohortes se clasifican en graduados, activos y desertores. Dentro del contexto de las definiciones de deserción, este trabajo utiliza la definición de deserción a nivel institucional20: se considera como desertor a un estudiante de pregrado de la jornada diurna que inicia sus estudios universitarios en el primer y/o segundo semestre del año 2006 (cohortes 2006-I ó 2006-III) y que durante cuatro semestres consecutivos21 no realiza procesos de matrícula (tanto financiera como académica). 4.1 Estadísticas Descriptivas En un trabajo previo Berrio et al. (2013) se elaboraron estadísticas descriptivas de la población de interés. Aquí enfatizamos algunos resultados que motivan la elaboración del modelo micro-fundamentado presentado arriba y de la utilización de un modelo econométrico que permita estimar la probabilidad de que un estudiante deserte. Dentro de los resultados que se encontraron sobresalen los siguientes: 19 En la PUJ-Bogotá, se divide el año académico en tres períodos: primer semestre (período I de febrero a junio), inter semestral (período II de junio a julio) y segundo semestre (período III de julio a noviembre). Cabe resaltar que, debido a que en el periodo inter-semestral no ingresan nuevos estudiantes de pregrado a cursar materias de los programas. Por tanto, en el presente trabajo no se tuvo en cuenta los estudiantes que tomaron cursos inter-semestrales en el periodo académico 2006-II en la PUJ-Bogotá. 20 Es de señalar que no se considera desertor a aquel estudiante que cambia de programa académico al interior de la PUJ-Bogotá. 21 El Reglamento de Estudiantes de la PUJ-Bogotá, Versión actualizada 2007, en el Artículo 49 (Pág. 23) establece: "El estudiante regular por razones debidamente justificadas puede solicitar retiro temporal del Programa Académico y reserva de cupo mediante comunicación escrita dirigida al Decano Académico de su Facultad. La duración máxima de dicho retiro temporal es de dos años". 33 En términos de las características de la oferta académica el 88.8% de los estudiantes reportan que la calidad académica de la universidad fue un aspecto importante o muy importante a la hora de elegir la universidad en la que deseaban cursar sus estudios de pregrado. De acuerdo con lo reportado por los estudiantes, el número de estudiantes promedio por profesor en el ciclo básico no superan los 40, mientras que en el ciclo de profundización, éste número es inferior a 26. Más aún, el 27.8% responde que la alta exigencia académica de la universidad les generó dificultades en su desempeño académico. Por otra parte, la población estudiantil responde que por encima del 71%, se encuentran satisfechos y muy satisfechos tanto con la experiencia universitaria como con la interacción con los profesores. Por encima del 90% de los estudiantes reportan que los conocimientos por parte de los profesores, tanto en el ciclo básico como en del ciclo de profundización, es alto y muy alto. Adicionalmente, el 67% de los estudiantes responde que sí conocían las actividades del Medio Universitario, pero sólo el 44% de éstos reportan haber participado en alguna de estas actividades. En cuanto a la metodología de enseñanza y evaluación de los profesores el 44.8% de la población estudiantil reporta que éstos aspectos se encuentran relacionados con la pérdida de materias, aunque tan sólo el 65.69% califica como nada importante y poco importante la calidad del profesor como factor de incidencia en la pérdida de materias. En cuanto a las características socioeconómicas y psicológicas de la población encuestada el 95% de los estudiantes fueron criados por sus padres, el 46.2% son hijos únicos o son los hermanos mayores en el núcleo familiar (hecho que permite evidenciar que el supuesto del modelo microeconómico de que el hogar tenga un solo hijo no se encuentra muy alejado de la realidad) y el 65.5% se encuentran entre los estratos socioeconómicos 3 y 4. Más aún, el 72.8% reportan haber elegido el pregrado que siempre quisieron estudiar, el 85.9% reportan haber tenido apoyo económico de sus familiares durante sus estudios, el 30.8% financió sus matrícula por medio de créditos (PUJ, ICETEX, otros), 86.3% recibió financiación de la matrícula por sus padres, familiares o acudientes. Ahora bien, el 95.1% de los estudiantes encuestados reportan que tuvieron el apoyo afectivo y emocional de su familia, mientras que el 73.3% reportan haber tenido un grupo de estudio siempre o casi siempre en el tiempo en que estuvieron estudiando en la PUJ-Bogotá, donde el 86.7% reportan que fue fácil entablar amistad con los estudiantes de la universidad. Por otro lado, el 17.5% de los estudiantes reportaron que los problemas personales fueron un factor importante y muy importante en la pérdida de asignaturas mientras que el 15.7% reportaron que los problemas de índole familiar generaron dificultades en su desempeño académico. En términos de la motivación y esfuerzo por parte de la población encuestada el 51% de los estudiantes reportan que la decisión del tipo de pregrado que escogieron se basó en las expectativas de oportunidades laborales y/o salarios futuros. Los estudiantes reportan que sus profesores los motivaron en sus estudios, por ejemplo, el 49.5% reportan una 34 motivación alta y muy alta por parte de sus profesores en el ciclo básico (primero a quinto semestre) mientras que el 63.9% lo reporta dentro de su ciclo de profundización (a partir del sexto semestre hasta completar el número de créditos académicos establecidos por la universidad para graduarse). En términos de esfuerzo académico se encontró que el 67% y el 71% de la población reporta que tuvo un esfuerzo alto y muy alto en el ciclo básico y en el de profundización, respectivamente. Por otra parte, por encima del 73% de la población estudiantil reportan haber tenido dificultades de carácter muy bajo, bajo y medio en cada una de las áreas de matemáticas, expresión oral y comprensión de lectura en el bachillerato, mientras que contrasta con que por encima del 45% reportan haber tenido dificultades en los primeros semestres en las mismas áreas. Finalmente, el 52.4% de los estudiantes reportan bajo la calificación de algo importante, importante y muy importante que la pérdida de asignaturas está relacionado con su método personal de estudio y el 40.7% reportan que influyó la falta de tiempo de estudio en este hecho. 35 4. Modelo Econométrico Se ha construido un modelo estructural sobre la educación superior donde se ha mostrado la deserción universitaria como el resultado de expectativas de no graduación así como de una elección de bajo esfuerzo por parte de estudiantes con tipos bajos que tienen expectativas de graduación. Además, se mostró que la deserción universitaria puede verse influenciada por variables tanto económicos como sociales y psicológicos que afectan a hogares y estudiantes respectivamente. La encuesta a la cohorte de estudiantes matriculados en 2006 para la PUJ-Bogotá nos ha permitido obtener una muestra representativa de esta población de interés, lo que a su vez nos permite estudiar la deserción universitaria en la PUJ-Bogotá. Esta sección tiene como objetivo primordial construir un modelo econométrico como puente entre el modelo estructural teórico de educación superior desarrollado arriba y los datos de la muestra representativa de la cohorte de estudiantes en el 2006. 5.1 Ecuación Empírica La ecuación del modelo de educación superior que es de interés para el modelo econométrico es la ecuación 8 para la PUJ-Bogotá. Debido a que la muestra que se obtiene es para los Neo-javerianos diurnos de la PUJ-Bogotá de diferentes facultades académicas entonces las competencias variarán a través de estas facultades. Por tanto, tomamos la ecuación 8 y condicionamos sobre el esfuerzo del estudiante i tipo A , matriculado en una de las 18 facultades de la PUJ-Bogotá y los demás determinantes socioeconómicos y psicológicos del estudiante denotado X i . Nótese que esta ecuación varía a través de estudiantes y de facultades y donde retomando de nuevo la ecuación 8 tenemos al E Y l f Ai , g e,i , X i , Ol H l , q l 1 e f Ai , g e,i , S l , q l p (19) 1 X i E e f Ai , g e,i , X i , Ol E U f Ai , g e,i , X i , Ol donde l 1,...,18 denota la l -ésima facultad de la PUJ-Bogotá y Ol denota la oferta académica de la facultad i.e Ol al pl , ql , S l . Se han suprimido los precios p, w como determinantes últimos de las decisiones de insumos a p l , q, S que toma la facultad l de la PUJ-Bogotá en su oferta académica, y hemos dejado formas funcionales generales sobre la función de competencias docentes, denotada H , q , y del insumo de la función de al pl l 36 aprendizaje de los estudiantes, denotada e f Ai , g e,i , S l , ql , así como el valor esperado condicional de los inobservables. La deserción universitaria se puede entender como proveniente de la escogencia óptima de esfuerzo, por parte de estudiantes, dadas sus expectativas de graduación, así como de otros determinantes socio-económicos y psicológicos que un estudiante y su familia tienen, tal como se modeló arriba. Sin embargo, lo que se observa en la muestra representativa obtenida es si el estudiante se gradúa o no de la PUJ-Bogotá. Donde los no graduados pueden ser desertores (probablemente los estudiantes que desertaron por tener expectativas de no graduación) o estudiantes que se encuentran activos en los programas académicos, y que aún, no resuelven su situación de grado. Dentro de esto último conjunto de estudiantes, puede ocurrir la deserción en el futuro, algo que no se puede observar en el momento de la encuesta que se hizo a la muestra representativa de la población. Sin embargo, la ecuación 9 nos da la condición que un estudiante debe satisfacer para graduarse. Utilizamos la ecuación 19 para reemplazar Y l por E Y l f Ai , g e,i , X i , Ol en 9, lo que nos permite modelar, como una variable aleatoria latente el grado de un estudiante i tipo A , expectativa de graduarse o no, g e,i , con características socioeconómicas y psicológicas X i y oferta académica Ol , como la probabilidad que un estudiante se gradúe dado un nivel de esfuerzo de la siguiente forma 1 g i ,l 0 EY f A , g b, X , O y * l E Y l f Ai , g e,i 1 , X i , Ol y *,l l si si l para b 0,1 donde l ~ iid 0, 2l y l i e,i i ,l l l y *,l es el estándar mínimo que requiere aprobar el estudiante para graduarse en la facultad l . Definimos la variable binaria de deserción universitaria di,l de la siguiente forma 1 di,l 0 si si EY f A , g 1, X , O l E Y l f Ai , g e,i b , X i , Ol l l l i e ,i i l l donde l y *,l l ~ iid y*, 2l . Al tomar función inversa en ambos lados con 1 , reemplazar 19 en esta ecuación y reagrupar obtenemos finalmente 37 si H si H 1 di,l 0 donde , q 1 e f A , g , q 1 e f A , g al pl al pl l i e,i l i e,i b E e f Ai , g e,i b, X i , Ol 1, S , q 1 b , S l , q l 1 b X i ui,l l l b X i ui,l b 0,1 con y ui ,l 1 l E U f Ai , g e,i b , X i , Ol . La naturaleza dicotómica de la variable aleatoria d i ,l implica que la probabilidad de desertar es H apll , ql i e,i i l Pr di,l f A , g b , X , O F 1 e f Ai , g e,i b , S l , ql 1 b X i (20) donde F es la función de distribución acumulada de u i ,l , la cual se supone es continuamente diferenciable tal que F 0 y que puede ser aproximada paramétricamente por una normal o logística lo que da origen a un modelo probit o logit respectivamente. Naturalmente, deben hacerse ciertos supuestos estructurales para llevar esta ecuación a los datos, como por ejemplo, las formas funcionales para H al pl , ql , S l , q l y e f Ai , g e,i b , S l , q l . Sin embargo, vamos a considerar un modelo de regresión paramétrico simple donde se condiciona sobre las variables proxi del nivel de esfuerzo de un estudiantes, f Ai , g e,i b , de la motivación de un estudiante, S l , q l , de la oferta académica de la universidad resumida en H l a pl , ql y S l así como de variables socio- económicas y psicológicas X i sin realizar supuestos estructurales sobre las formas funcionales H , , y e , . 5.2 Estática Comparativa De acuerdo con la estructura del modelo teórico podemos obtener algunos resultados de estática comparativa que luego podremos verificar con los resultados de la estimación econométrica de la ecuación 20 . Dentro de las decisiones que las facultades l 1,...,18 de la PUJ-Bogotá toman para su oferta académica, el modelo desarrollado arriba 38 enfatiza las siguientes variables: número de estudiantes matriculados por profesor al pl , la calidad docente q l y programas de Bienestar Universitario (Medio Universitario) S l . Mientras que las decisiones de los estudiantes i 1,...,N involucran variables como las siguientes: esfuerzo del estudiante durante su carrera universitaria f Ai , g e,i b , motivación del estudiante generado por los programas del Medio Universitario y calidad docente en la l -ésima facultad S l , q l , así como de variables socioeconómicas y psicológicas del individuo X . i Bajo la estructura del modelo tenemos los siguientes signos esperados de las variables institucionales previamente mencionadas donde tenemos F 0 y 0,1 : Pr di,l f Ai , g e,i b , X i , Ol i. l a pl F H a p 0 dado que H a 0 lo que significa que a mayor número de estudiantes matriculados por p profesor la probabilidad de desertar será mayor, manteniendo todo lo demás constante; ii. Pr d i,l f Ai , g e,i b , X i , Ol q l S l ,ql ql dado que H q 0 , 0y e F H e S , q q 1 0 l l q l 0 lo que significa que entre mayor calidad docente tenga la facultad menor será la probabilidad de desertar, manteniendo todo lo demás constante; iii. dado que e Pr d i,l f Ai , g e,i b , X i , Ol S l ,ql S l l S l 0 y F 1 e S , q 0 l q l 0 lo que significa que entre mayor sean las actividades del Medio Universitario mayor será la retención de estudiantes y por ende menor es la probabilidad de deserción, manteniendo todo lo demás constante. En cuanto a las variables del estudiante previamente mencionadas tenemos las siguientes predicciones teóricas: iv. Pr d i ,l f Ai , g e,i b , X i , Ol f i F 1 e 0 f i 39 dado que e f i 0 y que g e,i b con b 0,1 lo que significa que si un estudiante espera graduarse o no entonces un aumento en el esfuerzo debe generar una menor probabilidad de deserción manteniendo lo demás constante; v. dado que Pr di,l f Ai , g e,i b , X i , Ol e 0 F 1 e 0 lo que significa que entre mayor sean las actividades del Medio Universitario mayor será la probabilidad de motivar a un estudiante lo que a su vez se tiene una mayor probabilidad de retener a los estudiantes y por ende menor es la probabilidad de deserción, dado todo lo demás constante. La estática comparativa con respecto a las variables socioeconómicas y psicológicas del individuo contenidas en X i son en general predicciones ambiguas en sus signos ya que están asociadas a características idiosincráticas que varían a través de los estudiantes. 5.3 Variables Proxi Desafortunadamente no observamos empíricamente algunas variables que propone el modelo teórico de deserción desarrollado anteriormente, por lo que recurrimos a variables proxi de las variables fundamentales que el modelo teórico incluye. La ecuación empírica fundamental que el modelo genera es la ecuación (20) donde podemos considerar cuatro tipos de variables empíricas relacionadas con la función de producción de competencias universitarias ofrecidas por la universidad definida como H al pl , ql , el nivel de esfuerzo de un estudiante tipo Ai con expectativa de graduación b denotada como f Ai , g e,i b así como la motivación promedia de un estudiante denotada como , S l , q l y finalmente las características socioeconómicas y psicológicas de un estudiante representadas en el vector X i . En particular, tenemos algunas variables relacionadas con la función de producción de competencias utilizada por la PUJ-Bogotá, que corresponden a algunas preguntas que están en la encuesta que se hizo a una muestra representativa de la población de Neo-javerianos de la cohorte de 2006 diurna, y que llamamos Tbasic, Grsatis y Prcons: i) La variable sobre el tamaño promedio del curso del ciclo básico (Tbasic) es una variable binaria que toma el valor de uno si el estudiante típicamente cursó 40 ii) iii) materias del ciclo básico en la PUJ-Bogotá cuyo tamaño de grupo fue mayor a 26 estudiantes y toma el valor de cero en caso contrario. Por tanto, es una variable proxi de la relación estudiante por profesor a nivel de facultades, una variable categórica que reporta el grado de satisfacción, llamada Grsatis, que el estudiante tuvo con el programa académico que cursó en la PUJ-Bogotá sirve como variable proxi tanto de la calidad de los docentes como de la satisfacción con el currículo de materias establecido por la institución. En este caso, Grsatis se encuentra clasificada de 1 a 5, donde 1 significa un grado de satisfacción muy bajo mientras que 5 significa un grado muy alto, se encuentra una variable categórica que representa el nivel de conocimientos del grupo de profesores con los cuales tuvo clase durante de su ciclo de profundización, llamada Prcons, la cual es una variable proxi de la calidad docente establecida en la oferta académica. Esta variable Prcons toma los valores de 1 a 5 en su orden, donde 1 denota nivel académico de los docentes muy bajo y 5 denota muy alto. Por otra parte, con respecto a variables que aproximan el nivel académico de un estudiante resumido en la variable Ai , tenemos las siguientes variables observadas: i) ii) iii) una variable categórica del nivel de dificultad reportada en la comprensión de lectura con el que venía del bachillerato denotada Nlecta, una variable categórica del nivel de dificultad reportada en la expresión oral en el bachillerato denotada Noral, una variable categórica del nivel de matemáticas que obtuvo como resultado en el examen del Icfes denotada Micfes. Las dos primeras variables, Nlecta y Noral, están clasificadas de 1 a 5, de forma tal que 1 representa un muy bajo grado de dificultad, 2 un grado de dificultad bajo, 3 un grado de dificultad medio, 4 un grado de dificultad alto y 5 un grado de dificultad muy alto. La variable proxi Micfes, está clasificada de 1 a 5 de una forma similar a las anteriores, sin embargo, en vez de medir el grado de dificultad ésta va calificar los resultados obtenidos por el estudiante en el nivel de matemáticas. Por ejemplo, 1 califica sus propios resultados en el Icfes en el área de matemáticas con un nivel muy bajo, mientras que el 4 califica sus propios resultados con un nivel alto. Con respecto al esfuerzo académico que el estudiante realizó durante el tiempo que estuvo en la PUJ-Bogotá, resumida en la función f Ai , g e,i b , tenemos otras variables que se obtuvieron de la encuesta: 41 i) ii) iii) una variable binaria que toma el valor de uno si el estudiante perdió asignaturas durante el tiempo que estuvo en la PUJ-Bogotá (Pasig) la cual es una variable proxi de su bajo esfuerzo y capacidad cognitiva que caracteriza al tipo de estudiante22, una variable categórica (Gstudio), que toma valores de 1 a 4, la cual es una proxi de las capacidades cognitivas del estudiante. La pregunta en la encuesta de donde se obtiene la información establece la frecuencia con la que el estudiante tuvo un grupo de estudio estable bajo las categorías: de nunca (1), casi nunca (2), casi siempre (3) y siempre (4). una variable categórica del nivel de esfuerzo reportado durante el ciclo de profundización en el tiempo que estuvo en la PUJ-Bogotá (Nesfzo), la cual es una variable proxi del nivel de esfuerzo realizado por el estudiante. La variable categórica toma el valor de 1 a 5, donde 1 expresa un nivel de esfuerzo muy bajo, mientras que 5 expresa un nivel de esfuerzo muy alto. Con respecto a la motivación que tuvo el estudiante mientras estudiaba en la PUJBogotá, resumida en la función S l , ql , tenemos de la encuesta las siguientes variables proxi: i) ii) una variable categórica sobre la falta de motivación que tuvo el estudiante mientras estaba en la PUJ-Bogotá denotada Fmotiv que aproxima la incapacidad de la Universidad para motivarlo. una variable categórica sobre factores disciplinarios que pudieron influir en su motivación durante el tiempo en la PUJ-Bogotá denotada Fdiscip que aproxima también la motivación del estudiante. Las dos variables miden algunas de las explicaciones que pudieron generar dificultades en el desempeño de los estudiantes mientras estudiaban, por tal razón, se midió el grado de importancia de las mismas en la escala de 0 a 5 donde 0 corresponde a ninguna importancia y de 1 a 5 grados de importancia. Finalmente, variables proxi sobre características socioeconómicas y psicológicas del estudiante relacionado con el vector X i tenemos: 22 La pérdida de asignaturas está relacionada con las dificultades en el desempeño académico del estudiante las cuales abarcan aspectos tales como: aspectos académicos del estudiante (método de estudio, asistencia, exceso de carga académica, falta de estudio), aspectos de los docentes (metodología de enseñanza y evaluación, problemas con el profesor de la materia y calidad del profesor) y aspectos personales (problemas con compañeros, problemas personales). 42 i) una variable categórica sobre la presencia de problemas personales durante el tiempo que estuvo el estudiante en la PUJ-Bogotá los cuales incidieron en el hecho de perder materias ( ), el número de hermanos que tiene un estudiante ( ), una variable categórica de apoyo financiero de sus padres ( ), una variable categórica sobre problemas de índole familiar que dificultaron el desempeño académico ( ), una variable categórica sobre dificultades económicas durante el tiempo que estuvo en la PUJ-Bogotá ( ). ii) iii) iv) v) Las variables X1, X3, X4 y X5 miden el grado de importancia de las mismas en la escala de 0 a 5 para explicar el hecho que se le atribuye, donde 0 corresponde a ninguna importancia, de 1 a 5 orden de importancia La mayoría de las variables proxi que hemos enunciado son variables categóricas por lo cual no tiene sentido presentar estadísticas descriptivas como de medias y desviaciones estándar, aunque más adelante utilizamos la moda de estas variables categóricas para estimar pseudo efectos marginales. Lo que nos interesa es utilizar estas variables categóricas y verificar en una estimación si los signos que el modelo teórico predice concuerdan o no con los signos que encontramos asociados a las variables proxi que utilizamos. 5.4 Modelo Empírico Estimable El modelo empírico estimable que llevamos a los datos, aplicando el método de estimación de máxima verosimilitud es el siguiente: ( ∑ ∑ ) (21) para i=1,..,473 y l=1,..,18 donde ( ) es la función de distribución acumulada normal, fem denota la variable binaria de género femenino, denota variables binarias de facultades23 g=1,..,16 y es un término de error idiosincrático que varía a través de individuos y facultades. 23 En la estimación se incluyeron 16 Facultades de las establecidas por la universidad en su página web (http://puj-portal.javeriana.edu.co/portal/page/portal/PORTAL_VERSION_2009_2010/es_inicio) debido a que: i) no se obtuvo respuesta de los encuestados que se fueron admitidos en el 2006 en la Facultad de Derecho Canónico y ii) se selecciona a la facultad de Filosofía como facultad base con el fin de evitar los problemas de multicolinealidad. 43 Según los resultados de la estática comparativa realizados anteriormente y la descripción de las variables proxi mencionadas en la sección anterior esperamos los , , siguientes signos de los coeficientes de este modelo empírico estimable: , , , , y . No se , , , tienen expectativas sobre los signos asociados a los coeficientes gamma ya que estos no están modelados teóricamente y sólo se incluyen para controlar por heterogeneidad idiosincrática a nivel de estudiantes y de facultades. 5. Resultados Empíricos En la tabla 1 se presentan los resultados de la estimación de la ecuación (21) bajo máxima verosimilitud suponiendo que F es la función de distribución normal acumulada.24 Se reportan los coeficientes de la estimación así como en paréntesis el valor p correspondiente debajo del coeficiente, el cual se obtiene bajo errores estándar robustos a heteroscedasticidad. La razón de esto radicó en que algunas pruebas estadísticas que se hicieron verificaron la presencia de heteroscedasticidad debido a la inclusión de las variables binarias de facultades . Las únicas variables independientes que no son estadísticamente significativas (diferentes a cero bajo la hipótesis nula) ni al 10% son las variables Tbasic y fem. Todas las demás son estadísticamente significativas inclusive al 5%. En general, los signos de los coeficientes estimados que son estadísticamente significativos al 10% van en línea teóricamente con los signos esperados de los coeficientes de acuerdo a los resultados de estática comparativa hallados anteriormente. Por tanto, se da un soporte empírico al modelo teórico desarrollado, que muestra la relevancia de los diferentes factores considerados como determinantes de la deserción universitaria. En particular, estudiantes que tienen una mayor satisfacción con el programa y satisfacción con el nivel de conocimientos de sus profesores del ciclo de profundización tienen menos probabilidad de desertar. Estudiantes con mejor nivel académico, medido como nivel de comprensión de lectura y matemáticas, tienen una menor probabilidad de desertar de la universidad. Estudiantes que pierden asignaturas, falta de motivación y problemas disciplinarios tienen mayor probabilidad de desertar de la universidad. Individuos que pierden materias por problemas personales, o que tienen hermanos o que califican como importante la financiación de sus padres para pagar la matrícula reduce la probabilidad de desertar. Finalmente, estudiantes que reportan haberse esforzado para estudiar tienen una menor probabilidad de deserción. 24 Los resultados son similares si se supone que F es la función de distribución logística acumulada. 44 Por ejemplo, de las variables estadísticamente significativas al menos al 10% que se les verifica el signo esperado tenemos: ̂ , ̂ , ̂ , ̂ , ̂ , ̂ ̂ , ̂ , ̂ , ̂ , ̂ , ̂ y ̂ lo que da soporte al modelo teórico. La variable Tbasic da un signo contrario a lo esperado pero no es estadísticamente significativa por lo cual no tiene mucho sentido detenernos en la explicación de este signo. Sin embargo, esta variable permanece en la estimación debido a la importancia del modelo teórico elaborado. Finalmente, la variable control fem tiene signo negativo pero no está asociada estadísticamente con deserción, lo cual permite concluir que el género de un estudiante no está asociado estadísticamente a la deserción universitaria. Una variable estadísticamente significativa que tiene un efecto contrario a lo esperado es la variable Nlecta (coeficiente estimado ̂ -0.21) lo cual significa que estudiantes que reportan una mayor dificultad en el bachillerato en comprensión de lectura tienen menor probabilidad de desertar. Una posible explicación de esto puede ser que debido a la autoselección que tienen los estudiantes hacia carreras que tienen menor componente de comprensión de lectura, éstos terminen no desertando. Otra posible explicación es que la Universidad PUJ-Bogotá provee cursos de expresión oral y escrita que permita que los estudiantes reduzcan sus dificultades en esta área. Otra variable estadísticamente significativa que tiene un efecto contrario a lo esperado ̂ es la variable Gstudio (coeficiente estimado es ) que significa que estudiantes que tuvieron un grupo de estudio estable durante su permanencia en la PUJ-Bogotá tienen una mayor probabilidad de desertar. Esto parece contra intuitivo en primera instancia, sin embargo, es posible explicarlo con un argumento bastante razonable aunque no necesariamente sea lo que esté ocurriendo. Estudiantes que estudian en grupo pueden ser estudiantes con un nivel bajo en comprensión de lectura, expresión oral y/o matemáticas, lo que a su vez podría genera que se auto seleccionen para cooperar entre sí. El estar estudiando en grupo con estudiantes con baja habilidad innata puede no permitir un acelerado aprendizaje, condicionando sobre el nivel de esfuerzo que ejerzan, lo que redunda en menor probabilidad de avanzar a cursos siguientes y por ende generar mayor deserción universitaria. Este argumento es razonable pero no significa que necesariamente sea lo que está pasando aunque permite racionalizar el resultado empírico no esperado. Debería indagarse en un futuro este punto con más detalle. 45 Tabla 1: Estimación del modelo Regresión Probit Variable Dependiente: Deserción Variables Indeptes Tbasic -0.09 (0.599) Grsatis -0.21 (0.030) Prcons -0.47 (0.001) Nlecta -0.21 (0.070) Noral 0.28 (0.011) Micfes -0.25 (0.007) Pasig 0.61 (0.003) Gstudio Nesfzo Fmotiv Fdiscip fem X¹ 0.31 (0.002) -0.53 (0.000) 0.13 (0.016) 0.23 (0.009) -0.07 (0.701) -0.23 (0.002) X2 -0.12 (0.015) X3 -0.12 (0.088) X4 0.11 (0.059) X5 0.13 (0.007) constante -0.14 (0.885) si 473 0.2969 ¿Dummies facultades? Observaciones Pseudo R2 Valor p en paréntesis bajo errores estándar robustos a heterocedasticidad Fuente: Elaboración propia En cuanto a los efectos marginales se debe precisar que realmente lo que se puede estimar son pseudo efectos marginales debido a que el carácter categórico de las variables no permite tener efectos marginales cuantitativamente bien especificados debido a que las variables no tienen unidades cardinales sino tan sólo son variables ordinales. A pesar de esto es importante calcular estos pseudo efectos marginales a nivel de facultades para tener una idea de cómo varían las probabilidades de deserción a través de facultades cuando 46 hipotéticamente se varía una variable categórica en una unidad. En la tabla 2 se reportan los pseudo efectos marginales bajo la estimación probit evaluando cada variable en las modas correspondientes (en vez de hacerlo en los promedios) de las diferentes variables independientes debido precisamente a que son variables categóricas. La tabla 2 reporta los pseudo efectos marginales a través de facultades al modificarse la variable categórica en una “unidad”. Para variables independientes binarias se obtienen los efectos marginales pasando de cero a uno. Los resultados muestran que Tbasic y fem no son significativas a ningún nivel de significancia a través de facultades. Se corroboran los signos de los coeficientes para las demás variables independientes a través de facultades aunque en las facultades 5, 6, 15 y 16 (dichas facultades corresponden a Ciencias Jurídicas, Ciencias Políticas y Relaciones Internacionales, Medicina y Odontología, respetivamente) ninguna variable explicativa es significativa a ningún nivel de significancia estadística considerada. Esto puede deberse a la falta de potencia estadística debido a la pequeña muestra de estudiantes en estas facultades. Para que el lector tenga una idea de cómo se pueden interpretar los pseudo efectos marginales evaluados en las respectivas modas tómese el valor -0.039 asociado a la variable Gsatis para la facultad 1 (corresponde a la facultad de Arquitectura y Artes) la cual es significativa estadísticamente al 10%. Si el grado de satisfacción reportado de la variable categórica aumenta (en una unidad ordinal) la probabilidad de desertar disminuye en promedio en 0.039 para la facultad 1. De nuevo se debe enfatizar que lo ordinal de las variables categóricas independientes no permite dar sentido cardinal a la expresión “en una unidad”. A pesar de esto se puede corroborar en la tabla 2 que los signos de las variables son consistentes a través de facultades lo que da soporte a las predicciones de estática comparativa del modelo aunque sea a través de esta forma reducida de la ecuación estimación. 47 48 Significancia estadística basada en errores estándar robustos a heterocedasticidad * significativa al 10%, ** significativa al 5%, *** significativa al 1% Micfes -0.046** -0.085*** -0.094*** -0.077** -0.049 -0.016 -0.092*** -0.064** -0.092*** -0.096*** -0.086** -0.095*** -0.017 -0.009 -0.091** -0.097*** Pasig 0.077* 0.172** 0.204*** 0.147** 0.083 0.022 0.238*** 0.116** 0.194*** 0.212*** 0.175* 0.209*** 0.074 0.013 0.191** 0.234*** Fuente: Elaboración propia Tabla 2: Efectos Marginales Probit evaluados en las modas por facultad Noral Nlecta Prcons Gsatis Por facultad Tbasic 0.052* -0.039 -0.089** -0.039* -0.016 1 0.097** -0.073 -0.073** -0.165*** -0.030 2 0.107** -0.081* -0.081** -0.181*** -0.034 3 0.087** -0.066 -0.066** -0.148*** -0.027 4 0.056 -0.042 -0.094 -0.042 -0.017 5 0.018 -0.013 -0.031 -0.013 -0.005 6 0.105** -0.079* -0.079** -0.177*** -0.033 7 0.073** -0.055 -0.123** -0.055** -0.022 8 0.104** -0.079 -0.079** -0.177*** -0.033 10 0.109** -0.082* -0.082** -0.184*** -0.034 11 0.098** -0.074 -0.166** -0.074* -0.031 12 0.109** -0.082* -0.082** -0.183*** -0.034 14 0.020 -0.015 -0.033 -0.015 -0.005 15 0.011 -0.008 -0.018 -0.008 -0.003 16 0.104** -0.078* -0.078** -0.175*** -0.032 17 0.110** -0.083* -0.083** -0.186*** -0.035 18 Gstudio 0.057** 0.107*** 0.118*** 0.096*** 0.061 0.020 0.115*** 0.080** 0.114*** 0.119*** 0.108** 0.119*** 0.022 0.012 0.113*** 0.121*** Nesfzo -0.100** -0.185*** -0.204*** -0.166*** -0.106 -0.034 -0.199*** -0.138*** -0.198*** -0.207*** -0.186*** -0.206*** -0.038 -0.021 -0.196*** -0.209*** Fmotiv 0.042** 0.078** 0.086*** 0.070** 0.045 0.014 0.084** 0.059** 0.084** 0.088*** 0.079** 0.087** 0.016 0.008 0.083** 0.089*** Fdiscip 0.024* 0.045** 0.049** 0.040** 0.025 0.008 0.048** 0.033** 0.048** 0.050** 0.045** 0.050** 0.009 0.005 0.048** 0.051** fem -0.012 -0.023 -0.025 -0.020 -0.012 -0.004 -0.024 -0.017 -0.024 -0.026 -0.023 -0.025 -0.004 -0.002 -0.024 -0.026 En cuanto a la capacidad predictiva del modelo probit estimado se calculó el porcentaje de aciertos de las predicciones dentro de muestra lo cual se reporta en la tabla 3, donde se utilizaron dos umbrales para realizar la clasificación de los aciertos. El umbral estándar del 0.5 indica que el valor del pronóstico toma el valor de uno si la probabilidad pronosticada es mayor o igual a 0.5 mientras que toma el valor de cero si la probabilidad pronosticada es menor a 0.5. Con este umbral el porcentaje de aciertos es de 82.45%. Ahora bien, con el umbral empírico de 0.31 que corresponde a la proporción observada de estudiantes de la cohorte 2006 de la PUJ-Bogotá que desertaron realmente, entonces el porcentaje de aciertos baja un poco a 80.76%. Estos valores muestran que a nivel de pronósticos dentro de muestra se acierta un 80% de las veces en promedio lo que indica un alto nivel de aciertos pronosticados por el modelo. Hecho además es justificado por las medidas de sensibilidad (fracción de observaciones con y 1 que son correctamente especificadas) y las medidas de especificidad (fracción de observaciones con y 0 que son correctamente especificadas) quienes superan el 45%. De lo anterior, se puede argumentar que para ambos umbrales el modelo empírico que se ha estimado es más adecuado que un modelo aleatorio. Tabla 3: Porcentaje de Pronósticos correctos utilizando la estimación Probit Umbral: 0.5 Umbral: 0.3092979 VERDADERO VERDADERO Clasificación D ~D Total Clasificación D ~D Total + 53 23 76 + 82 60 142 60 337 397 31 300 331 Total 113 360 473 Total 113 360 473 Sensitividad 46.90% Sensitividad 72.57% Especificidad 93.61% Especificidad 83.33% 69.74% 57.75% Predictibilidad positiva Predictibilidad positiva Predictibilidad negativa 84.89% Predictibilidad negativa 90.63% Tasa de falsos positivos 6.39% Tasa de falsos positivos 16.67% Tasa de falsos negativos 53.10% Tasa de falsos negativos 27.43% Falsa clasificación positiva 30.26% Falsa clasificación positiva 42.25% Falsa clasificación negativa 15.11% Falsa clasificación negativa 9.37% Clasificación correcta 82.45% Clasificación correcta 80.76% Fuente: Elaboración Propia 49 6. Conclusiones En este artículo se construye un modelo del sector de la educación superior que involucra los tres actores importantes en esta industria: hogares, universidades y estudiantes. Se modela la demanda agregada de cupos por parte de hogares, la oferta agregada de cupos por parte de las universidades así como la oferta universitaria de competencias profesionales, mientras que finalmente se modela la decisión óptima de esfuerzo por parte de estudiantes para culminar y graduarse de la universidad. En este contexto se determina la probabilidad de deserción que tiene un estudiante. En particular, se muestra que la deserción ocurre de forma óptima cuando expectativas son de no graduación por parte de los estudiantes matriculados, aunque también ocurre debido a la escogencia óptima de bajo esfuerzo académico para tipos de estudiantes con niveles bajos de habilidades innatas aunque tengan expectativas de graduación. Además, se muestra que la deserción puede ocurrir no óptimamente por factores socio-económicos y psicológicos que afectan a los estudiantes. El modelo teórico muestra unas predicciones de estática comparativa bastante intuitivas: i) se encuentra que mayor número de estudiantes matriculados por profesor genera en general una mayor probabilidad de deserción, manteniendo todo lo demás constante, ii) se encuentra que entre mayor sea la calidad docente que tenga una universidad menor será la probabilidad de que un estudiante deserte, manteniendo todo lo demás constante, iii) se encuentra que entre mayor sean las actividades del Medio Universitario para motivar a los estudiantes mayor será la retención de estudiantes y por ende menor es la probabilidad de deserción, manteniendo todo lo demás constante; finalmente iv) se encuentra que si un estudiante espera graduarse entonces un aumento en el esfuerzo debe generar una menor probabilidad de deserción manteniendo lo demás constante. Luego, se ha utilizado la encuesta realizada a la población diurna Neo-javeriana del 2006 PUJ-Bogotá para obtener una forma reducida econométrica de la deserción universitaria. Esta forma empírica se ha estimado por máxima verosimilitud tipo probit utilizando diferentes variables proxi de las variables fundamentales del modelo teórico. En general, los signos de los coeficientes estimados que son estadísticamente significativos al 10% van en línea teóricamente con los signos esperados de los coeficientes de acuerdo a los resultados de estática comparativa hallados arriba y por tanto da un soporte empírico al modelo teórico desarrollado lo que muestra la relevancia de los diferentes factores considerados como determinantes de la deserción universitaria. En particular, estudiantes que reportan haber tenido una mayor satisfacción con el programa y con el nivel de conocimientos de los profesores del ciclo de profundización tienen menos probabilidad de desertar. Estudiantes con mejor nivel en matemáticas y expresión oral al entrar a la universidad tienen una menor probabilidad de desertar de la misma. Estudiantes que 50 pierden asignaturas, reportan una falta de motivación y que han tenido problemas disciplinarios tienen mayor probabilidad de desertar de la universidad. Finalmente, estudiantes que reportan haberse esforzado para estudiar tienen una menor probabilidad de deserción. 51 BIBLIOGRAFÍA Barrera-Osorio “Calidad de educación básica y Media en Colombia. Diagnóstico propuestas. Universidad del Rosario. Facultad de Economía. Serie de documentos de trabajo. No 126. Octubre 2012 Bean, J.P. "The Synthesis of a causal model of student attrition", Research in Higher Education, No. 12, 1980. Bean, J.P.; Metzner, B. "A Conceptual Model of Nontraditional Undergraduate Student Attrition", Review of Educational Research, Vol. 55, No. 4, 1985. Becker, G.. “ El enfoque económico de la conducta humana” Traducción autorizada de introducción de “ The economic approach to human behavior”. The University of Chicago Press. 1998 Berrio, M., M. Misas, S. Santacruz y E. Villa. "Análisis de Deserción Estudiantil en la Pontificia Universidad Javeriana - Bogotá: Caracterización de la Población Estudiantil". Borrador de Trabajo, Pontificia Universidad Javeriana. 2013 Cabrera, A.; Nora, A,; y M. Castañeda, "College Persistence: Structural Equations Modeling Test of an Integrated Model of Student Retention", The Journal of Higher Education Vol. 64, No. 2, pp. 123-139. Ohio State University Press, 1993. Castaño, E.; Gallón, S.; Gómez, K.; Vásquez, J. “Análisis de los afactores asociados a la deserción y graduación estudiantil universitaria”. Lecturas de Economía. 65 (Julio-diciembre). 9-36. 2006 Centro de Estudios Económicos, Universidad de los Andes, CEDE. "Investigación sobre Deserción en las Instituciones de Educación Superior en Colombia", Bogotá, Colombia, 2007. Desjardins, S. ; Ahlburg, D.; Mc Call, B. "Simulating the Longitudinal Effects of Changes in Financial Aid on Student Departure from College", Journal of Human Resources, No. 37(3), 2001. Díaz, C. "Modelo Conceptual Para La Deserción Estudiantil Universitaria Chilena", Universidad Católica de la Santísima Concepción, Chile, Estudios Pedagógicos XXXIV, Nº 2, 2006. 52 Donoso, S. ; y Schiefelbein, E. “ Análisis de modelos explicativos de retención de estudiantes en la universidad: una visión desde la desigualdad social”. En: Estudios Pedagógicos XXXIII, No 1: 7-27. 2007 Kerkvliet, J.; Nowell, C. “Does one size fit all? University differences in the influence of wages, financial aid, and integration on student retention”. Economics of Education Review. 24. 85-95. 2005 Montes, I.; Almonacid, P.; Gómez, S.; Zuluaga, F.; Tamayo, E. "Análisis de la deserción estudiantil en los programas de pregrado de la Universidad EAFIT", Serie cuadernos de Investigación, No. 81, 2010. Montmarquette, C.; Mahseredjian, S.; Houle, R. “The determinants of univertity dropouts a sequential decision model with selectivity bias”. Departement de Sciences Économiques and Centre de recherché et Developpement en Économique (C:R:D:E) Université de Montréal. 1995 Montmarquette, C.; Mahseredjian, S.; Houle, R. “ The determinants of university dropouts: a bivariate probability model with sample selection”. Economics of Education, Review, No 20 2001. Montoya, M.D. “Extended stay at university: an application of multinomial logit and duration models” . Applied Economics, 31. 1411-1422. 1999 Osorio, A. M.; Bolancé, C.; Castillo-Caicedo, M. "Deserción y graduación estudiantil universitaria: una aplicación de los modelos de supervivencia". Revista Iberoamericanana de Educación Superior, RIES, No. 6, Vol. III., 2012. Pontificia Universidad Javeriana de Bogotá. Reglamento de Estudiantes, 2007. http://pujportal.javeriana.edu.co/portal/page/portal/PORTAL_VERSION_2009_2010/resources_v4/ Regl.Estud.Rector.pdf Radcliffe, P.; Huesman, R.; Kellog, J. “Modeling the incidence and timing of student attrition: a survival analysis approach to retention analysis”. University of Minnesota. Paper presented at the 2006 Conference of AIRUM, Bloomington, MN November 2-3. 2006 Solano, E. "Determinantes de la deserción en la Universidad del Atlántico", Reflexión e Investigación, Revista del Congreso por una Educación de Calidad, No. 3, 2006. 53 Spady, W. "Dropouts from higher education: An interdisciplinary review and synthesis", Interchange, 1(1), 1970. Tinto, V. ; Collen, J. "Dropout in higher education: a review and theoretical synthesis if recent research". This is a report of work conducted under Contract Number OEC-0-73-1409 for the Office of Planning, Budgeting, and Evaluation of the U.S. Office of Education. Teachers College Columbia University, Junio 30, 1973. Tinto,V. . "Leaving College: Rethinking the Causes and Cures of Student Attrition" (2nd ed.). Chicago, The University of Chicago Press, 1987. Universidad Nacional de Colombia. Pinto, M.; Durán, D.; Pérez-Almonacid, R.; Rodríguez, A. Cuestión de Supervivencia. Graduación, deserción y rezago en la Universidad Nacional de Colombia, 2007. Vásquez, J.; Castaño, E.; Gallón, S.; y Gómez, K. "Determinantes de la Deserción Estudiantil en la Universidad de Antioquia". Universidad de Antioquia, Facultad de Ciencias Económicas. Medellín, Universidad de Antioquia, 2003. 54 ANEXO Proposición: Si lim A A lim A k1 ; A k0 ; A q1 q2 0 entonces existe un único tipo  >0 tal que la ecuación 18 evaluada en  es una igualdad. Prueba: Defínase, para g e 1, la siguiente función continua h A Aq1 q0 k1 ; A k0 ; A dado que A, q j y k1; A para j 0,1 son funciones continuas por construcción. Nótese que h0 k1; A k0 ; A 0 debido a que 0 0 y k1; A k 0 ; A . Por otro lado, h A A q1 q0 A q1 q0 k1; A k0 ; A 0 A A A A A porque se ha supuesto A 0 , q1 q0 , q1 A A se tiene lim A h A 0 debido a que qA0 y lim A h A lim A k1 ; A A kA0 ; A . Más aún, cuando k1; A k0 ; A q1 q0 0 ˆ 0 bajo el supuesto de la proposición. Por la continuidad de hA debe existir un único A ˆ 0. tal que h A 55 Tabla de Facultades Estratificación Base Graduados y Activo Desertores Clasificación Cod. Facultad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Arquitectura y Diseño Artes Ciencias Ciencias Económicas y Administrativas Ciencias Jurídicas Ciencias Políticas y Relaciones Internacionales Ciencias Sociales Comunicación Social y Lenguaje Derecho Canónico Educación Enfermería Estudios Ambientales y Rurales Filosofía Ingeniería Medicina Odontología Psicología Teología Total Parcial Arquitectura y Diseño Artes Ciencias Ciencias Económicas y Administrativas Ciencias Jurídicas Ciencias Políticas y Relaciones Internacionales Ciencias Sociales Comunicación Social y Lenguaje Derecho Canónico Educación Enfermería Estudios Ambientales y Rurales Filosofía Ingeniería Medicina Odontología Psicología Teología Total Parcial TOTAL 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Tamaño Población 83 104 162 267 46 39 59 120 0 471 60 14 11 228 26 34 22 107 1853 260 106 226 151 59 67 59 146 0 60 41 30 13 196 108 69 75 48 1714 3567 Asigación Proporcional 2.3% 2.9% 4.5% 7.5% 1.3% 1.1% 1.7% 3.4% 0.0% 13.2% 1.7% 0.4% 0.3% 6.4% 0.7% 1.0% 0.6% 3.0% 7.3% 3.0% 6.3% 4.2% 1.7% 1.9% 1.7% 4.1% 0.0% 1.7% 1.1% 0.8% 0.4% 5.5% 3.0% 1.9% 2.1% 1.3% Tamaño de muestra requerido 12.3 15.4 23.9 39.4 6.8 5.8 8.7 17.7 0.0 69.6 8.9 2.1 1.6 33.7 3.8 5.0 3.3 15.8 273.8 38.4 15.7 33.4 22.3 8.7 9.9 8.7 21.6 0.0 8.9 6.1 4.4 1.9 29.0 16.0 10.2 11.1 7.1 253.3 Tamaño Muestra 8 12 23 16 2 1 7 14 0 22 7 2 0 31 4 1 4 9 163 45 20 38 34 10 12 11 26 0 58 10 5 3 37 18 12 13 12 364 527 Fuente: Elaboración Propia 56