Page 167 - EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO

ABStrACt

In scientific research, statistical models are useful to formalize the cause-effect relationships.
The software SAS (Statistical Analysis System) has been widely used in stochastically mode-
ling; overall, the general linear model (GLM) allows to associate continuous variables (linear
regression or correlation) or continuous and discrete variables (analysis of variance). However,
errors primarily occur when statistical methods are systematic repeated, models are indiscrimi-
nate include in analysis, or the criteria to determine the validity of the results and conclusions
EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO
derived from the modeling is unknown. The objective of present chapter is to show the algori-
thms in SAS to formalize the cause-effect relationship, including a critical discussion about the
criteria to validate stochastic models in the analysis of variance (ANOVA), correlation and simple
and multiple linear regression,

Keywords: General Linear Models (GLM), SAS, scientific research, stochastic modeling, cor-
relation.

INtrODuCCIóN

Una de las principales limitantes en el avance de la ciencia, es que en muchos sentidos no se
cuantifica el efecto potencial de las variantes (Hoon et al., 2010; Eiden, 2016).

El análisis de datos a través de diferentes métodos de modelación permite la generación nue-
vas hipótesis a partir de la información obtenida durante los procesos experimentales. En este
sentido, los modelos estocásticos y determinísticos aportan a investigación, métodos exactos
para discriminar y asociar variables, plantear hipótesis, interpretar resultados y cuantificar el
grado de certeza con que se repiten los fenómenos, lo que se ha traducido en toma de deci-
siones y consecuentes avances tecnológicos.

La modelación permite obtener explicaciones holísticas sobre la acción e interacción de varia-
bles, las cuales, al ser correctamente incluidas pueden llegar a generar inferencias válidas en
diferentes escenarios geográfico-temporales. Asimismo, contribuyen a la comprensión de los
eventos y al incremento del conocimiento básico-general a través del planteamiento de nuevas
hipótesis (Van Straten, 2008; Bannik et al., 2016).
Por ejemplo, en ciencia animal, Ellis et al. (2008, 2010), concluyeron que establecer modelos
más precisos es una alternativa seria previa al planteamiento de estrategias que permitan me-
jorar los procesos productivos, permitiendo la optimización y control de los procesos (López-
Cruz et al., 2003).

Debido al amplio uso del paquete estadístico SAS (Universidad Estatal de Carolina del Norte,
1976) en la investigación científica (Dembe et al., 2011; Ali y Ho, 2012; Vesset et al., 2013) y
los diferentes procedimientos de los que dispone, ha conservado una gran preferencia en la
generación de modelos de efectos fijos y aleatorios (Proc GLM, MIXED o GLIMMIX) (Wolfinger
158