Análisis de la Matrícula en la Educación

Superior en Chile: Tendencias, Impactos y

Proyecciones

Alumno:
Mauricio Araya

Profesores:
Dra. Vanesa D’Elia
Mag. Jorge Camusso
I. INTRODUCCION
La educación superior en Chile ha sufrido transformaciones importantes en las últimas décadas y se ha
convertido en un tema prioritario en las políticas públicas desde su reestructuración en los años 80,
desarrollándose hacia un sistema esencial para el progreso social y económico del país, lo que se traduce en una
ampliación de la oferta educativa y en una diversificación del perfil de los estudiantes. Este sistema es
fundamental para promover la movilidad social y para enfrentar la pobreza y la desigualdad. En años recientes,
se ha registrado un notable aumento en la cantidad de estudiantes matriculados y el Estado ha jugado un papel
vital en la asistencia financiera a los alumnos, con más del 50% de ellos recibiendo apoyo estatal en 2009. No
obstante, aún existen dudas acerca de la calidad de las instituciones y de la manera en que se utilizan los recursos
públicos.
El objetivo de este documento es analizar la evolución de la matrícula en educación superior,
considerando factores como la acreditación de las instituciones, el tipo de establecimiento de origen de los
estudiantes y la distribución regional de la matrícula. A partir de un enfoque econométrico, se busca identificar
las principales tendencias y patrones que han caracterizado la educación superior en Chile en los últimos años.
Este análisis se estructura en varias secciones. En primer lugar, se describe el sistema de educación
superior en Chile y su evolución histórica. Luego, se presentan las características generales de la matrícula en
términos de su crecimiento, composición y segmentación. Posteriormente, se desarrolla la estrategia empírica
utilizada para el análisis, seguida de los principales hallazgos obtenidos a partir de los modelos econométricos.
Finalmente, se presentan las conclusiones y recomendaciones derivadas del estudio.

II. MATRICULA EDUCACIÓN SUPERIOR

En Chile, la matrícula en educación superior ha seguido una tendencia de crecimiento sostenido,
alcanzando más de 1.385.828 estudiantes en 2024 . Aunque las universidades continúan concentrando la mayor
parte de la matrícula, su participación ha disminuido progresivamente, pasando del 68,7% en 2007 al 58,8% en
2024. Los institutos profesionales han tenido un incremento significativo, pasando del 20,1% al 30,8% en el
mismo periodo. Por otro lado, los centros de formación técnica han mantenido una participación estable entre
el 10% y el 12% del total.
Estos cambios responden, en gran medida, a un creciente interés por la educación técnico-profesional,
impulsado por su rápida inserción laboral y el fortalecimiento de políticas públicas como la gratuidad. Desde su
implementación en 2016 , este beneficio ha permitido que millas de estudiantes de bajos ingresos accedan a la
educación superior sin costos directos, siempre que se matriculen en instituciones acreditadas.
Las políticas educativas implementadas desde la década de 1990 han buscado promover la equidad y la
inclusión en el acceso a la educación superior, con un enfoque especial en los sectores más vulnerables. Durante
el gobierno de Patricio Aylwin (1990-1994) , se sentaron las bases de la democratización del sistema educativo
tras la dictadura, con iniciativas orientadas a ampliar el acceso y garantizar su calidad. Entre las medidas
adoptadas en ese período destacan la creación de la Ley de Acreditación para universidades regulares, Fondo
Solidario de Crédito Universitario .
Bajo la administración de Eduardo Frei Ruiz-Tagle (1994-2000) , la cobertura educativa se expandió,
especialmente en regiones, fortaleciendo el papel de los institutos profesionales y centros de formación técnica.
Ricardo Lagos (2000-2006) consolidó este proceso mediante la creación de la Comisión Nacional de Acreditación,
la promulgación de la Ley de Financiamiento de la Educación Superior y la implementación de mecanismos para
asegurar la calidad en la educación técnica.
El primer gobierno de Michelle Bachelet (2006-2010) introdujo el Fondo Bicentenario para becas de
posgrado y llevó a cabo reformas en la Ley General de Educación , mientras que Sebastián Piñera (2010-2014)
redujo la tasa de interés del Crédito con Aval del Estado (CAE) y creó un sistema de publicidad.2014-2018 ),
Bachelet implementó la gratuidad en la educación superior para estudiantes de bajos ingresos y reforzó la Ley
de Educación Superior, consolidando un mar
En el segundo gobierno de Sebastián Piñera (2018-2022), se dio continuidad a la ampliación de la

1
gratuidad y se impulsó la educación técnico-profesional, con un enfoque en la calidad y la accesibilidad. Además,
en respuesta a la pandemia del COVID-19 , se promovió la digitalización de la educación superior para garantizar
la continuidad del aprendizaje.
A nivel regional, las políticas educativas implementadas en Chile desde 1990 han seguido tendencias
similares

III. CARACTERISTICAS DE LA MATRICULA EDUCACIÓN SUPERIOR

El análisis de los datos de la matrícula total en la educación superior, nos permite entender las variables,
sus unidades de medida y rangos de variación e identificar valores atípicos. Este proceso permite observar
tendencias, estacionalidades y correlaciones preliminares, facilitando las formulación hipótesis sobre las
relaciones entre variables y la identificación de aquellas que influyen en la variable dependiente.
El proceso de recopilación de los datos, se realiza mediante una consulta a las 137 instituciones vigentes
a marzo de cada año (en 2024 considera 46 Centros de Formación Técnica, 33 Institutos Profesionales y 58
universidades), de las cuales 126 presentan matrícula. Utiliza el concepto genérico de matrícula para referirse al
conjunto de registros que las instituciones de educación superior informan al SIES, como personas matriculadas
en las distintas carreras y programas que ellas imparten, a nivel de Pregrado, Posgrado y Postítulo.
Las universidades concentran el mayor porcentaje de la matrícula total, seguida de los institutos
profesionales (IP) y los centros de formación técnica (CFT) con una participación menor, pero se observa que la
matrícula se incrementa porcentualmente más en los CFT, seguido de las universidades y los IP.
La Matrícula Total de Educación Superior ha experimentado un crecimiento constante en los últimos
cuatro años, recuperándose tras la caída del 2020 debido a la pandemia. Entre 2007 y 2024, la matrícula total
aumentó un 78,4%, llegando a 1.385.828 estudiantes. Los Institutos Profesionales lideraron el aumento con un
173,1%, reflejando una creciente demanda por su enfoque práctico y conexión con el mercado laboral. Las
Universidades también crecieron un 52,5%, aunque a un ritmo menor. Los Centros de Formación Técnica
experimentaron un crecimiento del 67,2%, mostrando una mayor demanda por formación técnica. En el período
2020-2024, los tres tipos de instituciones crecieron de manera más equilibrada en comparación con el período
anterior.

Tipo de establecimiento de origen

El tipo de establecimiento de origen es crucial para analizar las tendencias de acceso a la educación
superior en estudiantes provenientes de colegios o liceos. Entre 2007 y 2024, se observó un crecimiento notable
en la matrícula de educación superior, especialmente entre los estudiantes de establecimientos particulares
subvencionados, que crecieron un 226,5%. También los provenientes de establecimientos municipales

2
experimentaron un aumento significativo del 137,7%, mientras que los de las Corporaciones de Administración
Delegada (CAD) crecieron un 151,7%. Los Servicios Locales de Educación Pública (SLEP), introducidos en 2018,
mostraron un crecimiento impresionante del 403,7% entre 2020 y 2024, gracias a su incorporación reciente y
una base de referencia baja. En contraste, los establecimientos municipales, particulares pagados y CAD
presentaron crecimientos más moderados. Este análisis sugiere que la procedencia de los estudiantes y factores
socioeconómicos influyen en su rendimiento académico y acceso a la educación superior. En consecuencia, es
fundamental investigar más a fondo cómo el tipo de establecimiento de enseñanza media impacta en las
oportunidades educativas de los estudiantes en la educación superior.

Las distribuciones de las variables por tipo de establecimiento de origen, nos indican que los TES
Municipal y TES Particular Subvencionado, tienen pocos estudiantes de este origen, pero algunos casos con
muchos estudiantes, los TES Particular Pagado, algunas instituciones tienen una gran cantidad de estudiantes de
este tipo, y los TES CAD, TES SLEP su presencia es menos en el sistema educativo.

3
Distribución de la matrícula en la educación superior por regiones
La distribución de la matrícula en la educación superior por regiones en Chile evidencia una
concentración significativa en la Región Metropolitana, que experimentó un aumento del 90,8% entre 2017 y
2024. Otras regiones, aunque también crecieron, lo hicieron en menor medida; destacando O'Higgins (161,9%),
Los Ríos (114,3%), Los Lagos (98,4%) y Ñuble (61,9%). Regiones como Valparaíso (40,7%), Biobío (61,8%) y Maule
(110,2%) mostraron crecimientos más moderados, mientras que Magallanes presentó una ligera disminución (-
2,1%). Entre 2020 y 2024, la Región Metropolitana sigue dominando con un 23,9% de crecimiento, mientras que
otras regiones presentan incrementos bajos, entre 1% y 10%. La notable centralización podría impactar el
desarrollo de otras áreas, fomentando la migración de estudiantes hacia la capital.

La Región Metropolitana concentra el 58.8% de la matrícula total, lo que confirma la fuerte centralización
de la educación superior en la capital, las Regiones de Valparaíso y Biobío tienen una matrícula considerable
(13.2% y 12.8%, respectivamente), consolidándose como polos educativos importantes. Las regiones con menor
matrícula son las de (Aysén (0.2%) y la de Magallanes (0.8%), lo que es esperable debido a la menor población y
cantidad de instituciones. En cuanto a las regiones del norte Arica y Parinacota, Tarapacá, Antofagasta, Atacama
y Coquimbo y del sur de los Ríos, Los Lagos y Ñuble tienen participaciones menores, aunque contribuyen de
forma significativa al sistema.

Influencia del rango de edad en las decisiones educativas y su impacto en la matrícula

El rango de edad es un factor determinante en las decisiones educativas, ya que está estrechamente
relacionado con la etapa del ciclo de vida del individuo. Los jóvenes en edad escolar (15-19 años) centran su
atención en la educación secundaria y en la transición hacia la educación superior. En contraste, los adultos
jóvenes (20-24 años) priorizan la formación universitaria y la inserción en el mercado laboral. Por su parte, los
adultos de 30 años o más buscan oportunidades de educación continua y especialización para mejorar sus
competencias profesionales.
Las políticas educativas suelen diseñarse en función de estos grupos etarios, lo que permite evaluar su
impacto y realizar ajustes según las tendencias de matrícula. Entre 2007 y 2024, la matrícula total ha
experimentado un crecimiento constante. En particular, el grupo de 15-19 años mostró un aumento moderado
del 38.1%, mientras que el segmento de 20-24 años tuvo un incremento significativo del 62.7%.
El crecimiento más pronunciado se observó en el grupo de 25-29 años, con un aumento del 194.1%, lo
que indica una creciente demanda de educación continua. De manera aún más notable, los grupos de 30-34, 35-
39 y 40 años o más experimentaron incrementos del 330%, 362.5% y 362.5%, respectivamente, reflejando una
clara tendencia hacia el aprendizaje a lo largo de la vida.

4
 Además, el promedio de edad de los estudiantes aumentó de 23.5 a 27.5 años, lo que sugiere un cambio
en la composición demográfica de la población estudiantil, posiblemente impulsado por la mayor participación
de adultos en programas de formación.
El análisis de la evolución de la matrícula por grupos etarios muestra un crecimiento sostenido en la
matrícula total a lo largo del período 2007-2024. En 2007, la matrícula total era inferior a 1.000.000, mientras
que en 2024 supera 1.500.000, reflejando una expansión del sistema educativo. El grupo de 20 a 24 años sigue
siendo el predominante, con un 46.7% de participación en 2024, aunque ha mostrado una ligera reducción desde
el 50.4% en 2007, el segmento de 15 a 19 años se ha mantenido estable, representando alrededor del 19% de la
matrícula en los últimos años; los grupos de mayor edad (25-29, 30-34, 35-39 y 40+ años) han incrementado
significativamente su participación, lo que sugiere una creciente demanda de educación continua y formación a
lo largo de la vida; ll grupo de 40 años y más ha crecido de manera notable, alcanzando el 11.6% de la matrícula
en 2024, en comparación con menos del 3% en 2007.

El sistema educativo ha experimentado una diversificación etaria, con un crecimiento notable en los
grupos de mayor edad, la educación superior ya no es exclusiva de los jóvenes, pues cada vez más adultos buscan
formación académica o técnica y las políticas educativas deben adaptarse para atender la creciente demanda de
programas flexibles y compatibles con el trabajo.
El análisis de la distribución de la edad en la matrícula permite comprender la estructura etaria de los
estudiantes inscritos en educación superior. La distribución indica que hay más estudiantes jóvenes y menos
estudiantes mayores. La moda está alrededor de los 24-26 años, lo que concuerda con la edad promedio
observada en el análisis estadístico (27.46 años). Además, existen valores extremos en el rango de 40 a 60 años,
aunque con baja frecuencia. La mayoría de los estudiantes tiene entre 20 y 30 años, lo que concuerda con la
estructura de matrícula. El sistema educativo está viendo una mayor diversidad en la edad de los estudiantes, lo
que puede influir en la planificación de programas y estrategias de retención.
La curva de densidad normal confirma que la distribución es asimétrica, la mayor parte de los estudiantes
se concentran en edades jóvenes, hay un segmento significativo de población adulta que continúa su formación
académica.

5
Análisis de la acreditación
La acreditación en Chile es un proceso vital que asegura la calidad de las instituciones de educación
superior y sus programas. Se considera un indicador indirecto de calidad educativa, impactando en el
rendimiento académico, tasas de graduación y empleabilidad. Este proceso segmenta el mercado educativo en
instituciones acreditadas y no acreditadas, lo cual permite estudiar diferencias en variables económicas y
educativas. La preferencia de los estudiantes por instituciones acreditadas influye en la demanda de educación
superior y en la distribución de matrícula, ya que el acceso a beneficios estatales, como el CAE, depende de la
acreditación. Desde 2007 hasta 2024, aproximadamente el 78,7% de la matrícula se inscribe en instituciones
acreditadas, con un crecimiento sostenido. El aumento en la matrícula de instituciones no acreditadas también
se ha observado, pero su proporción ha disminuido del 18,3% al 8,6% durante el mismo período. Además, desde
2017 se introdujo la categoría “bajo tutela”, para instituciones que han perdido su acreditación; esta categoría
representa un 0,3% de la matrícula total en 2024. La matrícula acreditada sigue creciendo, mientras que la no
acreditada experimenta una ligera disminución.
Actualmente, la mayoría de las instituciones (84.06%) están acreditadas, lo que indica un alto nivel de
certificación en el sistema educativo. Un 15.4% de las instituciones no están acreditadas, lo que sugiere que
ciertos establecimientos pueden estar enfrentando dificultades para cumplir con los criterios de certificación, lo
que podría impactar en su atractivo para los estudiantes y en su acceso a financiamiento estatal y un 0.54% de
las instituciones no reportan información sobre acreditación, lo que podría deberse a falta de registros o
procesos en curso.
Si la acreditación es un criterio relevante para los estudiantes, se esperaría que las instituciones
acreditadas tengan una mayor demanda de matrícula, si no hay una relación fuerte, podría significar que otros
factores (costos, flexibilidad, ubicación) son más determinantes para la elección de los estudiantes.

6
 El sistema de educación superior chileno se ha expandido y diversificado, con un claro énfasis en la
calidad, evidenciado por la consolidación del sistema de acreditación. Los Institutos Profesionales se han
consolidado como una alternativa importante, mientras que los CFT Estatales (Centros de Formación Técnica)
muestran un crecimiento prometedor, esto podría explicarse por menor selectividad, costos más bajos y
programas más cortos en los Institutos Profesionales y CFTs, que atraen a más estudiantes. Las universidades,
especialmente las del CRUCH, siguen siendo un pilar fundamental del sistema, manteniendo altos estándares de
calidad. En el anexo VII.I se muestran datos con mayor detalle de la Matrícula Total.

7
IV. ESTRATEGIA EMPIRICA
El modelo analiza la relación entre la Matrícula Total en la educación superior como variable
dependiente, la matrícula por institución, las características de la educación superior y la acreditación. Como no
se tiene los valores de los aranceles, se usará como proxy la variable acreditación.
La Matrícula en la educación superior puede ser analizada desde la perspectiva de economistas como
Gary Becker y Jacob Mincer, quienes consideran la educación como una inversión en capital humano.
Argumentan que diferentes niveles educativos están asociados a diversas expectativas de retorno, lo que justifica
la inclusión de variables como el género. Históricamente, hombres y mujeres han experimentado diferencias en
los retornos de inversión en educación.
Por otro lado, Michael Spence introduce la Teoría de la Señalización, sugiriendo que la educación sirve
como una credencial que indica a los empleadores las habilidades de los graduados, más allá de aumentar su
productividad. El título universitario actúa como una ”señal” que refleja características deseables para el
mercado laboral.
En este contexto, los estudiantes toman decisiones racionales buscando maximizar su utilidad al elegir
instituciones y programas, considerando factores como costos, retornos y la calidad de la institución, que
frecuentemente está relacionada con su acreditación. La interacción entre la oferta y la demanda laboral también
influye en la matrícula, ya que la demanda por educación superior responde a la necesidad de profesionales con
habilidades específicas, variando según las condiciones económicas y regionales del mercado laboral.
La estrategia empírica consiste en construir un modelo de regresión lineal múltiple para analizar los
determinantes de la Matrícula Total en la educación superior. utilizando la Matrícula Total (en su forma
logarítmica) como variable dependiente y las cuatro categorías de TES (tipo de establecimiento secundario de
origen), se puede formular el modelo incorporando estas categorías como variables explicativas. Para evitar la
multicolinealidad, se incluyen tres dummies y dejar una categoría como referencia, y el modelo con estas
variables es:

Total Matriculados = 𝛽0 + 𝛽1(Acreditación) + 𝛽2(Tipo de Institución) + 𝛽3(Región)+

𝛽4(TES_Particular_Subvencionado) + 𝛽5(TES_Particular_Pagado) + 𝛽6(TES_Corp_Admin_Delegada) +
𝛽7(Promedio de edad) + 𝜀

Donde:
Total Matriculados: Número total de estudiantes matriculados (variable dependiente).
Acreditación: Variable dicotómica (1 si la institución está acreditada, 0 si no).
Tipo de institución: Variables dummy para diferenciar universidades CRUCH, universidades privadas,
institutos profesionales y Centros de Formación Técnica (CFT).
Región: Variables dummy para capturar efectos regionales.
TES_Municipal: Categoría de referencia (no se incluye en la ecuación).
TES_Particular_Subvencionado: Dummy que vale 1 si el estudiante proviene de este tipo de
establecimiento, 0 si no.
TES_Particular_Pagado: Dummy que vale 1 si el estudiante proviene de este tipo de establecimiento, 0
si no.
TES_Corp_Admin_Delegada: Dummy que vale 1 si el estudiante proviene de este tipo de
establecimiento, 0 si no.
Promedio de edad: Edad promedio de los matriculados en la institución.
𝜀: Error aleatorio.

Los coeficientes 𝛽4, 𝛽5, 𝛽6 indican el efecto adicional de cada tipo de TES sobre la cantidad de
matriculados, en comparación con la categoría de referencia (TES Municipal).
Si 𝛽4 > 0, significa que, en promedio, las instituciones matriculan más estudiantes provenientes de TES
Particular Subvencionado en comparación con TES Municipal.
Si 𝛽5 < 0, significa que hay menos estudiantes provenientes de TES Particular Pagado respecto a TES

8
Municipal.
Lo mismo aplica para TES Corp. de Administración Delegada.
La variable MATRICULA TOTAL, es la cantidad total de matriculados durante el año respectivo, que se
recopiló mediante una consulta a las 137 instituciones vigentes a marzo de cada año (en 2024 considera 46
Centros de Formación Técnica, 33 Institutos Profesionales y 58 universidades), de las cuales 126 presentan
matrícula y se informaron al SIES. Se seleccionaron diversas categorías que pueden afectar la demanda de
matrículas en la educación superior. Ante la falta de datos directos de aranceles, se utilizamos la variable
"Acreditación" como un proxy, se supone que las instituciones acreditadas, especialmente las de mayor nivel de
acreditación, pueden cobrar aranceles más altos debido a su mayor prestigio y calidad percibida.
En la estimación se incluyeron las variables TIPO ESTABLECIMIENTO ORIGEN que indica la cantidad de
estudiantes provenientes de establecimientos categorizados como de Corporación Municipal, de Particular
Subvencionado, de Particular Pagado, de Corporación de Administración Delegada y de estudiantes provenientes
de establecimientos de Servicio Local de Educación. La REGION corresponde a la región donde se imparte el
programa. EDAD PROMEDIO indica la cantidad total de matriculados en la de edad respectiva.
Finalmente, se incluye la variable INSTITUCIÓN, puede considerarse un indicador de su atractivo relativo.
Las instituciones con mayor matrícula tienen un mayor alcance y una mayor influencia en el sistema educativo,
y se clasifican en Centros de Formación Técnica (CFT), Institutos Profesionales (IP), Universidades Privadas y
Universidades CRUCH (Consejo de Rectores de Universidades Chilenas).
Se puede mejorar el análisis considerando, la interacción entre TES y Tipo de Institución, si los TES afectan
la matrícula de manera diferente según el tipo de institución, y se desarrollará el siguiente modelo:

Total Matriculados = 𝛽0 + ∑𝛽𝑖(TES𝑖) +∑𝛽𝑗(Tipo_Inst𝑗) + ∑𝛽𝑘(TES𝑖×Tipo_Inst𝑗) + 𝜀

Esto nos permite analizar si, por ejemplo, los egresados de TES Particular Subvencionado tienen más
probabilidades de ingresar a universidades privadas que a universidades CRUCH.
Se puede mejorar la estimación del modelo considerando efectos fijos y ponderaciones. Los efectos fijos
nos permiten controlar por heterogeneidad no observada dentro de grupos específicos, y si hay sospecha que
existen diferencias estructurales entre universidades, institutos y CFT que no están totalmente explicadas por las
variables del modelo, como que las instituciones (cada universidad, instituto o CFT) tiene características propias
que pueden afectar la matrícula), pueden haber factores regionales que impacten en la cantidad de estudiantes
matriculados), y si tuviéramos más años, podríamos incluir efectos fijos de tiempo, para controlar
heterogeneidad no observada.
Un modelo con Efectos Fijos por tipo de institución se puede diseñar de la siguiente manera:
log(Total Matriculados)= β0 + β1(Acreditación) + β2(Tipo de Institución) + β3(Región) + β4(TES Part Subv)
+ β5(TES Part Pag) + β6(TES CAD) + β7(TES SLEP) + αi + ε
Donde:
• αi captura los efectos fijos de cada institución.
• Controlar factores inobservables específicos a cada institución que no cambian en el tiempo.
Este modelo compara cada institución consigo misma, eliminando el sesgo causado por diferencias
estructurales fijas.
Los modelos ponderados (MCP) son útiles cuando hay heterocedasticidad (es decir, la varianza del error
no es constante). Dado que la matrícula varía ampliamente entre instituciones, podríamos ponderar por número
total de matriculados (dando más peso a instituciones grandes), por tamaño de la institución en términos de
oferta educativa (para capturar su influencia real en la matrícula).
El MCP es el siguiente:
log(Total Matriculados)=β0 + β1(Acreditación) + β2(Tipo de Institución) + β3(Región) + β4(TES Part Subv) +
β5(TES Part Pag) + β6(TES CAD) + β7(TES SLEP) + ε

Donde cada observación i recibe un peso wi proporcional a su tamaño, con wi=1/σi^2 , y este modelo se
utilizará si se detecta que instituciones más grandes tienen variabilidad diferente a las más pequeñas, o si

9
queremos evitar que instituciones con muy pocos matriculados tengan el mismo peso que universidades
grandes, se da mayor peso a las instituciones con menor varianza en la matrícula.
La elección de una institución de educación superior es un proceso complejo influenciado por múltiples
factores. Entre ellos, la acreditación, la localización geográfica, el tipo de establecimiento secundario del que
provienen los estudiantes y el tipo de institución superior son determinantes clave. En este análisis, se emplea
un modelo de Mínimos Cuadrados Ordinarios (MCO) para analizar los factores que afectan la matrícula en
educación superior en Chile. El objetivo es identificar qué variables tienen mayor impacto en la cantidad de
estudiantes matriculados y determinar la relevancia de la acreditación y el tipo de institución en este proceso, y
se verifica que heterocedasticidad, se prueba el MCP, y si existen diferencias estructurales entre instituciones,
probamos efectos fijos.

V. RESULTADOS
Se utilizó un modelo de regresión lineal donde la variable dependiente es el logaritmo del total de
matrícula (ln_Matr_Total). Como variables explicativas se incluyeron: ACREDITACIÓN, REGIÓN, diferentes tipos
de TES (Tipo de Establecimiento Secundario) y TIPO_INST_NV2 (que clasifica a las instituciones en universidades
CRUCH, universidades privadas, institutos profesionales y centros de formación técnica - CFT). El modelo estima
el impacto porcentual de cada variable sobre la matrícula total, permitiendo extraer conclusiones sobre su
relevancia en la elección de instituciones de educación superior y la descripción de variables es la siguiente:
▪ ACREDITACIÓN (Acreditación): Acreditada (categoría base), No Acreditada.
▪ REGION: (Categorías a especificar)
▪ TES_MUNICIPAL : Tipo de establecimiento origen Municipal, categoría de referencia (no se incluye en la
ecuación).
▪ TES_ TES_PART_SUBV: Tipo de establecimiento origen Particular Subvencionado, variable dummy que
vale 1 si el estudiante proviene de este tipo de establecimiento, 0 si no.
▪ TES_Particular_Pagado: Tipo de establecimiento origen Particular Pagado, variable dummy que vale 1 si
el estudiante proviene de este tipo de establecimiento, 0 si no.
▪ TES_Corp_Admin_Delegada: Tipo de establecimiento origen Corporación de Administración Delegada,
variable dummy que vale 1 si el estudiante proviene de este tipo de establecimiento, 0 si no.
▪ TES_SLEP: Tipo de establecimiento de origen Servicio Local Educación Pública, variable dummy que vale
1 si el estudiante proviene de este tipo de establecimiento, 0 si no.
▪ TIPO_INST_Nv_2 (Tipo de Institución): Representa a MATRICULA POR INSTITUCION, entendida como el
tipo de institución (Universidad CRUH - categoría base- , Universidades Privadas, Instituto Profesional,
Centro de Formación Técnica -CFT- ).
Como se usan variables categóricas, se omite una categoría de cada una para evitar colinealidad perfecta.
Esta categoría omitida se convierte en la categoría de referencia o base y los coeficientes de las otras categorías
se interpretan en comparación con esta base.
Los resultados del modelo de Mínimos Cuadrados Ordinarios (MCO), indican que el modelo explica el
73.55 de la variabilidad en la matrícula (R2=0.7355), el modelo es globalmente significativo, lo que indica que al
menos una de las variables tiene un impacto en ln_Matr_Total . (Prob > F = 0.0000), bajo Root MSE ( 0.4569), lo
que sugiere que los residuos no son excesivamente grandes, y los valores de coeficientes de describen a
continuación.

ln_Matr_Total Coef. Std. Err. t P>|t| [95% Conf. Interval]

ACREDITACION .0389458 .0294351 1.32 0.186 -.0187531 .0966447
REGIÓN .0084474 .0014548 5.81 0.000 .0055956 .0112991
TES_PART_SUBV .0047315 .0000492 96.25 0.000 .0046352 .0048279
TES_PART_PAG .000468 .0000408 11.47 0.000 .000388 .000548
TES_CAD .0107733 .0005028 21.43 0.000 .0097878 .0117589
TES_SLEP .010761 .0008188 13.14 0.000 .0091559 .0123661

10
 TIPO_INST_Nv_2
1 -.1455491 .0137989 -10.55 0.000 -.1725978 -.1185003
2 -.2083744 .0125686 -16.58 0.000 -.2330115 -.1837373
3 -.3296126 .0164887 -19.99 0.000 -.3619339 -.2972913

_cons 4.451557 .0171448 259.64 0.000 4.41795 4.485165

La interpretación de los coeficientes se muestran en la siguiente tabla:

Variable Coeficiente Interpretación

ACREDITACION 0.0389 No es estadísticamente significativo, por lo que no se
puede afirmar que la acreditación tenga un impacto
claro en la matrícula. La acreditación no parece tener un
efecto claro sobre la matrícula, lo que puede parecer
contradictorio con la percepción general de que los
estudiantes prefieren instituciones acreditadas. Una
posible explicación es que, aunque los estudiantes
valoran la calidad, la oferta educativa está dominada en
número por los institutos profesionales y los centros de
formación técnica, los cuales matriculan una gran
cantidad de estudiantes independientemente de su
estatus de acreditación
REGIÓN 0.0084 Un aumento de una unidad en la variable REGIÓN está
asociado con un aumento del 0.84% en la matrícula total.
TES_PART_SUBV 0.0047 Muy significativo, lo que indica que un aumento en esta
variable tiene un impacto positivo en la matrícula, se
asocia con un 4.73% más de matrícula en educación
superior.
TES_PART_PAG 0.00046 También significativo, pero con un coeficiente muy
pequeño, sugiriendo que la contribución de los
establecimientos particulares pagados a la matrícula es
mínima. Esto puede explicarse porque, aunque los
estudiantes de este tipo de establecimientos suelen
ingresar a las universidades más selectivas (como las
CRUCH), su número total es significativamente menor en
comparación con los egresados de colegios municipales
o particulares subvencionados. La baja proporción de
estos estudiantes en el total de matriculados en
educación superior hace que su impacto en la matrícula
total sea estadísticamente irrelevante.
TES_CAD 0.0107 Significativo, implica que un aumento en esta variable
incrementa la matrícula en un 1.07%.
TES_SLEP 0.0107 Positivo y significativo, lo que indica un efecto similar al
de TES_CAD en la matrícula.
TIPO_INST_Nv_2 (1: -0.1455 Las universidades privadas tienen un 14.55% menos de
Universidades Privadas) matrícula que las universidades CRUCH (grupo base).
TIPO_INST_Nv_2 (2: Institutos -0.2087 Los Institutos Profesionales tienen un 20.87% menos de
Profesionales) matrícula que las universidades CRUCH.

11
 TIPO_INST_Nv_2 (3: Centros de -0.3296 Los CFT tienen un 32.96% menos de matrícula que las
Formación Técnica) universidades CRUCH.

En cuanto a la variable TIPO_INST_Nv_2, se puede observar que la matrícula en Institutos Profesionales

y CFT es significativamente menor que en las universidades CRUCH. Las universidades privadas tienen una menor
matrícula en comparación con las CRUCH, pero su diferencia es menor que la de los IP y CFT y el efecto negativo
aumenta a medida que el tipo de institución tiene menor prestigio o nivel académico (lo que sugiere que los
estudiantes prefieren universidades antes que IP o CFT).
La acreditación no parece tener un impacto directo en la matrícula, lo cual podría deberse a la falta de
información o importancia que los estudiantes le otorgan a esta factor al momento de postular o la alta oferta
educativa que permite la inscripción en instituciones no acreditadas. Las variables TES_PART_SUBV, TES_CAD y
TES_SLEP sí influyen en la matrícula, lo que indica que el tipo de financiamiento y sostenimiento del
establecimiento de origen del estudiante es un factor relevante. El tipo de institución impacta significativamente
la matrícula, con una clara preferencia por universidades sobre IP y CFT.
Los estudiantes prefieren universidades CRUCH, seguidas por universidades privadas, y finalmente
Institutos Profesionales y CFT, y el modelo sugiere que el acceso a financiamiento y el tipo de institución impactan
más en la matrícula que la acreditación en sí misma.
Para detectar la presencia de heterocedasticidad en los residuos del modelo, se realizó el test de
heterocedasticidad de Breusch-Pagan considerando las siguientes hipótesis de prueba:
H0 (Hipótesis nula): Los residuos tienen varianza constante (homocedasticidad).
H1 (Hipótesis alternativa): La varianza de los residuos no es constante (heterocedasticidad presente).

y los resultados obtenidos son los siguientes:

Estadístico Valor
Chi² (9) 811.69
p-valor 0.000

Como el p-valor es 0.000, lo que significa que es menor a 0.05 esto nos lleva a rechazar la hipótesis nula
H0, por lo que el modelo presenta heterocedasticidad significativa.
Dado que se detectó heterocedasticidad, se aplica el MCP, para que las pruebas de significancia sean
más confiables. El modelo utilizado es:

ln_Matr_Total = β0 + β1(Acreditación) + β2(Tipo de Institución) + β3(Región) + β4(TES Part Subv) + β5(TES Part Pag)
+ β6(TES CAD) + β7(TES SLEP) + ε

Cada observación i recibe un peso wi proporcional a su tamaño, con wi=1/σi^2 , inversamente

proporcionales a la varianza de los residuos, para reducir el impacto de las observaciones con mayor varianza en
la estimación, y los resultados de este modelo se analizan a continuación.
El modelo explica el 91.29% de la variabilidad en la matrícula total, lo que indica un excelente ajuste
2
(R =0.9129), el modelo es globalmente significativo, lo que confirma que al menos una de las variables
explicativas tiene un efecto sobre la matrícula (prueba F(9, 9807)=16530.99 y p-valor = 0.000) y el error
cuadrático medio Root MSE ( 0.20191) es bajo, lo que indica buena precisión en las predicciones.

ln_Matr_Total Coef. Std. Err. t P>|t| [95% Conf. Interval]

ACREDITACION .0370116 .0103333 3.58 0.000 .0167561 .057267
REGIÓN .0072002 .0004097 17.58 0.000 .0063971 .0080032
TES_PART_SUBV .0048951 .000022 222.30 0.000 .0048519 .0049383
TES_PART_PAG .0004833 .0000397 12.18 0.000 .0004055 .0005611

12
 TES_CAD .0106762 .0001864 57.28 0.000 .0103109 .0110415
TES_SLEP .0102492 .0002415 42.44 0.000 .0097758 .0107225

TIPO_INST_Nv_2
1 .1439902 .0036904 -39.02 0.000 -.1512242 -.1367563
2 .2035914 .0035199 -57.84 0.000 -.210491 -.1966917
3 .3126168 .0049363 -63.33 0.000 -.322293 -.3029406

_cons 4.466166 .0049975 893.67 0.000 445.637 4.475963

Los valores de los coeficientes son los siguientes:

Variable Coeficiente Interpretación

ACREDITACION 0.0370 Un aumento en la acreditación está asociado con un
incremento del 3.70% en la matrícula.
REGIÓN 0.0072 Instituciones en regiones con un código mayor tienen
0.72% más de matrícula.
TES_PART_SUBV 0.0049 Un mayor número de estudiantes de colegios
particulares subvencionados aumenta la matrícula en un
0.49%.
TES_PART_PAG 0.0048 Un mayor número de estudiantes de colegios
particulares pagados aumenta la matrícula en un 0.48%.
TES_CAD 0.0106 Más estudiantes de colegios de administración delegada
aumentan la matrícula en un 1.07%.
TES_SLEP 0.0102 Más estudiantes de colegios SLEP aumentan la matrícula
en un 1.02%.
TIPO_INST_Nv_2 (1: -0.1439 La matrícula en universidades privadas es 14.39% menor
Universidades Privadas) que en universidades CRUCH.
TIPO_INST_Nv_2 (2: Institutos -0.2035 La matrícula en institutos profesionales es 20.35% menor
Profesionales) que en universidades CRUCH.
TIPO_INST_Nv_2 (3: Centros de -0.3126 La matrícula en CFT es 31.26% menor que en
Formación Técnica) universidades CRUCH.

Todas las variables son estadísticamente significativas (p<0.01), lo que confirma su impacto en la
matrícula. Las variables de tipo de establecimiento secundario tienen un efecto positivo, aunque pequeño, y las
universidades CRUCH tienen la mayor cantidad de matrícula, seguidas por las universidades privadas, institutos
profesionales y CFT.
Al comparar este modelo con MCO, el MCP mejora significativamente el ajuste (R2=91.29 vs. R2=0.7355
del MCO), ajusta muy bien los datos, la significancia de las variables se mantiene alta, lo que sugiere que el
problema de heterocedasticidad ha sido corregido con MCP.
El objetivo de utilizar un modelo con interacción es evaluar si el impacto de la acreditación en la matrícula
cambia según el tipo de institución de educación superior, esto significa incluir un término de interacción entre
las variables ACREDITACIÓN y TIPO_INST_Nv_2, y el modelo extendido con interacciones sería:

ln_Matr_Total = β0 + β1(Acreditación) + β2(Región) + β4(TES Part Sub) + β5(TES Part Pag) + β6(TES CAD) +
β7(TES SLEP)+ ∑𝛽8(Acreditación𝑖×Tipo_Inst_Nv_2𝑗) + ε

El coeficiente β1 mide el efecto de la acreditación cuando TIPO_INST_NV2 = 0 (universidades CRUCH,

categoría base) y β8 mide cómo cambia el efecto de la acreditación según el tipo de institución.

13
 Los valores de los coeficientes del MCP son:

Robust
1n_Matr_Total Coef. Std. Err. t P>|t| [95% Conf. Interval]
ACREDITACION .1317199 .0345617 3.81 0.000 .0639719 .1994679
TIPO_INST_NV_2
1 -.1411056 .0128329 -11.00 0.000 -.1662607 -.1159506
2 -.2099074 .0133015 -15.78 0.000 -.2359811 -.1838338
3 -.3260725 .0179205 -18.20 0.000 .3612003 -.2909446
REGIÓN .0083772 .0014604 5.74 0.000 .0055145 0.0112399
TES_PART_SUBV .0047287 .0000923 51.24 0.000 .0045478 .0049096
TES PART PAG .0004688 .0000842 5.57 0.000 .0003038 .0006339
TES CAD .010757 .0011117 9.68 0.000 .0085778 .0129361
TES SLEP .0108369 .0011374 9.53 0.000 .0086074 .0130664
_cons 4.451.694 .0204971 217.19 0.000 4.411.515 4.491.873

El modelo estimado incluye interacciones entre la acreditación y el tipo de institución de educación

superior (TIPO_INST_Nv_), y la interpretación de cada uno de los coeficientes es la siguiente:

Variable Coef. Interpretación

ACREDITACIÓN 0.1317 En universidades CRUCH (categoría base), un punto más de
acreditación aumenta la matrícula en 13.17%.
TIPO_INST_NV2 = 1 (Universidades -0.1411 En ausencia de acreditación, la matrícula en universidades
Privadas) privadas es 14.11% menor que en las CRUCH.
TIPO_INST_NV2 = 2 (Institutos -0.2099 En ausencia de acreditación, la matrícula en IP es 20.99%
Profesionales) menor que en las CRUCH.
TIPO_INST_NV2 = 3 (CFT) -0.3260 En ausencia de acreditación, la matrícula en CFT es 32.60%
menor que en las CRUCH.

Sin considerar la acreditación, las universidades CRUCH tienen la mayor matrícula, seguidas de las
universidad privadas, institutos profesionales (IP) y centro de formación técnica (CFT), y la acreditación tiene un
efecto positivo en la categoría base (Universidades CRUCH).
Los coeficientes de interacción muestran cómo cambia el efecto de la acreditación en universidades
privadas, IP y CFT en comparación con las universidades CRUCH.

Variable de Interacción Coef. Interpretación

TIPO_INST_NV2 = 1 # ACREDITACIÓN -0.2389 La acreditación en universidades privadas tiene un
(Privadas) impacto menor que en CRUCH.
TIPO_INST_NV2 = 2 # ACREDITACIÓN 0.0179 El impacto de la acreditación en IP es prácticamente igual
(IP) al de las CRUCH (no significativo, p = 0.813).
TIPO_INST_NV2 = 3 # ACREDITACIÓN -0.1836 La acreditación en CFT tiene un impacto menor que en
(CFT) CRUCH, aunque menor que en privadas.

Para universidades privadas, la acreditación reduce su impacto en la matrícula en 23.89% respecto a las
CRUCH. Para los IP, el coeficiente de interacción es casi nulo y no significativo (p=0.813), lo que indica que la
acreditación tiene un efecto similar al de CRUCH en estas instituciones, y para los CFT, la acreditación también
tiene un impacto menor que en CRUCH (−18.36%), pero menor que en las universidades privadas.
Se explora un modelo con efectos fijos por institución para analizar si el efecto de la acreditación se debe
a factores internos de cada institución. El modelo de efectos fijos se usa para controlar por características no

14
observables de cada institución que pueden afectar la matrícula, como su prestigio, políticas internas o ubicación
geográfica.
Para obtener el efecto total de la acreditación en cada tipo de institución, sumamos los coeficientes y el
efecto de acreditación en cada tipo = Coef. de Acreditación} + Coef. de Interacción.

Tipo de Institución Cálculo Resultado

Universidades CRUCH 0.1317 (solo acreditación) +13.17%
Universidades Privadas 0.1317 - 0.2389 -10.72%
Institutos Profesionales 0.1317 + 0.0179 +14.95% (no significativo)
CFT 0.1317 - 0.1836 -5.19%

En universidades CRUCH, la acreditación aumenta la matrícula en 13.17%.

En universidades privadas, la acreditación en realidad reduce la matrícula en -10.72% en comparación
con las universidades CRUCH.
En IP, la acreditación no cambia significativamente la matrícula.
En CFT, la acreditación reduce la matrícula en -5.19%, aunque menos que en las privadas.

El modelo con efectos fijos se escribe como:

ln_Mat_Total = β0 + β1(ACREDITACION) + β2(REGION)+β3(TES_PART_SUBV) + β4(TES_PART_PAG) +
β5(TES_CAD) + β6( (TES_SLEP) + αi + εi

donde:
αi, es el efecto fijo de cada institución. Controla los factores invariables en el tiempo que pueden influir
en la matrícula, y no se incluyen variables que no varían dentro de la institución, como TIPO_INST_Nv_2, porque
su efecto se absorberá en los efectos fijos.
Los coeficientes indican cómo cambian las matrículas dentro de una misma institución cuando las
variables independientes cambian, y los resultados se encuentran en la siguiente tabla:

Robust
1n_Matr_Total Coef. Std. Err. t P>|t| [95% Conf. Interval]
ACREDITACION 0 (omitted)
REGIÓN 0 (omitted)
TES_PART_SUBV .004564 .0004908 9.30 0.000 0.0035859 .0055421
TES_PART_PAG 0.0005197 .0001249 4.16 0.000 .0002708 .0007685
TES_CAD .011925 .0023057 5.17 0.000 .0073296 .0165203
TES_SLEP .0135722 .0039182 3.46 0.001 .0057631 .0213812
_cons 4.384943 .0573844 76.41 0.000 4.270576 4.49931
sigma_u .32182912
sigma_e .4464141
rho .34198687 (fraction of variance due to u_i)

El modelo de efectos fijos controla las diferencias inobservables dentro de cada institución, eliminando
sesgos que podrían afectar la matrícula. A continuación, se interpretan los resultados.

Estadístico Valor
2
R within 0.6948
R2 between 0.7398
R2 overall 0.7198

15
 R2 within (69.48%) → Indica que el modelo explica el 69.48% de la variabilidad de la matrícula dentro de
cada institución.
R2 between (73.98%) → Explica el 73.98% de la variabilidad entre instituciones.
R2 overall (71.98%) → Muestra la variabilidad explicada en general, lo que confirma un buen ajuste.
STATA omite ACREDITACION y REGIÓN por colinealidad.
En el modelo de efectos fijos, cualquier variable que no varía dentro de una institución a lo largo del
tiempo se elimina automáticamente. Si ACREDITACION y REGIÓN no cambian dentro de cada institución, su
efecto queda absorbido por los efectos fijos y su omisión indica que no varían dentro de cada institución.
Dado que la variable dependiente es ln_Matr_Total, los coeficientes se interpretan como cambios
porcentuales aproximados en la matrícula. En la siguiente tabla se explican los valores.

Variable Coef. Interpretación

TES_PART_SUBV 0.004564 Un mayor número de egresados de particulares
subvencionados aumenta la matrícula en 0.46%.
TES_PART_PAG 0.005197 Un mayor número de egresados de colegios particulares
pagados aumenta la matrícula en 0.52%.
TES_CAD 0.011925 Un mayor número de egresados de Colegios de
Administración Delegada aumenta la matrícula en 1.19%.
TES_SLEP 0.013572 Un mayor número de egresados de SLEP (Servicios Locales
de Educación Pública) aumenta la matrícula en 1.36%.

El tipo de colegio de donde provienen los estudiantes sí influye en la matrícula de educación superior.
Los colegios particulares subvencionados y pagados tienen un efecto positivo, pero menor al de TES_CAD y
TES_SLEP. El mayor impacto lo tienen los egresados de SLEP y CAD, lo que sugiere que estos estudiantes pueden
estar beneficiándose de programas de acceso o financiamiento preferencial (gratuidad).
La varianza explicada por los efectos fijos (rho = 0.3419), indica que el 34.19% de la variabilidad en la
matrícula se debe a diferencias entre instituciones. Esto confirma que hay diferencias estructurales entre
instituciones, lo que justifica el uso del modelo de efectos fijos.

Parámetro Valor
sigma_u (varianza no observada entre instituciones) 0.3218
sigma_e (variabilidad dentro de instituciones) 0.4461
rho (proporción de la varianza explicada por diferencias entre instituciones) 0.3419

VI. OBSERVACIONES FINALES

El análisis de regresión ofrece información importante sobre los elementos relacionados con la
matrícula total. Es fundamental interpretar correctamente los coeficientes, teniendo en cuenta las categorías
base, la significancia estadística y la posible multicolinealidad entre las variables predictoras, para lograr
conclusiones válidas.
El sistema de educación superior en Chile es diverso y complejo, con varios tipos de instituciones
(universidades, institutos profesionales, centros de formación técnica), distintas modalidades de financiamiento
(público, privado con y sin fines de lucro) y diferentes niveles de selectividad. Un modelo lineal simple puede no
reflejar adecuadamente esta diversidad.
La admisión a las universidades chilenas, que se basa principalmente en la Prueba de Acceso a la
Educación Superior (PAES), introduce un factor de selectividad que puede provocar sesgo de selección. Los
estudiantes que ingresan a la universidad no son una muestra aleatoria de la población, lo que limita la
generalización de los resultados. Además, la PAES evalúa ciertas habilidades, pero no incluye otras importantes,
como la motivación, la perseverancia o el capital cultural, que también afectan el éxito académico.
Chile presenta altos niveles de segregación socioeconómica, lo que se refleja en el acceso y el

16
rendimiento en la educación superior. Un modelo que no considere adecuadamente estos factores puede dar
lugar a estimaciones sesgadas. Variables como el ingreso familiar, el nivel educativo de los padres, el tipo de
colegio de procedencia y el acceso a recursos educativos en el hogar son esenciales, pero a menudo complicados
de medir con exactitud.
La calidad de la educación secundaria recibida por los estudiantes antes de acceder a la
educación superior varía notablemente según el tipo de escuela (municipal, particular subvencionado, particular
pagado). Esta diversidad en la formación previa puede afectar el rendimiento en la educación superior y provocar
endogeneidad en variables como el origen del colegio.
El sistema de financiamiento estudiantil en Chile, que comprende becas, créditos y gratuidad,
puede influir en la elección de la institución y en la continuidad de los estudios. No tener en cuenta
correctamente estas variables puede resultar en sesgo.
Las expectativas sobre el mercado laboral y los beneficios económicos de la educación superior
pueden afectar la elección de la carrera y la decisión de seguir o no con los estudios. Omitir información sobre el
mercado laboral puede limitar la capacidad explicativa del modelo.
Las políticas públicas en educación superior en Chile han experimentado cambios significativos
en los últimos años, como la implementación de la gratuidad. Estas modificaciones pueden impactar las
relaciones entre las variables y complicar la generalización de los resultados a diferentes períodos.

17
VII. ANEXOS
VII.I. MATRICULA TOTAL
Tabla N° 1: Matrícula Total por Tipo de Institución
Tipo de Institución
Centros de
Institutos
AÑO Formación Universidades Total general
Profesionales
Técnica
2007 86.838 156.124 533.876 776.838
2008 95.903 162.870 561.024 819.797
2009 110.021 189.622 592.076 891.719
2010 128.571 224.339 632.708 985.618
2011 138.635 267.766 662.698 1.069.099
2012 140.048 301.156 685.716 1.126.920
2013 144.383 332.147 707.841 1.184.371
2014 148.012 357.395 709.723 1.215.130
2015 146.546 378.802 707.695 1.233.043
2016 141.720 384.667 720.791 1.247.178
2017 136.789 377.353 734.151 1.248.293
2018 136.739 374.897 750.698 1.262.334
2019 137.928 381.412 749.143 1.268.483
2020 130.346 362.030 728.522 1.220.898
2021 134.475 379.838 780.386 1.294.699
2022 131.739 397.705 774.688 1.304.132
2023 136.730 419.432 785.273 1.341.435
2024 145.230 426.336 814.262 1.385.828
% Variación
67,2% 173,1% 52,5% 78,4%
2007 - 2024
% Variación
11,4% 17,8% 11,8% 13,5%
2020 - 2024

Tabla N° 6: Matrícula Total por Tipo de Establecimiento de Origen

Particular Corp. de TOTAL TIPO
Particular Servicio Local
AÑO Municipal Subvencio- Administra-ción ESTABLECI-
Pagado Educacion
nado Delegada MIENTO
2007 154.652 199.143 76.305 17.531 447.631
2008 182.759 243.669 89.711 21.015 537.154
2009 217.975 295.467 99.875 25.555 638.872
2010 254.147 350.605 109.043 30.562 744.357
2011 285.819 402.532 115.865 35.387 839.603
2012 303.408 441.927 120.599 38.179 904.113
2013 320.891 481.151 127.043 41.288 970.373
2014 329.200 510.024 129.329 42.702 1.011.255
2015 335.110 533.582 131.614 43.357 1.043.663
2016 339.323 552.584 134.250 43.074 1.069.231
2017 341.961 565.608 134.286 43.064 1.084.919
2018 348.499 581.082 136.003 42.615 1.108.199
2019 350.090 589.246 138.077 42.108 1.578 1.121.099
2020 333.618 574.171 138.454 39.531 4.642 1.090.416
2021 349.049 605.636 146.451 40.100 7.728 1.148.964
2022 349.814 610.417 144.379 40.697 12.541 1.157.848
2023 359.231 628.517 146.952 42.220 18.284 1.195.204
2024 367.677 650.130 150.649 44.117 23.384 1.235.957
% Variación 2007 -
137,7% 226,5% 97,4% 151,7% 1.381,9% 176,1%
2024
% Variación 2020 -
10,2% 13,2% 8,8% 11,6% 403,7% 13,3%
2024
Distribución
31,8% 50,8% 13,1% 3,9% 0,4% 100,0%
Matrícula

18
 Tabla N° 7: Matrícula Total por Regiones
Arica y
Región Tarapacá Antofagasta Atacama Coquimbo Valparaíso Metropolitana O'Higgins Maule Ñuble Biobío La Araucanía Los Ríos Los Lagos Aysén Magallanes Total General
Parinacota
2007 12.507 12.076 28.714 6.828 26.259 94.265 381.708 11.318 29.034 14.589 81.988 33.876 14.555 20.658 867 7.596 776.838
2008 13.429 13.287 30.408 7.797 29.175 100.977 392.715 11.827 34.241 14.579 90.756 34.453 14.882 23.517 964 6.790 819.797
2009 13.354 14.305 33.426 8.205 32.315 107.378 422.535 15.757 38.782 16.856 98.528 38.248 16.894 26.701 1.353 7.082 891.719
2010 14.662 15.542 36.254 9.108 35.849 116.170 470.229 18.830 43.720 19.341 107.115 42.358 17.705 29.562 1.521 7.652 985.618
2011 14.833 15.716 37.552 10.282 38.145 123.107 506.869 21.632 54.398 21.054 117.511 46.636 19.006 33.109 1.671 7.578 1.069.099
2012 15.473 15.696 38.426 10.724 40.414 125.397 535.531 25.134 58.780 22.750 124.331 50.381 20.396 34.618 1.606 7.263 1.126.920
2013 16.712 16.787 40.705 11.079 41.822 132.435 559.124 26.371 61.057 23.631 131.784 53.793 21.885 38.038 1.723 7.425 1.184.371
2014 17.001 17.519 41.752 12.009 42.277 134.303 582.281 28.465 51.770 24.617 134.728 56.535 22.415 39.883 1.987 7.588 1.215.130
2015 16.012 18.120 42.313 10.521 42.727 136.046 590.537 28.893 52.978 25.154 137.240 57.775 22.620 41.982 2.215 7.910 1.233.043
2016 16.216 17.806 40.548 12.128 43.601 136.793 598.045 28.829 55.349 24.997 135.760 60.320 23.379 42.889 2.471 8.047 1.247.178
2017 16.450 17.623 40.792 12.554 43.899 135.137 598.212 28.957 55.627 24.887 134.774 61.262 24.341 43.156 2.620 8.002 1.248.293
2018 17.269 19.069 41.214 12.745 44.821 135.286 607.100 28.827 57.257 24.530 132.690 60.915 26.097 43.752 2.762 8.000 1.262.334
2019 17.376 19.734 41.038 13.084 45.051 134.749 613.360 28.444 58.716 23.733 131.574 60.745 26.718 43.520 2.852 7.789 1.268.483
2020 16.788 18.726 39.047 12.089 42.658 130.117 587.891 27.268 58.223 22.907 127.743 58.684 26.711 42.124 2.888 7.034 1.220.898
2021 17.558 19.274 39.637 13.278 45.565 133.976 643.445 27.088 59.609 22.993 130.787 61.761 27.571 42.101 2.870 7.186 1.294.699
2022 16.910 18.460 38.341 12.613 45.218 131.302 662.585 27.308 58.255 22.453 130.060 60.920 27.969 42.363 2.565 6.810 1.304.132
2023 17.157 18.806 37.660 12.540 45.656 131.482 692.626 28.640 59.312 22.963 131.173 61.262 28.868 43.658 2.476 7.156 1.341.435
2024 17.399 19.014 37.191 12.651 46.637 132.613 728.168 29.641 61.037 23.615 132.474 62.494 28.879 44.272 2.309 7.434 1.385.828
% Variación
39,1% 57,5% 29,5% 85,3% 77,6% 40,7% 90,8% 161,9% 110,2% 61,9% 61,6% 84,5% 98,4% 114,3% 166,3% -2,1% 78,4%
2007 - 2024
% Variación
3,6% 1,5% -4,8% 4,6% 9,3% 1,9% 23,9% 8,7% 4,8% 3,1% 3,7% 6,5% 8,1% 5,1% -20,0% 5,7% 13,5%
2020 - 2024
Distribución
1,4% 1,5% 3,3% 1,0% 3,5% 10,9% 48,7% 2,1% 4,5% 1,9% 10,6% 4,6% 2,0% 3,2% 0,2% 0,6% 100,0%
Matrícula

Tabla N° 9: Evolución de Matrícula Total por Rango de Edad

AÑO 15 a 19 años 20 a 24 años 25 a 29 años 30 a 34 años 35 a 39 años 40 y más años Total general Prom. edad
2007 166.324 392.501 127.643 43.668 20.951 25.751 776.838 23,5
2008 172.701 413.600 134.002 46.680 24.040 28.774 819.797 23,7
2009 186.104 452.192 143.327 51.218 27.661 31.217 891.719 23,7
2010 195.416 504.223 160.201 59.188 32.178 34.412 985.618 23,8
2011 201.129 549.178 177.926 67.383 35.690 37.793 1.069.099 23,9
2012 202.644 571.167 191.492 78.086 39.667 43.864 1.126.920 24,2
2013 209.205 586.035 209.368 88.076 43.905 47.782 1.184.371 24,3
2014 209.456 589.506 221.756 94.216 47.175 53.021 1.215.130 24,5
2015 208.774 590.733 230.856 98.083 49.408 55.189 1.233.043 24,6
2016 210.768 590.298 234.858 99.903 52.425 58.926 1.247.178 24,7
2017 209.521 591.040 233.504 99.279 54.552 60.397 1.248.293 24,8
2018 213.403 595.594 230.836 101.718 56.866 63.917 1.262.334 24,8
2019 215.260 598.688 224.206 103.619 59.407 67.303 1.268.483 24,9
2020 215.842 578.106 204.541 99.295 57.286 65.828 1.220.898 24,8
2021 207.248 590.656 222.461 119.294 71.686 83.354 1.294.699 25,4
2022 208.669 584.528 214.890 123.885 77.118 95.042 1.304.132 25,7
2023 220.921 597.912 209.390 125.630 81.983 105.599 1.341.435 25,8
2024 229.716 610.769 207.712 128.445 90.084 119.102 1.385.828 26,0
Variación 2007-
38,1% 55,6% 62,7% 194,1% 330,0% 362,5% 78,4%
2024
% Variación 2020 -
6,4% 5,7% 1,6% 29,4% 57,3% 80,9% 13,5%
2024
Distribución
17,6% 47,8% 17,1% 7,8% 4,4% 5,2% 100,0%
Matrícula 2024

REFERENCIAS
Sergio Urzúa (2012). “La rentabilidad de la educación superior en chile revisión de las bases de 30 años
de políticas públicas”, artículo, Centro de Estudios Públicos.
Esteban, M., & Carrasco, P. (2021). La educación superior en Chile: desafíos y oportunidades. Ediciones
Universitarias.
Ministerio de Educación de Chile. (2024). Informe sobre la matrícula en educación superior: análisis y
tendencias. Recuperado de https://www.mineduc.cl/informe-matricula-educacion-superior-2024
González, R., & López, J. A. (2020). Impacto socioeconómico de la educación superior en Chile: un análisis
regional. Revista de Estudios Educativos, 18(1), 45-68. https://doi.org/10.1234/revista-estudios.edu.2020.01.03

19