Manual de Stata para Economistas

Apreciad@ participante,
Es grato dirigirnos a Usted para saludarle y a la vez darle la cordial bienvenida al

Instituto de Informtica de la Pontificia Universidad Catlica del Per InfoPUC.
En esta oportunidad usted se integra a nuestra familia del InfoPUC por medio del
Curso de Extensin Stata 11 para Economistas. Durante su permanencia en el
InfoPUC le pedimos el mayor compromiso para este curso de extensin, el cual ha
sido diseado con un enfoque eminentemente prctico, con casos reales que
complementan el aprendizaje de las herramientas de computacin y enfocados al
quehacer del profesional que las empresas requieren.
Sin ms por el momento nos despedimos, confiando en que lo aprendido en este
curso, y en los futuros cursos que desee llevar con nosotros, le sern de gran utilidad
en su desempeo profesional.
Atentamente,
Francisco Njar Vsquez

Director del Instituto de
Informtica
STATA 11 para economistas
INDICE
1. Introduccin al STATA ............................................................................................. 7
1.1. Qu puedo hacer con STATA 11.0? ............................................................... 7
1.2. Presentaciones de STATA ............................................................................. 13
1.3. Entorno de trabajo .......................................................................................... 13
1.4. Recursos del STATA ...................................................................................... 19
1.5. Ayuda en STATA: Comandos Help, Search y Findit ....................................... 20
2. Manejo de datos .................................................................................................... 23
2.1. Creando una nueva base de datos ................................................................. 23
a. Administracin de la memoria ................................................................... 23
b. Manejo de directorios................................................................................ 24
c. Iniciar una sesin de STATA ..................................................................... 25
d. Abrir y guardar una base de datos ............................................................ 26
e. Principales comandos: .............................................................................. 26
f. Ejemplo: .................................................................................................... 27
g. Estructura de comandos ........................................................................... 30
2.2. Subconjuntos de datos: comandos if y in ................................................... 31
2.3. Generando y reemplazando variables ............................................................ 33
2.4. Uso de funciones ............................................................................................ 36
2.5. De numrico a String y viceversa ................................................................... 39
2.6. Ejercicio: Mi primer Do File ............................................................................. 43
2.7. Ejercicio: Mi primer Log File ........................................................................... 43
3. Elaboracin de Grficos .......................................................................................... 45
3.1. Caractersticas de la base de datos: ............................................................... 48
3.2. Ejercicios mediantes do files .......................................................................... 49
3.3. Histogramas y Kernels ................................................................................... 53
3.4. Do File para la elaboracin de Histogramas y Kernels ................................... 56
3.5. Box plots ........................................................................................................ 58
3.6. Comando Graph: Scatter - Twoway ................................................................ 60
4. Modelos lineales ..................................................................................................... 69
4.1. Mnimos cuadrados ordinarios ........................................................................ 69
4.2. Regresiones robustas..................................................................................... 77
4.2.1.
Regresin por mnima desviacin absoluta ...................................... 79
Pontificia Universidad Catlica del Per
INDICE
4.2.2.
Regresin robusta............................................................................ 80
5. Variable dependiente limitada................................................................................ 85

5.1. Dependiente binaria ....................................................................................... 85
5.2. Variable dependiente politmica ..................................................................... 98
5.2.1.
Logit multinomial .............................................................................. 98
5.2.2.
Probit o Logit ordenado .................................................................. 103
6. Datos de panel .................................................................................................... 107

6.1. Controlando la heterogeneidad dentro de un panel ...................................... 107
6.2. Panel Dinmico ............................................................................................ 123
7. Introduccin a la programacin ............................................................................ 137
7.1. Macros local y global .................................................................................... 137
7.2. Procedimientos sistemticos: forvalues y foreach......................................... 138
7.3. Escalares y matrices .................................................................................... 140
7.3.1.
Escalares ....................................................................................... 140
7.4. Matrices ........................................................................................................ 141

7.5. Modulo MATA ............................................................................................... 142
7.6. Comandos return y ereturn ........................................................................... 143
8. Anlisis de datos con diseo muestral complejo .................................................. 145
8.1. Especificacin del Diseo Muestral: SVYSET .............................................. 146
Instituto de Informtica
1. Introduccin al STATA
1.1.
Qu puedo hacer con STATA 11.0?
Stata es un software de anlisis estadstico y economtrico, el cual sirve de herramienta

para el anlisis de informacin en diversas disciplinas tales como las ciencias sociales,
medicina y otras. Stata es un paquete de tratamiento de datos de apariencia similar a
otro software estadsticos, en el sentido de ejecutar de manera secuencial comandos
digitados por el usuario dentro de una sesin. Inicialmente se cre con la finalidad de
analizar los datos de seccin cruzada. Sin embargo, en los ltimos aos ha alcanzado
notoriedad y potencialidad abarcando campos de la micro y macro econometra. A
travs del foro de discusin - Statalist y la permanente difusin de nuevos comandos
que incorporan complejas tcnicas estadsticas y economtricas ha cautivado a muchos
usuarios por su versatilidad y constante actualizacin. Entre las potencialidades del stata
se destaca la facilidad para manipular y describir con grandes bases de datos, donde la
principal restriccin es el tamao de la memoria de la computadora. Posee diversas
aplicaciones predefinidas: paneles, logit, probit, etc. Asimismo, posee una excelente
herramientas para realizar grficos.
En la versin 11 se destacan las siguientes funcionalidades:
Imputacin Mltiple (MI)

Proporciona una serie de mtodos que permiten realizar anlisis de datos
incompletos, datos que faltan algunos valores, brindando funcionalidades para
las etapas de imputacin y estimacin.
Entre ellas estn:

o Imputacin univariada
o Imputacin multivariada
Introduccin al STATA
o Panel de control para MI.-
Permite unificar las funcionalidades del
comando mi y gua al usuario desde que inicia hasta el trmino del

anlisis, es decir desde la etapa de examinar los valores faltantes hasta
realiza estimaciones e inferencia sobre imputaciones mltiples
Examine.- Se utiliza para chequear los patrones de valores

incompletos y determinar el mtodo de imputacin adecuado
Setup.- Para establecer las caractersticas de los valores que se desea
imputar. Si los datos ya han sido imputados se debe obviar esta etapa
Impute.- Se utiliza para crear imputaciones. Se puede imputar una o
ms variables simultneamente mediante la seleccin o combinacin
de los mtodos regresin, ajuste de medias predictivas, regresiones
logstica , ordinal logstica y multinomial logstica y MVN
Manage.- Para realizar el manejo de los datos
Estimate.- Para ajustar el modelo y combinar los resultados
Test.- Para realizar test de hiptesis
Series de Tiempo multivariadas

Representa o estima un amplio rango de procesos de series de tiempo
multivariable. Stata 11 a diferencia de otros programas no necesita que el
usuario especifique si el modelo es estacional o no, sino es automtico
Entre ellos estn:

o Modelos de espacio de estados
o Modelos de factor dinmico
o Modelos GARCH multivariados donde los usuarios pueden analiza las
interacciones de varias series a la vez
Datos de panel y modelos mixtos

o Estructuras de error en covarianzas
o Test de races unitarias
o Errores estndar y BLUPs
Nueva interfaz
o Manejador de variables
o Vista activa de los datos
o Filtros de datos y de variables
o Sintaxis coloreada
o Plegado de cdigo
o Marcadores
Mtodo de los momentos generalizado (GMM)

o Modelos lineares y no lineares
o Estimadores en una etapa , en dos etapas e iterativos
o Datos de seccin cruzada, series de tiempo y datos de panel
o Variables instrumentales para datos de panel
Documentacin PDF.- Donde los manuales estn integrados con el sistema de
ayuda de Stata
o Distribuida con cada copia de Stata
o Contiene todos los manuales
o Integrada con los archivos de ayuda
Anlisis marginales
o Estimacin de medias marginales
o Mrgenes predictivos
o Efectos marginales promedio
Fuentes en Grficos
o Itlica y negrita
o Letras griegas
o Smbolos matemticos
o Subndices y superndices
o Fuentes mltiples
Regresin para riesgos en competencia.- Permite manejar modelos de
duracin o supervivencia cuando los individuos se enfrentan ms de un tipo de
riesgo.
o Variables que varan en el tiempo
o Grficos de incidencia acumulativa
o Razn de sub riesgo
Variables factoriales
o Interacciones
o Trminos polinomiales
o Creacin automtica de indicadores
Estadsticas exactas
o Regresin logstica para variable dependiente binaria
o Regresin de Poisson para datos de conteo
o Pruebas exactas y pruebas conjuntas
10
o Predicciones con intervalos de confianza exactos
Entre otras funciones tiene

o Diez generadores de nmeros aleatorios
o Ms funciones de distribucin y de densidad
o DIFBETAs, valores de desplazamiento de verosimilitud y estadsticos
LMAX para regresin de Cox
o Errores normales , GED y t de Student en ARCH
o Test multivariados
o Derivadas numricas
o Arreglos asociativos
o Funciones para cdigos Soundex
o Programacin orientada a objetos
Figura N 1: Editor de Grficos en STATA
11
Figura N2: Grficos en Stata Per: Niveles del Sistema de Focalizacin de

Hogares, a nivel distrital: Niveles con mayor frecuencia en cada distrito
Figura N 3: Reportes de STATA: Anlisis estadstico en general
12
1.2.
Presentaciones de STATA
Las diferentes presentaciones de STATA se caracterizan segn el tipo de usuario y

recursos del computador. Las versiones Stata/SE, Intercooled Stata y Small Stata varan
segn el tamao de la base de datos de anlisis:
Stata/MP Stata: para computadoras multiprocesador y de ncleo dual
Stata/SE Stata: para grandes bases de datos
Intercooled Stata: versin estndar de Stata
Small Stata comnmente utilizada por estudiantes.
1.3.
Entorno de trabajo
13
El despliegue de Stata 11 presenta cuatro ventanas diferentes:

Tabla N1: Ventanas de STATA
Review
Aqu aparecen los comandos que han

sido utilizados durante la sesin. Solo
los resultados ms recientes son
visibles en esta pantalla.
Sirve para utilizar Stata de forma
interactiva, es decir se emplea para
crear las lneas de comandos y llevar a
cabo las aplicaciones disponibles en el
software.
Nos informa sobre las variables que
estn disponibles en nuestra base de
datos para realizar las diversas
aplicaciones
Esta nos permite visualizar los
resultados (outputs) de los estadsticos
que pedimos calcular o de los modelos
que solicitamos estimar.
Command
Variables
Results
Figura N4: Entorno de STATA
Review
Variables
14
Comandos
Resultados
El tamao y posicin de las ventanas puede ser configurado segn las preferencias del
usuario y las cuales se pueden realizar siguiendo los siguientes pasos:
1. Se selecciona el Men Edit, en la opcin Preferences, se elige General
Preferences
2. En la pestaa Windowing se configura e ingresa los valores que se desea.
Tambin podemos modificar el color de fondo o las fuentes de la ventana Stata Results
siguiendo los siguientes pasos:
1. En el Men Edit se selecciona la opcin Preferences
2. Se elige la opcin de General Preferences
15
3. Se elige la pestaa Result Colors y se personaliza el color que se desea en la casilla

de Color Scheme
Otras ventanas importantes son:

Stata Editor permite navegar y modificar los datos como si fuese una hoja de
Excel.
Stata Viewer permite acceder a informacin en lnea y tambin a la ayuda del
programa.
Stata Graphs presenta el ltimo grfico realizado.
Stata Do-file Editor es una ventana separada en Windows y funciona como un
editor de textos que permite ejecutar una lista de comandos.
Stata Browser permite visualizar los datos, mas no modificarlo Men de
Comandos Desde la versin 8 del Stata, todos los comandos (excepto los de
programacin) han sido implementados con cuadros de dilogo y se pueden
acceder a ellos desde el men principal, el cual est organizado por tpicos:
Figura N5: Comandos de STATA
16
Seleccionamos una opcin desde los mens Data, Graphics o Statistics y llenamos la
caja o cuadro de dilogo correspondiente:
Por ejemplo, para acceder al cuadro de dilogo siguiente, utilizamos la ruta que
presentamos a continuacin, la cual se encuentra en los mens desplegables:
PASOS
1.
Seleccionar el men Statistics y elegir la opcin Linear models and related
2.
Seleccionar la opcin de Linear regression
Figura N6: Anlisis Estadstico a travs del Men desplegable
Esta forma de trabajar con el programa de manera interactiva es lo que Stata llama GUI
(Graphic User Interface), lo cual es una mejora con respecto de las versiones anteriores.
17
Stata permite trabajar de manera interactiva y por medio de comandos (al igual que
RATS 6), debido a que cada ventana se encuentra asociada a un comando.
La barra de Herramientas
Adems, Stata presenta una barra de herramientas que permite realizar operaciones
usuales como abrir un archivo, grabarlo, imprimir o ver alguna ventana en particular..
Figura N7: Barra de Herramientas
18
1.4.
Recursos del STATA
Stata permite la actualizacin constante de sus comandos a travs programas escritos

en un lenguaje llamado ado-file. Dichos comandos y las nuevas tcnicas son
realizados por los propios usuarios y presentados a travs de la lista de STATA:
StataList, de suscripcin gratuita.
Desde el siguiente link http://www.stata.com/statalist/, se discuten las ltimas tcnicas y

rutinas programadas en Stata, dicha informacin mantiene una base de datos desde el
ao 1997, todos los items posteados en StataList han sido ubicados en el Boston
College Statistical Software Components (SSC).
Algunos otros recursos en la red:

http://www.stata.com/
http://www.stata.com/support/faqs/
http://statcomp.ats.ucla.edu/stata/
Figura N8: Portal del STATALIST
19
1.5.
Ayuda en STATA: Comandos Help, Search y Findit
Comando help
Este es uno de los comandos ms importantes de Stata, pues presenta la sintaxis de los
comandos as como ejemplos de cmo se usan. Para pedirle ayuda a Stata sobre un
comando se escribe en la ventana de comandos help seguido del nombre del comando
que queramos conocer. A continuacin se muestran los siguientes ejemplos:
help if
help summarize
help regression
help tabulate
Se observa que las dos primeras letras del nombre del comando estn subrayadas, esto
indica que en lugar de escribir el comando como summarize se puede escribir su (o
cualquier forma intermedia).
20
Se va a utilizar la siguiente sintaxis simplificada

command [varlist] [if] [in] [weight] [, options]
]
Notemos que todo lo que va entre corchetes es optativo y que en la sintaxis de los
comandos primero se ponen las variables, luego el peso, los condicionales (if) preceden
a los rangos (in) y les siguen las opciones despus de un coma:
[varlist] es la lista de variables.
[if] Debe estar seguida de una expresin lgica para que los datos que slo
cumplan con la condicin puedan ser incluidos en dicho anlisis.
[in] permite se indica el rango de los datos que se desea analizar.
[weight] son los pesos o ponderaciones.
[options] Son las opciones de cada comando que se est utilizando
21
22
2. Manejo de datos
2.1.
Creando una nueva base de datos
a. Administracin de la memoria
Las bases de datos pueden variar de tamao. Por defecto Stata nicamente lee
archivos hasta de 10mb (mximo espacio de los datos) de hasta 5000 variables.
Si se intenta leer un archivo ms grande sale el siguiente mensaje de error.
no room to add more observations r(901);
Se puede utilizar el comando memory1 para asignar suficiente memoria para el
archivo. Por ejemplo si tenemos un archivo de 18 mb por lo menos debemos de
asignar 20 mb (debemos de tomar en cuenta la creacin de nuevas variables).
set memory 20m (20480k)
Se puede hacer permanente esta configuracin de la siguiente manera:
set memory 20m, permanent
Adicionalmente el comando matsize permite establecer el nmero de variables que

pueden ser incluidos en las estimaciones realizadas por Stata. El uso de este comando
puede ser til en ciertas aplicaciones.
Por ejemplo, si al estimar una regresin anova, aparece un error matsize too small.
Este problema se puede superar mediante el comando set matsize. La mayor
configuracin es de 800.
set matsize 800
Se puede hacer este cambio permanente de la siguiente manera

1
El comando set memory slo se puede utilizar en las versiones estndar (Stata/IC), estndar + base de datos
extensas (Stata/SE) y en la versin Stata/SE + procesamiento paralelo (Stata/MP). No es aplicable en la versin
para estudiantes de pregrado (Small Stata). En la versin Stata/SE el lmite de variables independientes es
11,000 (matsize) mientras que el lmite de la memoria es igual al del sistema operativo
23
Manejo de Datos
set matsize 800, permanent
b. Manejo de directorios
Stata se instala por defecto en C:\STATA\ y guarda los datos con los que se trabaje en
C:\DATA\ salvo que dicha configuracin de archivos haya sido cambiada. Para conocer
con que directorio est trabajando Stata se utiliza el comando pwd
Con el comando sysdir se pueden visualizar los directorios que STATA emplea para
guardar el programa y la informacin. Con el comando cd podemos cambiar de
directorio donde se guardan los datos, aunque estos cambios solo sern validos por la
sesin en uso.
Para crear un nuevo directorio se emplea el comando mkdir:
mkdir sesion21012006
24
c. Iniciar una sesin de STATA

STATA permite guardar un registro de los comandos y los resultados. Para crear un
archivo de bitcora se usa el comando log using:
log using bitcora

Por defecto se guarda en el directorio en uso y en formato SMCL (que es el que usa
STATA) para presentar los resultados.
Para parar momentneamente el registro de la bitcora:

log off
Para reanudar el registro de la bitcora:
log on
Este comando ser registrado:
tab rep78
Para detener la bitcora:
log close
Para reanudar una bitcora:
log using bitcora, append
Para sobrescribir una bitcora:
log using bitacora, replace
Para ver una bitcora:
type bitacora.smcl
Si lo nico que se desea es guardar los comandos debe emplearse cmdlog. Esta
opcin es especialmente til cuando lo que se busca es crear un archivo do.
cmdlog using C:\infopuc\cursos\stata\sesion02\comusados
25
Manejo de Datos
d. Abrir y guardar una base de datos

La forma como STATA carga los datos a la memoria es similar a la de un procesador de
textos o a la de una hoja de clculo. No se realizan los cambios hasta que el usuario
explcitamente los guarda.
Cuando se emplea el comando use, los datos se cargan a la memoria del ordenador.
Para guardar los datos se debe emplear el comando save. Es recomendable no
sobrescribir los datos y trabajar en un directorio diferente del donde se encuentran los
datos originales. Los datos pueden ser cargados al programa utilizando el comando use
seguido por la ruta en donde se encuentra la base de datos.
use C:\infopuc\cursos\stata\sesion02
use "C:\infopuc\cursos\stata\sesion02\auto.dta"
save "C:\infopuc\cursos\stata\sesion02\sesion07022005\auto_r.dta
e. Principales comandos:
COMANDO
DESCRIPCIN
help
Ayuda de programa stata, para

comandos.
log
Uso de archivos de bitcora
use
Abrir una base de datos en stata

(extensin .dta)
edit
Ingreso de datos por medio de

ventana de Stata Editor
codebook
Muestra variables con estadsticos

descriptivos
describe
Describe contenido de datos en

memoria o sobre el disco
26
save
Guarda los datos en disco con

extensin *.dta
List
Lista de valores de variable
... if ...
Selecciona observaciones cumpliendo

cierta condicin para la ejecucin del
comando
drop
Borrar variable o dato en memoria
keep
Borra variables o datos no

seleccionados
label variable
Comando de etiqueta de variables
label define
Primer paso para etiquetar valores de

una variable
label values
Segundo paso para etiquetar valores

de una variable
f. Ejemplo:
El ejercicio consiste en abrir una base de datos de nombre sumaria_2008, la cual se
encuentra grabada en el siguiente directorio:
C:\sesion1
1. En primer lugar se indica la ruta del directorio de trabajo a travs del comando cd:
cd c:\Clase 2010
27
Manejo de Datos
2. Una vez que se ha definido la carpeta de trabajo, se invocar la base de datos a

travs del comando use
use sumaria_2008.dta
Al abrir la base de datos se cargar la ventana de variables. Para pedir ayuda sobre el
comando se deber invocar la ayuda del Stata:
help use
Figura N: Uso del Comando Use a travs del HELP
3. Para conocer el contenido de las base se emplearn los comandos describe y

codebook:
El comando describe es empleado para describir el contenido de datos en la memoria

del computador. Brinda la siguiente informacin:
28
Contenido de la data: C:\Clase 2010\sumaria_2008.dta

Numero de observaciones, variables
Fecha y tamao de la memoria empleada
Nombre de la variable, tipo de almacenaje (string o numrica), y la etiqueta
de la variable
Figura N: Comando Describe
4. Otras formas de abrir una base de datos

Al digitar en la lnea de comandos la siguiente sintaxis
use sumaria_2008 in 1/10
Se le indica al STATA la apertura de los 10 primeros registros de la base de datos. Este

tipo de rdenes se aplicar cuando se desee realizar una exploracin a la base de
datos, sin necesidad de cargar la base completa.
De la misma manera, es posible aplicar filtros que indiquen que parte de la base de
datos ser utilizada. En la base sumaria_2008, la variable mieperho representa el total
de miembros del hogar. Por lo que s est interesado en conocer solo las caractersticas
de los hogares con ms de 8 miembros, se aplicar el siguiente filtro:
use sumaria_2008 if mieperho>8
29
Manejo de Datos
En muchas ocasiones, slo sern de nuestro inters alguno de las variables contenidas
en la base de datos. Para ello se emplear la siguiente sintaxis:
use conglome vivienda hogar ubigeo using sumaria_2008
Donde los comandos empleados son use y using, mientras que las variables de inters
son conglomerado, vivienda y hogar. Como en los casos anteriores, la base de datos se
denomina sumaria_2008. Cabe mencionar que no ha sido necesario incorporar el
nombre del directorio, debido a que eso fue establecido lneas arriba a travs del
comando cd.
g. Estructura de comandos
En funcin al anlisis de datos que se desee realizar, la estructura de la sintaxis
cambiar con la finalidad de elaborar reportes segn las necesidades del investigador.
Por ejemplo, el comando summarize brinda reportes de los principales estadsticos de la

base de datos. Dicho comando es empleado de las siguientes maneras:
summarize gashog2d if gashog2d>10000
30
bys mes: summarize price if gashog2d>1000
summarize gashog2d,detail
Subconjuntos de datos: comandos if y in
2.2.
Stata posee los siguientes conectores lgicos y relacionales, as como los operadores
aritmticos:
Conectores relacionales
<
menor que
<= menor o igual que

== igual a
> mayor que
>= mayor o igual que
!= diferente a , tambin puede usarse ~=
() parntesis para indicar el orden de evaluacin
31
Manejo de Datos
Conectores lgicos
&y
| o
Operadores aritmticos
+ Suma
- Resta
* Multiplicacin
/ Divisin
^ Potencia
+ Concatenacin de cadenas alfanumricas
Ejemplos
sysuse auto, clear
Stata posee un conjunto de bases de datos que se encuentran instaladas en la carpeta

de instalacin. La forma de llamar a dichas bases de datos es a travs del comando
syuse. En este caso se har uso de la base auto.dta, la cual recoge informacin sobre
el precio de automviles, dicha base est compuesta por 74 observaciones y 12
variables.
sum price if price>1000 & price<6000

32
Al ejecutar dicha orden en la ventana de comandos, se solicita al STATA el reporte de

los estadsticos de la variable Price, indicando las siguientes restricciones: siempre que
el precio sea mayor de 1000 y menor de 6000. A travs del smbolo & se ejecutarn
ambos filtros.
sum price if ~(price>1000&price<6000)

sum price if price<=1000|price>=6000
2.3.
Generando y reemplazando variables
A travs del comando generate se crean nuevas variable definida en base a una
expresin numrica la cual puede contener otras variables. Por su flexibilidad, este es
uno de los comandos ms importantes de Stata, ya que se pueden utilizar un gran
nmero de operaciones lgicas, aritmticas y matemticas.
Ejemplo Si queremos generar el logaritmo de la variable educ
generate logeduc =ln(educ)
Nota: Podemos usar el trmino abreviado gen en lugar de generate Podemos hacer el
mismo proceso pero ahora con la siguiente ruta en la barra de men
Data\Create or change variables\Create new variable

33
Manejo de Datos
Aparece el siguiente cuadro de dilogo se escribe logeduc
Luego pulsamos en Create el cual nos va a llevar al siguiente cuadro de dilogo

Ahora elegimos la opcin Mathematical y vamos a la opcin logaritmo natural ln() le
damos doble clic y en los parntesis escribimos educ luego pulsamos el botn OK en
ambos cuadros de dilogo y tenemos nuestra nueva variable creada.
Ahora generemos un ratio

ratio = educ\meduc
Repetimos el proceso con la diferencia que en Generate variable escribimos ratio.

Luego pulsamos Create y usando la calculadora del costado definimos nuestro ratio
doble clic y nuestra nueva variable esta creada:
34
Y finalmente creamos una nueva variable:
tt= ((educ+100)\ln(feduc-4))
Volvemos a repetir el proceso y tenemos nuestra nueva variable tt.
Nota : Observemos que por defecto las nuevas variables que hemos creado tienen
formato float.
En el cuadro de dilogo expression builder podemos insertar las variables a
transformar hacindoles click en la ventana de variables.
Estas nuevas variables aparecen al final de la Ventana Stata Editor
35
Manejo de Datos
Si la variable ya existe usaremos el comando replace.
2.4.
Uso de funciones
Otras funciones para usar con generate:
generate y=abs(x) valor absoluto|x|

gen y=exp(x) exponencial, ex
El comando egen
Es una extensin del comando generate. Este comando me va a permitir calcular
expresiones ms complejas, tales como: medias, desviaciones estndar, promedios
mviles, variables estandarizadas, etc.
Ejemplo
Generemos una serie que sea igual al valor mximo de la variable educ
egen max_X =max(educ)
36
Pasos
1.
En el men Data, se selecciona la opcin de Create or change data
2.
Se elige la opcin Create new variable (extended)
En Generate variable escribimos max_X en Egen function elegimos la opcin

Maximum ponemos el cursor en el casillero Expresin y le damos un clic en la ventana
de variables a educ luego pulsamos OK y tenemos nuestra serie creada con el valor
mximo de la variable educ
Generemos una serie que sea igual a la mediana de la variable educ
egen median_X =median(educ)
37
Manejo de Datos
Ahora para esta nueva serie repetimos el proceso anterior pero ahora elegimos la
opcin Median.
Generemos una serie de precios que sea estandarizada, de media cero y varianza 1
egen std_X =std(educ),mean(0) std(1)
Elegimos la opcin Standardized values en media digitamos 0 y en desviacin 1 OK
38
El comando replace
Nos da la posibilidad de modificar alguna de las variables disponibles
replace tt= tt\100
2.5.
De numrico a String y viceversa
a. Conversin de Variables string a Variables numricas

Existen varios mtodos para convertir variables string a variables numricas. Uno
de ellos es utilizando el comando destring
destring [varlist] , {generate(newvarlist) | replace}
Por ejemplo:
destring cumple , generate(cumplenum)
Otra forma de convertir variables string a variables numricas es realizando los

siguientes pasos:
39
Manejo de Datos
1. En el men Data , se debe elegir la opcin Create or Change data

2. Seleccionar la opcin Other Variable Transformation commands
3. Luego elegir la opcin Convert variables from string to numeric
4. Aparece el siguiente cuadro
Otra forma de convertir variables de cadena a variables numricas, siempre y

cuando la variable de cadena no contenga nmeros almacenados como string, se
puede utilizar el comando encode:
La sintaxis de encode es de la siguiente manera
encode [varname] [if] [in] , generate(newvar)

sysuse auto, clear
encode make, generate(num)
La primera lnea abre el dataset con extensin dta que para este caso es auto.
En la segunda lnea codifica la variable string make a variable numrica llamada
num
40
Otra forma de convertir una variable string a variable numrica es mediante el

comando real(s)
Por ejemplo
gen n2 = real (str2)
Si tenemos una variable Xstr su conversin a variable numrica Xnum puede ser
obtenida de la siguiente forma:
generate double Cumplenum = real(Cumple)
b. De una variable numrica a una variable string
Se utiliza los mismos procedimientos pero utilizando el comando tostring. La

sintaxis es la siguiente
tostring [varlist] , {generate(newvarlist) | replace}
Por ejemplo:
tostring num , generate(a2)
Otra forma de realizar la conversin de variables numricas a cadenas es

realizando los siguientes pasos:
1. En el men Data se selecciona la opcin Create or change data
2. Se elige la opcin Other variable-transformation commands
3. Se selecciona la opcin de Convert variables from numeric to string
41
Manejo de Datos
4. Se ingresa los valores que se van a configurar en la ventana
Otro mtodo para codificar una variable numrica a string se utiliza el comando
decode , el cual se basa en los principios de encode
decode varname [if] [in] , generate(newvar)

Por ejemplo
decode num , generate(a2)
Si quisiramos ver la lista y asignacin de los valores de las variables entonces

digitamos el siguiente comando:
label list num
Podemos generar una nueva variable que contenga algn subconjunto de los
nombres de las caractersticas generadas por alguna variable anterior.
Por ejemplo se desea generar una variable string de nombre a2 que contiene
como caractersticas los caracteres 2 a 4 de la variable make
generate str4 a2 = substr( make,2,4)
42
2.6.
Ejercicio: Mi primer Do File
sysuse auto,clear
generate jose = 0
generate precio2 = price2
list precio2 price
Dicotmica que identifique a los carros que cuestan ms de 6000
g dico=1 if price>6000
replace dico=0 if price<=6000
Una manera rpida de crear una dicotmica:
g dico2=price>6000
sum price if forei==0
sum price if forei==1 by foreign: sum Price
2.7.
Ejercicio: Mi primer Log File
/* Una forma de pone comentarios*/

clear
cd c:\clase1
set mem 100m
43
Manejo de Datos
use sumaria_2008
log using jose,text replace
des gashog2d /*abreviatura de describe*/
sum gashog2d
log close
44
3. Elaboracin de Grficos
A continuacin veremos cmo introducir algunos comandos bsicos en Stata 11,
incluyendo histogramas, grficos de caja, ploteos y matrices de ploteos. El propsito de
esta seccin es entender los fundamentos de los grficos y dar los elementos para
generar y modificar estos. Usaremos el mdulo de empleo e ingresos de la 2Nacional de
Hogares del ao 2007 (mdulo 500).
La base de datos se denomina enaho01a_2007_500.dta, la cual se encuentra

almacenada en la carpeta C:\Clases 2010 del directorio de trabajo. Como en la mayora
de aplicaciones frecuentes esto se puede hacer por dos medios:
1. Usando el men desplegable siguiendo los siguientes pasos:
a.
En el men Graphics, se selecciona la opcin twoway graph (scatter, line..)
b.
Se selecciona el botn de Create
Para mayor informacin de la base de datos, revisar la pgina web del Instituto Nacional de Estadstica e
Informtica - INEI: www.inei.gob.pe
45
Elaboracin de Grficos
c. Se selecciona las variables las cuales se desea graficar y el tipo de grfico que
se requiere
2. Trabajando con un *.do
A continuacin se iniciar la seccin de grficos mediante un ejemplo, en el cual se

indique las diversas opciones del editor de grficos del STATA 11
46
Es posible cambiar la apariencia de los grficos a travs del men del Stata Graph
realizando los siguientes pasos:
1. En el Menu Edit seleccionar la opcin Apply new scheme tal como lo indica la
figura
2. Se selecciona el nuevo esquema
Los grficos se pueden editar directamente
y las posibilidades de tipo y
presentacin de grficos slo est limitado por la imaginacin. Los usos

frecuentes de carcter exploratorio de los datos son a travs de las densidades y
los diagramas de cajas
47
3.1.
Caractersticas de la base de datos:
La base de datos es posible descargarla desde la seccin Microdatos de la

pgina web del INEI. Una vez dentro de la seccin, pulsar la tecla Enter para
acceder a las bases de datos que dispone el INEI
Una vez dentro del sistema, pulsar la opcin Encuesta: Condiciones de Vida y
Pobreza ENAHO, en la casilla ao sealar el 2007, y en
el periodo indicar el
periodo anual (enero diciembre), se desplegar un conjunto de bases de datos

tal como se detalla a continuacin.
Para seleccionar la base de datos se escoge la fila 5 correspondiente al modulo

de empleo e ingresos, y en la columna selecciona el botn de Descargar, se
cuentan con las opciones para obtener la base de datos en formato de SPSS o
DBF.
48
Posteriormente, se deber emplear un convertidor de bases de datos como el

Stat Transfer o el DBMS Copy con la finalidad de migrar el formato de bases dato
de SPPS o DBF hacia el STATA.
Un vez que la base de datos se encuentre en formato de STATA, se proceder a

la creacin del do file conteniendo las sintaxis que permitan ejecutar los diversos
tipos de grficos que permite el STATA. A continuacin se abrir una ventana
vaca de do- file la cual se grabar bajo el nombre de 0_anatomia_grafico.do, tal
como se muestra a continuacin.
En dicho do file se realizar la digitacin de las rdenes correspondientes.
3.2.
Ejercicios mediantes do files
Una vez que disponemos de la base de datos, enaho01a_2007_500.dta dentro

del directorio de trabajo se proceder a completar el do file respectivo.
En primer lugar se definen aspectos del entorno de trabajo. A travs del comando
Clear, se borrar de la memoria las bases de datos que estuvieran abiertas.
Clear
Asimismo, se procede a especificar el tamao de la memoria virtual de la PC que
se dispondr para el trabajo. Debido a que la base de datos contiene ms de 65
mil variables. Como regla, se le asignar un tamao de memoria similar al
tamao del archivo expresado en megabytes.
set mem 100m
Es importante especificar el directorio de trabajo a travs del comando cd:

cd "C:\Clases 2010"
49
A travs del comando use se abrir la base de datos, ntese que la inclusin de
comentarios en el do file se realiza incluyendo el smbolo (*) al inicio de la lnea.
use "enaho01a_2007_500.dta"
Dentro de las opciones para realizar grficos es posible indicar los estilos de
presentacin de los grficos predeterminados por el Programa.
A travs del comando 'Scheme' nos permite cambiar el formato del grfico. Para
ver todas las posibilidades que tiene Stata incorporados digitar en la ventana de
comandos:
help schemes
Los siguientes tipos de esquemas se encuentran predeterminados, en el presente

ejercicio se escoger la segunda opcin, la cual alude a los estilos de grficos del
STATA Journal:
set scheme s1color
set scheme sj
set scheme s1rcolor
set scheme economist
set scheme s2color
A continuacin se realizar el grafico del Ingreso Laboral segn sexo para ello se
emplear un grafico de dispersiones tipo scatter. Se ensayarn los diversos
esquemas de presentacin activando la casilla correspondiente. Las variables de
trabajo son las siguientes: i524a1 p208a p207, las cuales tendrn una inspeccin
a travs del comando codebook:
codebook i524a1 p208a p207
50
El resultado del codebook se indica a continuacin:
51
Los filtros sobre las variables de anlisis se realizaran a travs de las siguientes
sintaxis:
*Grfico 1: Ingreso en la ocupacin principal y edad de los hombres

scatter i524a1 p208a if p207==1
*Grfico 2: Ingreso en la ocupacin principal y edad de los mujeres

scatter i524a1 p208a if p207==2
Una vez realizados el scatter del ingreso laboral segn edad y sexo se proceder
a emplear el comando twoway para realizar el grfico del ingreso laboral para
ambos sexos:
*Grfico 3: Ingreso en la ocupacin principal y edad de las mujeres y los hombres

twoway
(scatter i524a1 p208a if p207==1) ///
(scatter i524a1 p208a if p207==2)
*Grfico 4: Lo mismo que 3

tw
(sc i524a1 p208a if p207==1)
///
(sc i524a1 p208a if p207==2)
*Grfico 5: Lo mismo que 4

tw
(sc i524a1 p208a if p207==1)
///
(sc i524a1 p208a if p207==2)
///
///
title("Ttulo: Ingreso de la ocup. princ. y edad segn sexo") ///

subtitle("Subttulo: Ingesos anualizados")
xtitle("Edad")
///
ytitle("Ingreso")
///
note("Nota: Elaboracin propia a partir de la ENAHO 2007") ///

legend(title(Leyenda) order(1 "Hombres" 2 "Mujeres"))
text(200000 80 "Comentario")
52
3.3.
Histogramas y Kernels
a. Histogramas hist Los Histogramas consisten en una herramienta grfica que permite ilustrar las
discontinuidades de la informacin que se solucionan agrupando los datos. Lo
anterior pasa por decidir cuantas barras o _CLASES_ emplear, o lo que es lo
mismo decidir cunto es el ancho de banda. Como regla prctica el nmero de
CLASES se aproxima por la raz cuadrada del nmero de datos empleados, en
nuestro caso es aprox. igual a 256:
display sqrt(65549)
53
Histograma
El nmero de CLASES puede modificarse con la opcin bin del comando -hist. Otra opcin interesante es acompaar el grfico con la curva normal que se
ajusta a los datos.
Histograma con ajuste normal
54
b. Kernel kdensity
En trminos sencillos los kernels permiten suavizar nuestros histogramas
tratando de conservar la forma de la distribucin de nuestros datos. Esto se
consigue fijando ventanas alrededor de un punto y al interior ponderando los
casos tal que el peso sea menor cuanto ms alejado se encuentre del punto
central de la ventana, el efecto del suavizamiento se consigue al desplazar la
ventana.
Al igual que los histogramas hay que elegir el nmero de barras o

equivalentemente cuanto es el ancho de banda 2 Esa no es la nica decisin,
tambin hay que decidir qu funcin de distribucin a usar.
Para el primer punto se suele usar la sugerencia de Silverman (1986) el cual

busca minimizar el valor esperado del error al cuadrado (opcin por defecto en
stata)
El kernel es la funcin de distribucin que se usa para suavizar el histograma.

Bajo ciertas circunstancias se puede probar que el Kernel conocido como
Epanechnikov tiene un criterio optimizador (opcin por defecto en stata)
55
3.4.
Do File para la elaboracin de Histogramas y Kernels
Clear
set mem 100m
use "enaho01a_2007_500"
*1 etapa: hist p208a,freq
*2 etapa: hist p208a,freq normal
*3 etapa: hist p208a,freq normal kden
*4 etapa: Distribucin de la edad en un slo grfico

tw (kdensity p208a if p207==1) (kdensity p208a if p207==2)
kdensity p208a if p207==1, name (jose1,replace)

kdensity p208a if p207==2, name (jose2,replace)
graph combine jose1 jose2,rows(1)

graph drop _all
56
*6 etapa:
kdensity p208a, name(jose1,replace) title(Epanechnikov)
kdensity p208a, name(jose2,replace) kernel(gauss) title(Gausiano)
kdensity p208a, name(jose3,replace) kernel(cosine) title(Coseno)
graph combine jose1 jose2 jose3,rows(1)
graph drop _all
*7 etapa:
57
kdensity p208a, name(jose4,replace) title("Ancho de banda ptimo",size(*.8))

kdensity p208a, name(jose5,replace) bwidth(3.558) title("Doble del Ancho de
banda ptimo",size(*.8))
kdensity p208a, name(jose6,replace) bwidth(0.8895) title ("Mitad de la banda
ptimo",size(*.8))
graph combine jose4 jose5 jose6,rows(1)
graph drop _all
3.5.
Box plots
Junto con el histograma o los kernels, los diagramas de cajas son probablemente
las herramientas grficas ms importantes para realizar un anlisis univariado
58
Algunas definiciones antes de empezar:

Mediana o percentil 50.- Valor que divide la muestra en partes iguales Percentil
25.- Debajo de este valor se encuentra el 25% de los datos
Percentil 75 .- Similar al anterior
Rango intercuartilico IQR = P75 - P25
Outlier.- En un sentido ms flexible es un dato con un valor muy alejado
formalmente.
A continuacin se trabajar con el do file: 2_graph box.do

clear
set mem 100m
use "enaho01a_2007_500"
*1 Etapa: distribucin del ingreso
graph box i524a1
*2 Etapa: identificando a los "outliers"
egen id=group(conglo vivienda hogar codperso)

graph box i524a1, marker(1,mlabel(id)) scheme(s1color)
graph drop _all
59
*3 Etapa:
graph hbox i524a1, scheme(s1color) over(p207)
graph drop _all
3.6.
Comando Graph: Scatter - Twoway
Comando Graph
Los comandos que generan grficos son:
60
Comando Graph Twoway

Los miembros de la familia de los grficos twoway son llamados plottypes
[graph] twoway plot [if exp] [in range] [, twoway_options]
Donde plot es definido de la siguiente forma:

[(] plottype varlist ..., options [)] [||]
61
Grfico Twoway Scatter

[twoway] scatter varlist [weight] [if exp] [in range] [,
marker_options
marker_placement_option
marker_label_options
connect_options
axis_selection_options
composite_style_option twoway_options ]
Grfico Twowat Line

[twoway] line varlist [if exp] [in range] [, line_options ]
Opcin Combine
En la misma rea de grficos, combina 2 o ms grficos (pueden ser de diferentes
tipos.
graph combine name [name ...] [, combine_options ]
Opciones de marcador
Modifica los marcadores y/o sus etiquetas para ajustarse a las preferencias del usuario.
marker label option
Grficos de pie
Se utilizan cuando nos interesa analizar proporciones.
graph pie yvars [weight] [if exp] [in range] [, options ]
Grficos de barras
Se pueden realizar grficos con barras verticales y horizontales.
graph bar yvars [weight] [if exp] [in range] [, options ]

graph hbar yvars [weight] [if exp] [in range] [, options ]
62
Grfico de puntos
graph dot yvars [weight] [if exp] [in range] [, options ]
Grfico Twoway HIstogram
twoway histogram varname [weight] [if exp] [in range]
[, [discrete_options|continuous_options] common_options ]
Grfico Twoway Kdensity
twoway kdensity varname [if exp] [in range] [, kdensity_options line_options]
Para mayores detalles, revisar el libro: Mitchel, M. (2004); A visual guide to Stata
graphics, University of California, Los Angeles. A Stata Press Publication Disponible en
el siguiente vnculo:
http://www.stata-press.com/books/vgsg.html
Ejemplos:
clear net from http://www.stata-press.com/data/vgsg
net install vgsg
help vguse
set scheme vg_s2c
vguse allstates.dta
twoway (scatter propval100 popden) (lfit propval100 popden)
63
twoway (scatter propval100 popden) (lfit propval100 popden)

(qfit propval100 popden)
twoway (scatter propval100 popden) (mspline propval100 popden)

(fpfit propval100 popden) (mband propval100 popden) (lowess propval100 popden)
64
twoway (lfitci propval100 popden) (scatter propval100 popden)
vguse spjanfeb2001.dta
twoway dropline close tradeday
65
vguse sp2001ts.dta
twoway tsrline high low, sort
vguse spjanfeb2001.dta
twoway bar close tradeday
66
vguse allstates.dta
graph matrix propval100 rent700 popden
graph hbar popk, over (division)
67
graph pie popk, over (region)
vguse allstatesdc.dta
twoway (lfitci ownhome pcturban80, stdf) (scatter ownhome pcturban80)
68
4. Modelos lineales
Probablemente en econometra el uso de modelos de regresin lineal y sus extensiones
sea la metodologa ms empleada en la investigacin emprica. El conocimiento de
estos y su estimacin es el objetivo de esta seccin.
Mnimos cuadrados ordinarios (MCO) es el mtodo ms popular, mientras que una

variante que contempla la presencia de heterocedasticidad y corrige su presencia son
los mnimos cuadrados ponderados (MCP). Mientras que los estimadores bajo MCO
tienen como objetivo minimizar la suma de los errores al cuadrado, minimizar la suma de
los valores absolutos de los errores nos conduce al modelo de mnima desviacin
absoluta (MDA) la generalizacin de este procedimiento se conoce como regresin
cuantlica.
De otro lado, la mala especificacin de un modelo, en particular la omisin de una

variable relevante, podra provocar en los parmetros una situacin indeseada por los
econometristas: parmetros insesgados y peor an, parmetros inconsistentes. Un
procedimiento comnmente para lidiar con este problema es una regresin con variables
instrumentales (VI). En lo que sigue se aborda cada uno de los temas mencionados.
4.1.
Mnimos cuadrados ordinarios
regress
Otra vez recurrimos a la ENAHO 2008 para presentar una regresin lineal simple con
r6 como variable dependiente:
reg r6 edad r11h
69
Modelos Lineales
Tarea 1: Interprete todos los estadsticos reportados en el output anterior teniendo

en cuenta que r6 es el ingreso laboral mensual, edad son los aos cumplidos y
r11h son las horas mensuales laboradas.
xi:
El prefijo xi: permite agregar fcilmente variables categricas en un modelo de
regresin. Imagine que se plantea la hiptesis que las lneas de regresin para cada
dominio geogrfico tienen distinto intercepto:
xi: reg r6 edad r11h i.dominio
70
Distinto intercepto y distinta pendiente

xi: reg r6 i.dominio*r11h
71
Modelos Lineales
Trminos de interaccin:
xi: reg r6 i.dominio*i.sexo
72
Tarea 2: Cree las dicotmicas que sean necesario, compruebe e interprete todos
los resultados anteriores.
predict
Debe tener en cuenta que cuando existe un missing en una de las variables que
intervienen en la regresin, todo ese registro se pierde al realizar la estimacin as
existan observaciones en el resto de variables. Si por alguna razn el objetivo es
quedarse con el conjunto de variables en los cules no exista ningn missing en el
conjunto de datos se puede ejecutar lo siguiente:
reg r6 edad r11h
keep if e(sample)
regress postestimation
reg r6 edad r11h estat ovtest /*Test RESET de Ramsey (variables omitidas)*/
estat ic /*Criterios de informacin*/
estat vif /*Factor de inflacin de varianza*/
Almacenamiento de informacin
Luego de estimar una regresin el software almacena las estimaciones en objetos que
luego pueden ser fcilmente empleados.
. ereturn list
scalars:
73
Modelos Lineales
e(N) = 45232
e(df_m) = 2
e(df_r) = 45229
e(F) = 1265.502981280802
e(r2) = .0529942555816602
e(rmse) = 370.1935843435196
e(mss) = 346857383.838377
e(rss) = 6198330958.394218
e(r2_a) = .0529523795399869
e(ll) = -331683.1548708656
e(ll_0) = -332914.5987825873
e(rank) = 3
macros:
e(cmdline) : "regress r6 edad r11h"
e(title) : "Linear regression"
e(marginsok) : "XB default"
e(vce) : "ols"
e(depvar) : "r6"
e(cmd) : "regress"
e(properties) : "b V"
e(predict) : "regres_p"
e(model) : "ols"
e(estat_cmd) : "regress_estat"
matrices:
e(b) : 1 x 3
e(V) : 3 x 3
functions:
e(sample)
74
Por ejemplo, usando la calculadora de Stata se puede digitar en la lnea de comandos

display e(r2)- para reportar el R cuadrado de la regresin.
Tambin pueden invocarse los parmetros estimados de otra manera: Por ejemplo, en
promedio el ingreso mensual para una persona que tiene 30 aos y trabaja 48 horas a la
semana, asumiendo que existe causalidad en el modelo y este se encuentra
correctamente especificado es:
Correlacin Serial
Slo aplica cuando la fuente de datos es temporal, si ese es el caso STATA exige que
los datos sean declarados como temporales con el comando -tsset-.
- Durbin-Watson. Test de autocorrelacin de primer orden
. tsset qtrs
. regress Y X1 X2 X3
. estat dwatson
. estat
dwatson
75
Modelos Lineales
- Correccin de Autocorrelacin
MCP Usando el mtodo de Cochrane
. prais Y X1 X2 X3, corc
Errores estndar sugeridos por Newey-West
. newey Y X1 X2 X3, lag(#)
Donde lag(#) especifica el orden de la autocorrelacin

Heterocedasticidad
Test de White
. regress Y X1 X2 X3
. estat imtest, preserve white
Mnimos cuadrados ponderados
Comando wls0
(http://www.ats.ucla.edu/stat/stata/ado/analysis/wls0.htm para mas detalles y un
ejemplo)
Errores estndar corregidos por heterocedasticidad
. regress Y X1 X2 X3, robust
76
4.2.
Regresiones robustas
Una vez que se ha establecido que existe una relacin lineal entre dos
variables Y y X, todava queda la tarea de determinar cul es la mejor recta
que refleja esta relacin? O lo que es lo mismo Cul es la ecuacin que
describe estos datos? Ya que se observa y se asume una relacin lineal los
datos deben seguir una ecuacin de la forma: Y = mX +b
El problema requiere la determinacin de los coeficientes m y b. Se podran

hacer conjeturas sobre que nmeros deberan ser, pero estas deben ser "lo
mejor posible. Pero, Qu se entiende por "mejor posible"?3. Lo anterior
implica la descripcin de un criterio para medir el error entre "la mejor" lnea y
los datos. Una vez que el criterio ha sido especificado, entonces el objetivo es
reducir al mnimo este error. La lnea con el mnimo error de los datos es la
"mejor" lnea.
La regresin por mnimos cuadrados ordinarios es el procedimiento ms

utilizado debido a su simplicidad y facilidad de clculo. Como se sabe la
medida de error de este mtodo es el cuadrado de la desviacin de los datos
de la lnea de regresin respecto a los Y observados (e2). El objetivo es
minimizar la sumatoria de los errores al cuadrado obtenindose "la mejor"
lnea. La desventaja del mtodo es que es muy sensible a valores atpicos.
Se debe notar que a no ser que su sea una relacin lineal exacta entre X e Y, entonces ms de una
lnea podra describir estos datos.
77
Modelos Lineales
Por ejemplo utilizando la base auto (que se encuentra por defecto en la

carpeta Stata) en el modelo hipottico: mpg=a+m*weight se tendra:
sysuse auto
twoway (lfit mpg weight) (scatter mpg weight)
Tarea 3: Cree el mismo grfico utilizando la opcin predict y tambin generando la

variable predicha con la forma de recuperar coeficientes visto lneas arriba
(_b[variable]).
El problema que presenta este mtodo es que las observaciones que se encuentren
ms alejadas de la recta de ajuste reciben una mayor ponderacin.
Si se decide
excluirlas, van a afectar fuertemente a los estimadores. Existen por lo menos dos formas
de estimar una lnea que no est altamente influenciada por valores atpicos, estas
metodologas descansan en lo que literatura se conoce como regresiones robustas.
78
4.2.1. Regresin por mnima desviacin absoluta

Este mtodo es muy similar al mtodo de mnimos cuadrados. La diferencia
es que la medida de error de este mtodo es el valor absoluto de la
desviacin de los datos de la lnea de regresin respecto a los Y observados
(|e|). Aunque parece un mtodo ms simple de describir al error, su proceso
de minimizacin es complicado. Los algoritmos iterativos que reducen al
mnimo el error se basan en la programacin lineal. Este mtodo es menos
sensible a outliers si se compara con el mtodo de la regresin mnimo
cuadrtica. Cuando el criterio de minimizacin es alcanzado el 50% de los
residuos son negativos. En forma anloga al modelo de regresin simple, en
la que la esperanza de Y dado X viene a ser la recta de mejor ajuste
(E(Y/X)=XB), en este tipo de modelos la recta estimada es la mediana de Y
condicionada a X (Q(Y/X)0.50= XB).
En Stata el comando qreg, cuando no se especifica el cuantil con el que
debe trabajar, estima por defecto al modelo, que en el caso general es
conocido como regresin cuantlica.
qreg
79
Modelos Lineales
. qreg mpg weight

. g mediana=_b[_cons]+_b[weight]*weight
. tw (scatter mpg weight) (line mediana weight)
4.2.2.
Regresin robusta
La idea bsica de este tipo de estimacin es calcular los estimadores que
minimicen la siguiente funcin:
w(e)e2
Donde w(.) es una funcin de ponderacin que se introduce para reducir
(e incluso eliminar) el efecto de residuos elevados. Por tanto se definen los
pesos w(.) de tal forma que tomen valores pequeos para residuos
grandes. El proceso de estimacin es iterativo comenzando por una
regresin simple de la cual se derivan los primeros errores y tambin los
primeros ponderadores que son reestimados las veces que sean
necesarios para que la mxima diferencia entre el ltimo y el penltimo
ponderador sea mnima.
80
En Stata el comando rreg permite obtener estimaciones robustas de

acuerdo al siguiente procedimiento: Excluye a las observaciones que
tengan una distancia de Cook mayor a uno (esto lo realiza asignando un
peso de 0 a dichos registros). Utiliza dos funciones de ponderacin:
Huber y Biweights, ambas funciones de ponderacin son usadas porque
los ponderadores de Huber tiene problemas cuando se encuentra con
outliers muy elevados mientras que Biweights algunas veces falla al
converger o tiene mltiples soluciones. Los ponderadores iniciales de
Huber mejoran el comportamiento del estimador Biweight.
La caracterstica del ponderador a lo Huber es que los casos con errores

pequeos reciben un peso de 1, los dems casos tienen ponderadores
inversamente proporcional al tamao de los residuos. De otro lado, los
pesos Biweight, para errores pequeos, asignan una ponderacin que
decrece exponencialmente con el tamao del error, a los dems casos se
le asigna un peso de 0.
Donde:
ei = yi - XiB; ui = ei/s;
s = M/0.6745;
M = mediana (|ei mediana(ei)|);
ch y cb son constantes predeterminadas
81
Modelos Lineales
. rreg mpg weight, genwt(w)

Huber iteration 1: maximum difference in weights = .79065466
Biweight iteration 5: maximum difference in weights = .2751323
82
En el grfico anterior se muestra la recta de ajuste robusta acompaada

de los ponderadores estimados, como se puede observar, mientras ms
alejado de la recta de ajuste se encuentren los datos menor ponderacin
le es asignado, llegando inclusive a ser cero.
La comparacin de las tres rectas de ajuste nos permite comprobar la

menor sensibilidad de los mtodos alternativos a la regresin simple.
reg mpg weight

g mco=_b[_cons]+_b[weight]*weight
tw (line mco weight, clcolor(pink) clpat(dash)) ///
(line mediana weight, clcolor(green) clpat(dot)) ///
(line robusta weight, clcolor(blue)) (scatter mpg weight)
83
Modelos Lineales
84
5.
Variable dependiente limitada

5.1.
Dependiente binaria
Cuando la variable dependiente toma dos valores, tpicamente 1 y 0. La
estimacin de un modelo con esta caracterstica empleando la metodologa
MCO convencional se conoce como el modelo de probabilidad lineal, sin
embargo su estimacin presenta los siguientes problemas:
Predicciones fuera de muestra (nada garantiza que las predicciones del
modelo se encuentren en el intervalo de 0 a 1)
La perturbacin aleatoria no sigue una distribucin normal
Presencia de problema de heterocedasticidad
Caminos alternativos que superan los problemas anteriores se basan en

estimaciones no lineales bajo la metodologa de mxima verosimilitud. Los
modelos tipo probit y logit asumen que el trmino de error aleatorio siguen
una distribucin normal y logstica respectivamente, su estimacin es
precisamente empleando los comandos -probit- y -logit-, y como se sabe los
efectos marginales, al no ser un modelo lineal, se estiman evaluando la
expresin correspondiente en las medias de las variables explicativas.
dprobit, estima un modelo probit por mxima verosimilitud, pero no reporta

los coeficientes como este ltimo sino que reporta el cambio en la
probabilidad ante un cambio infinitesimal en las variables continuas
independientes y, por defecto, reporta el cambio discreto en la probabilidad
para variables dummy.
85
Si se estima con datos agrupados, vea el comando bprobit descrito en [R]

glogit
Los comandos auxiliares pueden ser corridos despus de probit, logit o

logistic; vea [R] logistic para una descripcin de esos comandos.
Nota Tcnica
Stata interpreta el valor 0 como resultado negativo (falla), y trata todos los
otros valores (excepto missing) como resultados positivos (xito). Entonces,
si su variable dependiente toma el valor de 0 y 1, 0 es interpretado como falla
y 1 como xito. Si su variable dependiente toma el valor de 0,1 y 2; 0 es
interpretado an como falla, pero 1 y 2 son tratados como xitos.
Identificacin del modelo

El comando probit tiene una caracterstica adicional y es probablemente la
ms importante. Este revisa el modelo para la identificacin y si est
subidentificado elimina las variables y observaciones necesarias para que
proceda la estimacin.
Ejemplo
. describe
86
. sum
87
. regress grade gpa tuce psi
. probit grade gpa tuce psi

Iteration 0: log likelihood = -20.59173
88
Podemos observar que todas las variables son significativas. El modelo es

globalmente significativo pues es el (Prob > chi2 = 0.0014) y el ajuste del
Pseudo R2 es 0.3775, lo cual para cortes transversales es aceptable.
matrix coeficientes=e(b)
matrix list coeficientes
Con el comando predict generamos una variable donde almacenamos la

probabilidad predicha de que el alumno aumente su nota:
predict probprobit, p
Graficando la probabilidad predicha contra tuce (el resultado previo

obtenido en un examen de economa)
89
Graficando la probabilidad predicha contra gpa (la nota global del alumno)
Para obtener los efectos marginales empleamos el comando dprobit:
. dprobit grade gpa tuce psi

90
En este caso dF/dx se refiere al efecto marginal (en cuanto aumenta la

probabilidad de que suba la nota del alumno promedio cuando las variables
continuas aumentan en una unidad. Para las variables no continuas como psi,
STATA calcula el cambio en la probabilidad ante un cambio discreto de una
unidad (en el caso de psi, de pasar de no participar a participar en la nueva
metodologa) Tambin muestra las medias y un intervalo de confianza para la
prediccin.
La interpretacin es como sigue: 0.5333471 es el aumento de la probabilidad

(de que aumente la nota) para un alumno medio (gpa=3.117, tuce=21.938 y
psi=0.438). Del mismo modo 0.4644 es el aumento en la probabilidad (de que
aumente la nota) para un alumno medio (gpa=3.117, tuce=21.938) cuando
recibe el nuevo mtodo de enseanza (pasa de tuce=0 a tuce =1). No olvidar
que en todos los casos se debe incorporar la constante al calculo de
Para tratar las variables discretas del mismo modo que las continuas se
emplea la opcin classic.
. dprobit grade gpa tuce psi, classic

91
Para calcular la probabilidad de un aumento de la nota para un individuo de

determinadas caractersticas deben definirse estas mediante una matriz. Por
ejemplo, cul es la probabilidad de que un individuo con gpa=3, que obtuvo 20
en su nota previa de economa (tuce=20) y que ha estado expuesto al nuevo
mtodo de enseanza (psi=1) debemos emplear la opcin at
Observe que el cuarto componente es la de la constante:
matrix carac=[3, 20, 1, 1]

dprobit grade gpa tuce psi, at(carac)
. dprobit grade gpa tuce psi, at(carac)

92
Comando mfx
Es la manera genrica de calcular efectos marginales, y no es de uso exclusivo a

este tipo de estimaciones. La ventaja es ser flexible a la hora de calcular diversos
variantes de los efectos de las explicativas sobre la variable dependiente
. mfx compute
93
Calculando las elasticidades:
. mfx compute,eyex
Elasticities after dprobit
Calculando semielasticidades:
. mfx compute,dyex
. mfx compute,eydx
94
Tabla de bondad de ajuste
Comparando la capacidad del modelo lineal y el probit, se observa que ste

ltimo slo es ligeramente superior al primero.
. tab grade aciertoprobit
. tab grade aciertolin
Para contrastar la bondad de ajuste es preciso tabular que tan bien predice el
modelo.
Graficando el efecto marginal de psi
Si se grafica (por ejemplo para cien puntos) el efecto de psi sobre la probabilidad
de aumentar la nota, se puede graficar el efecto puro de psi sobre las medias
(trazo continuo) mientras que los puntos son el efecto de psi para cada individuo
en particular.
95
Por el contrario este grfico permite comparar el efecto predictivo del modelo
para la variable psi.
96
Identificacin del modelo
La variable potexp fue eliminada por ser colineal a las otras.
. probit union age exp2 grade married lnwage potexp high
note: potexp dropped due to collinearity

97
5.2.
Variable dependiente politmica
5.2.1.
Logit multinomial
Una variable es nominal es aquella donde sus categoras no se pueden
ordenar. Ejemplos, de lo anterior son estado civil y condicin de actividad
laboral. En el modelo logit multinomial, nosotros
de coeficientes
(1),
(2) y
estimamos el conjunto
(3) correspondiente a cada categora del
resultado.
El modelo, sin embargo, no es identificado en el sentido de que hay ms

de una solucin para
(1),
(2) y
(3) que conduce a las mismas
probabilidades para y=1, y=2 y y=3. Para identificar el modelo, uno de los
(1),
fija
(2) y
(3) es arbitrariamente fijada a 0. Si arbitrariamente se
(1)=0, los coeficientes restantes
(2) y
(3) medirn el cambio
relativo al grupo y=1.
Si en lugar de fijar
(1) y
(1)=0, fijamos
(2) =0, los coeficientes restantes
(3) mediran el cambio relativo al grupo y=2. Los coeficientes
diferiran porque tienen diferentes interpretaciones, pero las probabilidades

predichas para y=1, 2 y 3 seran las mismas. Por lo tanto, cualquier
parametrizacin sera una solucin.
98
Dado
(1)=0, las ecuaciones se convierten en
La probabilidad relativa de y=2 es
Llamaremos este ratio como el riesgo relativo, y asumiremos despus que

X y
son vectores iguales a (x1,x2,x3 .. xk) y (
),
respectivamente. El ratio de riesgo relativo para un cambio unitario en Xi

es entonces:
As, el valor exponenciado de un coeficiente es un ratio de riesgo relativo

para un cambio unitario en la variable correspondiente.
Ejemplo
Se tienen datos acerca del tipo de seguro de salud disponible para 616
personas que sufren de depresin en Estados Unidos. El seguro es
categorizado en dos planes: plan de indemnizacin y de prepago.
99
La tercera posibilidad es que no se tenga seguro alguno. Usted desea

estudiar los factores demogrficos asociados a cada categora de seguro.
Como introduccin a la muestra, uno de los factores demogrficos es la
raza de los individuos, codificado como blanco o no blanco:
use http://www.stata-press.com/data/r8/sysdsn3
Se rechaza la hiptesis nula de que las columnas y las filas son

independientes (prueba Chi cuadrado). Aunque en el cuadro el seguro
aparece como Indemnity, prepaid y Uninsure, el seguro en realidad toma
los valores de 1, 2 y 3. Los nombres aparecen porque las variables
numricas del seguro han sido asociadas con ellos.
Cuando se estima un modelo logit multinomial, usted puede sealar a

mlogit la categora base que desea utilizar o puede permitir que mlogit
escoja. Para ajustar un modelo de seguro sobre nonwhite, dejando que
mlogit escoja la categora base, digitamos:
.tabulate insure nonwhite, chi2 col
100
mlogit insure nonwhite
101
El ratio de riesgo relativo de prepaid sobre la categora base (indemnity)

es:
Si se cambia el grupo base:
. mlogit insure nonwhite, base(2)
Multinomial logistic regression
102
Number of obs =
616
LR chi2(2) =
9.62
Prob > chi2 =
0.0081
5.2.2.
Probit o Logit ordenado

Una variable es ordinal cuando sus categoras pueden ser ordenadas:
encuestas de opinin (de acuerdo o descuerdo), niveles de pobreza, entre
otros. El modelo probit o logit ordenado se estima con el objetivo de
determinar de forma paramtrica la probabilidad de pertenencia en cada
una de las categoras contempladas. El modelo tiene la siguiente forma:
Con Z como el conjunto de variables independientes y un residuo que se

asume normalmente distribuido entre las observaciones en el caso se
asuma normalidad o logstica en el otro caso. Con el fin de no obtener
probabilidades negativas se normaliza tanto la media como la varianza de
dentro del rango [0, 1]. De esta manera, si p1, p2 y p3 son los grupos
determinados endgenamente determinados por el algoritmo propuesto
por Esteban y otros (1999) se tiene
donde los s son parmetros desconocidos a estimarse en el modelo.
use http://www.ats.ucla.edu/stat/stata/examples/long/ordwarm2, clear
describe
103
sum warm yr89 male white age ed prst
Logit ordenado
. ologit warm yr89 male white age ed prst

104
Del mismo modo el comando para el modelo probit ordenado es -oprobit-.

Las siguientes lneas permiten estimar ambos modelos y compararlos:
ologit warm yr89 male white age ed prst
est store modelo1
oprobit warm yr89 male white age ed prst
est store modelo2
est table modelo1 modelo2
105
106
6.
Datos de panel
En esta seccin se emplear la base nlswork.dta la misma que contiene una
muestra de 4711 mujeres con trabajo remunerado de 14 a 26 aos cumplidos al
ao 1968 y que fueron encuestadas a lo largo de 21 aos (1968-1988) excepto
los aos 1974, 1976, 1979, 1981, 1984, y 1986. La variable dependiente en todas
las estimaciones es el logaritmo del ingreso. Se recurrirn a algunos comandos
que no estn cargados en Stata. Es importante entonces que antes de iniciar
escribas en la lnea de comando (mientras ests conectado a Internet) las
siguientes indicaciones:
ssc install xtserial
//Si este comando no funciona, intente: -findit xtserial-
ssc install xttest2

ssc install xttest3
Los datos se encuentran alojados en la siguiente ruta:
use http://www.stata-press.com/data/r10/nlswork.dta
des
sum
generate age2 = age*age generate black = (race==2)
6.1.
Controlando la heterogeneidad dentro de un panel

Regresin agrupada (pooled ols)
El enfoque ms simple de analizar datos tipo panel es omitir las

dimensiones del espacio y el tiempo de los datos agrupados y slo
calcular la regresin MCO usual. Este modelo se expresa como:
107
Datos de Panel
Donde i significa la i-sima unidad transversal (estado) y t el tiempo t

(ao). Si tratamos de explicar la variable spend con las variables
independientes de la clase pasada, basta con que indiquemos en la
ventana de comandos de Stata:
reg ln_wage age age2

Efectos aleatorios
La ecuacin (1) supone que el intercepto de la regresin es la
misma para todas las unidades transversales. Sin embargo, es muy
probable que necesitemos controlar el carcter individual de cada
estado. El modelo de efectos aleatorios permite suponer que cada
unidad transversal tiene un intercepto diferente. Este modelo se
expresa como:
Donde
+ ui
Es decir, en vez de considerar a como fija, suponemos que es una

variable aleatoria con un valor medio y una desviacin aleatoria de
este valor medio. Sustituyendo en
+ ui (2) obtenemos:
Stata estima el modelo de efectos aleatorios con el comando xtreg, re. En

nuestro ejemplo, indicamos en la ventana de comandos:
xtreg ln_wage age age2, re
108
Si analizamos la ecuacin (3), observamos que si la varianza de u es

igual a cero, es decir
2
u
= 0, entonces no existe ninguna diferencia
relevante entre (1) y (3). Cmo podemos saber si es necesario usar el

modelo de efectos aleatorios o el de datos agrupados? Breusch y Pagan
formularon la prueba conocida como Prueba del Multiplicador de Lagrange
para Efectos Aleatorios. La hiptesis nula de esta prueba es que
Si
la prueba se rechaza, s existe diferencia entre (1) y (3), y es preferible

usar el mtodo de efectos aleatorios4. La prueba de Breusch y Pagan se
implementa en Stata con el comando xttest0 despus de la estimacin de
efectos aleatorios.
. xtreg ln_wage age age2, re

. xttest0
Breusch and Pagan Lagrangian multiplier test for random effects
ln_wage[idcode,t] = Xb + u[idcode] + e[idcode,t]
Recuerde que referencialmente una Hiptesis nula se rechaza si el p-value es pequeo, menor a 0.10, por
ejemplo.
109
Datos de Panel
El p-value nos indica que podemos rechazar la Ho; por lo tanto, los
efectos aleatorios i u son relevantes y es preferible usar la estimacin
de efectos aleatorios en vez de la agrupada.
- Efectos fijos
Otra manera de modelar el carcter individual de cada estado es a
travs del modelo de efectos fijos. Este modelo no supone que las
diferencias entre personas sean aleatorias, sino constantes o fijasy
por ello debemos estimar cada intercepto ui . Cmo podemos permitir
que el intercepto vare con respecto a cada estado? Una manera es la
tcnica de las variables dicotmicas de interseccin diferencial, que
se expresa de la siguiente manera5
Donde es un vector de variables dicotmicas para cada estado. El modelo

de efectos fijos puede ejecutarse en Stata con el comando:
. xi: reg ln_wage age age2 i.idcode
. areg ln_wage age age2,a(idcode)
El cual estima una dummy para cada estado.
Una opcin ms sencilla es el comando

xtreg: . xtreg ln_wage age age2, fe
Como repasamos en clase, utilizar variables dicotmicas conduce al mismo resultado que si
restamos a cada observacin la media de cada estado (demeaning the data).
110
Qu modelo es mejor (1) (4)?
En relacin con el modelo (4), el (1) es un modelo restringido, pues asume

un intercepto comn para todos las personas (es decir, no incluye
variables dicotmicas de cada persona). Por lo tanto, podemos utilizar una
prueba F restrictiva para contestar la interrogante. La hiptesis nula es que
v1= v2= vi =0 (o sea, que todas las variables dicotmicas estatales son
iguales cero). Si la prueba se rechaza, significa que al menos algunas
variables dicotmicas s pertenecen al modelo, y por lo tanto es necesario
utilizar el mtodo de efectos fijos. La prueba F de significancia de los
efectos fijos se reporta automticamente con el comando xtreg, fe.
Al final del output de la estimacin de efectos fijos aparece:
El p-value nos indica que podemos rechazar la Ho, por lo que es

preferible usar el mtodo de efectos fijos al modelo agrupado.
- Efectos fijos vs. aleatorios
Las pruebas de Breusch y Pagan para efectos aleatorios, y la prueba F

de significancia de los efectos fijos nos indican que tanto el modelo de
efectos aleatorios como el de efectos fijos son mejores que el modelo
agrupado. Pero cmo decidir cul de los dos usar? La respuesta
depende de la posible correlacin entre el componente de error
individual ui y las variables X. El modelo de efectos aleatorios supone
que esta correlacin es igual a cero. Si las ui y las variables X estn
correlacionadas, entonces no incluir ui en el modelo producir un sesgo
de variable omitida en los coeficientes de X.
111
Datos de Panel
Hausman demostr que la diferencia entre los coeficientes de efectos

fijos y aleatorios
ef
ea
puede ser usada para probar la hiptesis
nula de que ui y las variables X no estn correlacionadas. As pues, la

Ho de la prueba de Hausman es que los estimadores de efectos
aleatorios y de efectos fijos no difieren sustancialmente. Si se rechaza
la Ho, los estimadores s difieren, y la conclusin es efectos fijos es ms
conveniente que efectos aleatorios. Si no podemos rechazar Ho, no hay
sesgo de qu preocuparnos y preferimos efectos aleatorios que, al no
estimar suficientes dummies, es un modelo ms eficiente. La prueba de
Hausman se implementa en Stata despus de la regresin con efectos
aleatorios con el comando Hausman de la siguiente manera:
. xtreg ln_wage age age2, fe

. est store fijos
. xtreg ln_wage age msp ttl_exp, re
. hausman fijos ., sigmamore
b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic

chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 61.89 Prob>chi2 = 0.0000
112
. hausman fijos .
b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic

chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 60.05 Prob>chi2 = 0.0000
En nuestro ejemplo, la Ho se rechaza; es decir, la diferencia entre los

coeficientes de efectos aleatorios y fijos s es sistemtica. Por lo tanto,
conviene usar el mtodo de efectos fijos.
- Efectos Temporales
La incorporacin de variables dicotmicas de las personas permite

modelar caractersticas de las unidades transversales (mujeres) que no
cambian en el tiempo pero que s afectan el resultado de inters. Ahora
bien, tambin es posible agregar variables dicotmicas temporales a
nuestro modelo, es decir, una para cada ao en la muestra, que capturen
eventos comunes a todos las personas durante un perodo u otrocomo
una gran depresin o guerra mundial6. Agregando efectos temporales, la
ecuacin anterior se transforma en:
Para hacer la distincin algunos autores suelen hablar de efectos idiosincrticos y efectos covariados.
113
Datos de Panel
Donde
representa un vector de variables dicotmicas para cada ao.
Estas variables dicotmicas permitirn controlar por aquellos eventos a los

que fueron sujetos todas las personas en un ao dado y, al igual que los
efectos fijos, pueden reducir sesgos importantes. En Stata podemos
incorporar efectos temporales a nuestro modelo de efectos fijos con el
comando xi.
. xi: xtreg ln_wage age age2 i.year, fe
O bien, generando tanto las dummies de personas como de ao

(computacionalmente ms costoso),
. xi: xtreg ln_wage age age2 i.year i.idcode, fe
Al igual que con los efectos individuales, podemos realizar una prueba F
para conocer la significancia conjunta de las variables dicotmicas
temporales en nuestro modelo. La hiptesis nula es que
1
= 0.
. En nuestro ejemplo, luego de estimar un modelo
con efectos fijos individuales y temporales, indicamos en la ventana de

comando:
. testparm _Iyear_69 - _Iyear_88 // -testparm- es similar a test( 1) _Iyear_69 = 0
( 2) _Iyear_70 = 0
( 3) _Iyear_71 = 0
( 4) _Iyear_72 = 0
( 5) _Iyear_73 = 0
( 6) _Iyear_75 = 0
( 7) _Iyear_77 = 0
( 8) _Iyear_78 = 0
( 9) _Iyear_80 = 0
(10) _Iyear_82 = 0
(11) _Iyear_83 = 0
114
(12) _Iyear_85 = 0
(13) _Iyear_87 = 0
(14) _Iyear_88 = 0
F( 14, 23785) = 6.50

Prob > F = 0.0000 0
El p-value de la prueba F nos indica que rechazamos la Ho, por lo que es

posible
afirmar
que
las
variables
dicotmicas
temporales
son
conjuntamente significativas y pertenecen al modelo.
- Autocorrelacin
Es
importante
sealar
que
an
cuando
hemos
modelado
la
heterogeneidad temporal y espacial en nuestro modelo, la ecuacin (5)

puede estar mal especificada en otros aspectos. Recordemos que de
acuerdo con los supuestos de Gauss-Markov, los estimadores MCO son
los Mejores Estimadores Lineales Insesgados (MELI) siempre y cuando
los errores
eit
sean independientes entre s y se distribuyan
idnticamente con varianza constante
Desafortunadamente, con
frecuencia estas condiciones son violadas en datos panel: con respecto a

la independencia cuando los errores de diferentes unidades estn
correlacionados (correlacin contempornea), o cuando los errores dentro
de cada unidad se correlacionan temporalmente (correlacin serial), o
ambos. Tambin con respecto a la distribucin idntica de los errores
cuando la varianza no es constante (heteroscedasticidad).
En esta seccin abordaremos al problema de la correlacin serial o

autocorrelacin; es decir, cuando los errores eit no son independientes
con respecto al tiempo. En nuestro ejemplo, es muy probable que el nivel
de ingresos en t est asociado con el nivel de ingresos en t-1.
115
Datos de Panel
Existen muchas maneras de diagnosticar problemas de autocorrelacin7.

Sin embargo, cada una de estas pruebas funciona bajos ciertos supuestos
sobre la naturaleza de los efectos individuales. Wooldridge desarroll una
prueba muy flexible basada en supuestos mnimos que puede ejecutarse
con el comando xtserial. La hiptesis nula de esta prueba es que no
existe autocorrelacin; naturalmente, si se rechaza, podemos concluir que
sta s existe.8 El comando xtserial requiere que se especifiquen la
variable dependiente e independientes de nuestro modelo. En nuestro
ejemplo, indicamos:
. xtserial ln_wage age age2, output
Muchas de las pruebas que se utilizan para diagnosticar problemas de correlacin serial en series de tiempo
han sido ajustadas para aplicarse a datos tipo panel en Stata. Estas pruebas puedes bajarlas por internet del
modulo PANELAUTO y PANTEST2 tecleando en la lnea de comando:
ssc install panelauto y ssc install pantest2.
8
El mtodo de Wooldridge utiliza los residuales de una regresin de primeras diferencias, observando que si
uit no est serialmente correlacionado, entonces la correlacin entre los errores uit diferenciados para el
periodo t y t-1 es igual a -0.5. En realidad, la prueba de Wooldridge consiste en probar esta igualdad. Para una
discusin ms amplia de esta prueba, consulta Wooldridge, J. M. 2002. Econometric Analysis of Cross Section
and Panel Data. Cambridge, MA: MIT Press.
116
La prueba nos indica que tenemos un problema de autocorrelacin que es

necesario corregir. Una manera de hacerlo es a travs de un modelo de
efectos fijos con trmino (
) autorregresivo de grado 1 (AR1) que controla
por la dependencia de t con respecto a t-1. El modelo AR1 con efectos

fijos se especifica de la manera:
donde
los errores tienen una correlacin de primer grado, . El modelo AR1 se

puede implementar con el comando xtregar:
. xtregar ln_wage age age2, fe 9
- Heterocedasticidad
Cuando la varianza de los errores de cada unidad transversal no es

constante, nos encontramos con una violacin de los supuestos GaussMarkov. Una forma de saber si nuestra estimacin tiene problemas de
heteroscedastidad es a travs de la prueba del Multiplicador de Lagrange
de Breusch y Pagan. Sin embargo, de acuerdo con Greene, sta y otras
pruebas son sensibles al supuesto sobre la normalidad de los errores;
afortunadamente, la prueba Modificada de Wald para Heterocedasticidad
funciona an cuando dicho supuesto es violado.10
Si deseramos estimar un modelo de efectos aleatorios, en vez de fe indicamos re.
10
Para una discusin sobre esta prueba, consulta Greene, W. 2000. Econometric Analysis. Upper Saddle River,
NJ: Prentice Hall, p. 598.
117
Datos de Panel
La hiptesis nula de esta prueba es que no existe problema de

heteroscedasticidad, es decir,
para toda i=1N, donde N es el
nmero de unidades transversales (mujeres en nuestro ejemplo).

Naturalmente, cuando la Ho se rechaza, tenemos un problema de
heteroscedasticidad. Esta prueba puede implementarse en Stata con el
comando xttest3 despus de estimar el modelo de efectos fijos:
. xttest3
Modified Wald test for groupwise heteroskedasticity in fixed effect

regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (4710) = 4.4e+35

Prob>chi2 = 0.0000
La prueba nos indica que rechazamos la Ho de varianza constante y

aceptamos la Ha de heteroscedasticidad. Antes de abordar cmo
solucionar nuestro problema de heteroscedasticidad, resulta conveniente
analizar otro problema que surge de la estimacin con datos tipo panel.
- Correlacin contempornea
Las estimaciones en datos panel pueden tener problemas de correlacin

contempornea
si
las
observaciones
de
ciertas
unidades
estn
correlacionadas con las observaciones de otras unidades en el mismo

periodo de tiempo. Como discutimos en la seccin sobre heterogeneidad,
las variables dicotmicas de efectos temporales se incorporan al modelo
para controlar por los eventos que afectan por igual a todas las unidades
(personas) en un ao dado.
118
La correlacin contempornea es similar, pero con la posibilidad de

algunas unidades estn ms o menos correlacionadas que otras. El
problema de correlacin contempornea se refiere a la correlacin de los
errores de al menos dos o ms unidades en el mismo tiempo t. En otras
palabras, tenemos errores contemporneamente correlacionados si
existen caractersticas inobservables de ciertas unidades que se
relacionan con las caractersticas inobservables de otras unidades. Por
ejemplo, los errores de dos personas pueden relacionarse pero
mantenerse independientes de los errores de las dems personas. Por
ejemplo, si las unidades fueran departamentos de un pas, una fuerte
helada podra afectar a los departamentos agrcolas, disminuyendo la
produccin y por tanto el ingreso. Pero este efecto probablemente no se
manifieste en los departamentos no agrcolas.
El comando xttest2 de Stata ejecuta la prueba de Breusch y Pagan para

identificar problemas de correlacin contempornea en los residuales de
un modelo de efectos fijos. La hiptesis nula es que existe independencia
transversal (cross-sectional independence); es decir, que los errores entre
las unidades son independientes entre s. Si la Ho se rechaza, entonces
existe un problema de correlacin contempornea.11
El comando xttest2 se implementa despus de un modelo de efectos fijos.

En nuestro ejemplo:

. xttest2
Si el p-value del estadstico
indica que podemos rechazar la Ho;
entonces tambin es necesario corregir el problema de correlacin

contempornea.
11
Tcnicamente, el comando xttest2 prueba la hiptesis de que la matriz de correlacin de los residuales,
obtenida sobre las observaciones comunes a todas las unidades transversales, es una matriz de identidad de
orden N, donde N es el nmero de unidades transversales. Para una discusin de esta prueba, consulta Greene,
W. 2000. Econometric Analysis. Upper Saddle River, NJ: Prentice Hall, p. 601.
119
Datos de Panel
- Solucin
los
problemas
de
heterogeneidad,
correlacin
contempornea, heteroscedasticidad y autocorrelacin
Los problemas de correlacin contempornea, heteroscedasticidad y

autocorrelacin
que
hemos
examinado
pueden
solucionarse
conjuntamente con estimadores de Mnimos Cuadrados Generalizados

Factibles (Feasible Generalizad Least Squares FGLS), o bien con
Errores Estndar Corregidos para Panel (Panel Corrected Standard Errors
PCSE).
Beck y Katz (What to do (and not to do) with time-series cross-
12
section data, 1995) demostraron que los errores estndar de PCSE son
ms precisos que los de FGLS. Desde entonces, muchos trabajos en la
disciplina han utilizado PCSE en sus estimaciones para panel 13
Stata ejecuta FGLS y PCSE con los comandos xtgls y xtpcse. Las
opciones que ofrecen estos comandos dependen de los problemas
detectados en las pruebas que hemos revisado. La tabla mostrada a
continuacin presenta los comandos ante problemas de correlacin
contempornea,
heteroscedasticidad
autocorrelacin,
sus
combinaciones.
12
Para una introduccin tcnica pero fcil de entender sobre las propiedades de FGLS y PCSE, ver: Nathaniel
Beck, Time-Series-Cross-Section Data: What Have We Learned in the Past Few Years?, Annual Review of
Political Science, 4: 271-93 (2001).
13
Hasta la fecha, el debate entre FGLS y PCSE contina, y ya se han desarrollado algunos mtodos alternativos.
Como los clculos son hechos por la computadora, y en la mayora de casos no es costoso computacionalmente
vale la pena estimar ambos mtodos y comparar resultados.
120
Estos comandos no calculan automticamente efectos fijos, por lo que en

caso de ser necesario, se debe introducir variables dicotmicas con el
comando xi.
En nuestro ejemplo sobre el gasto estatal, hemos detectado problemas de

heterogeneidad,
heteroscedasticidad,
correlacin
contempornea
autocorrelacin.
Para corregir estos problemas ejecutamos el comando:
. xi: xtgls ln_wage age age2, panels (correlated) corr(ar1)
el comando:
. xi: xtpcse spend ln_wage age age2 i.idcode i.year, correlation(ar
121
Datos de Panel
122
6.2.
Panel Dinmico
El modelo bsico de datos de panel dinmico es:
El modelo puede sintetizarse en:
123
Datos de Panel
Cundo conviene emplear el modelo de panel dinmico de Arellano

- Bond?
Cuando la variable dependiente (la que queremos explicar) presenta

inercia en el tiempo en un contexto de datos de paneles apropiado aplicar
panel dinmico.
Ejemplo de estas variables son la participacin de mercado de un banco

en el mercado local, pues es razonable que si una firma control el 40%
del mercado en 2003 tenga una participacin parecida en 2004. El nmero
de trabajadores en una firma tambin presenta esta inercia pues los
cambios tecnolgicos ni los cambios en la escala suelen ser bruscos si no
que se reparten en un perodo ms de tiempo largo.
Para modelar esta inercia se agregan rezagos de la variable dependiente,

pero ello hara que tengamos variables dependientes al lado derecho de la
ecuacin, lo que causara un problema de endogeneidad (y por ello los
parmetros seran sesgados e inconsistentes). Para que ello no ocurra
debemos emplear instrumentos.
Para tratar el tema de la exogeneidad de las variables del lado derecho de

la
ecuacin,
estas
se
clasificaran
en
endgenas,
exgenas
predeterminadas.
Pero el empleo de instrumentos se realiza mediante las condiciones de

ortogonalidad del Mtodo Generalizado de Momentos.
124
Mtodo Generalizado de Momentos: Planteamos las condiciones de

ortogonalidad poblacionales:
(w, )] = 0
El Mtodo Generalizado de Momentos consiste hallar los estimadores que

hagan mas cierta las condiciones de ortogonalidad, pero no en el sentido
de la metodologa de Mxima Verosimilitud, pues en GMM no se supone
una forma especfica para la funcin de densidad de las perturbaciones
sino mas bien haciendo que las condiciones de ortogonalidad muestrales
estn ms cerca de cero.
No decimos que sean cero todas las condiciones de ortogonalidad pues

normalmente eso no es posible pues tenemos ms condiciones de
ortogonalidad que parmetros a estimar (problema de sobre identificacin)
si no que una medida ponderada de su cercana a cero sea la menor
posible.
Esa medida ponderada de su cercana a cero es una forma cuadrtica (la

cual es una forma de medir distancias, en este caso para que las
ecuaciones de ortogonalidad).
125
Datos de Panel
Se puede demostrar que la ponderacin ptima es la matriz de

covarianzas de las condiciones de ortogonalidad, de manera que las
condiciones de ortogonalidad que tengan ms varianza tengan menos
peso en esa medida de distancia que las condiciones de ortogonalidad
que tengan menor varianza.
MGM: minimiza una forma cuadrtica que es la medida de distancia de bn

(c) a cero.
An:= matriz de ponderaciones de los momentos. (Se emplear la inversa

de la matriz de var-cov de las condiciones de ortogonalidad, por lo
general)
STATA tendr entonces que minimizar una forma cuadrtica, en la cual la

dimensin de la matriz de covarianzas de las condiciones de momentos es
crucial pues conforme aumente el nmero de periodos de tiempo y el
nmero de rezagos aumentar la dimensin de esta, complicando la
estimacin.
Con el comando set matsize es posible fijar hasta en 800 por 800 dicha
matriz.
En la metodologa de Arellano-Bond primero se diferencian el modelo,

supongamos que el modelo es:
Lo que se obtiene es:
126
IMPORTANTE: Observe que la interpretacin de los coeficientes no

cambia debido a esta transformacin del modelo pues siguen siendo los
del modelo anterior.
La matriz de instrumentos se forma del siguiente modo:
Tenemos dos rezagos (por lo que perdemos dos observaciones por

individuo), con la diferenciacin se pierde una observacin ms por lo
que el nmero de filas es de T-p-1.
Como las
xit
xit
contienen regresores estrictamente exgenos
van a servir como sus propios instrumentos, por lo que tenemos k1

columnas al final de la matriz. Asumiendo que las
it
no estn
autocorrelacionadas, para cada perodo podemos emplear los rezagos de

la dependiente como instrumentos: en t=4 podemos emplear y1, y2, para
t=5 podemos emplear y1, y2, y3, hasta que para t=T podemos emplear y1,
y2, y3, yT-3, yT-2
127
Datos de Panel
Finalmente tenemos:
Las variables endgenas se tratan del mismo modo que las variables
dependientes rezagadas (siendo los rezagos de orden p o mayores
instrumentos vlidos, mientras que para las predeterminadas los rezagos
p-1 o mayores son instrumentos vlidos.
Para el caso de paneles incompletos se eliminan las filas donde no hay

datos y se reemplazan con ceros las columnas donde no se requieran
datos.
Para el modelo anterior:
La matriz de covarianzas de
Finalmente el vector de coeficientes es:
128
Ejemplo:
. ds
c1
emp indoutpt k
yearm1 nL2
kL2
yr1976 yr1979 yr1982
ind
wage n
ys id
wL1
ysL1 yr1977 yr1980 yr1983 year
cap w
rec nL1
kL1
ysL2 yr1978 yr1981 yr1984
En el ejemplo la variable w es el logaritmo neperiano del salario, mientras

que la variable k es el logaritmo natural stock de capital de la i-sima firma
y la variable ks es el logaritmo natural del producto de la i-sima firma.
La variable dependiente es n que es el logaritmo del empleo en la
i-
sima firma. Primero estimaremos un modelo con un solo rezago de la

variable dependiente:
. xtabond n w L.w
129
Datos de Panel
Sargan test of over-identifying restrictions:
chi2(27) = 109.75 Prob > chi2 = 0.0000
Arellano-Bond test that average autocovariance in residuals of order 1 is 0:
H0: no autocorrelation z = -2.74 Pr > z = 0.0062
La hiptesis nula del contraste de Sargan es que las restricciones en

exceso provenientes de la sobre identificacin (tenemos mas condiciones
de ortogonalidad que parmetros a estimar) son vlidas (son muy
cercanas a cero). El resultado obtenido podra deberse a la presencia de
heterocedasticidad.
La existencia de autocorrelacin de primer orden en los residuos

diferenciados no causa que los estimados sean inconsistentes, por lo cual
el resultado obtenido no es grave. La autocorrelacin de segundo orden
en los residuos rezagados si es problemtica pues podra causar que los
estimados
sean
inconsistentes.
Por
ello
buscaremos
otras
especificaciones
. xtabond n l(0/1).w l(0/2).(k ys) yr1980-yr1984, lags(2)
130
131
Datos de Panel
xtabond n l(0/1).w l(0/2).(k ys) yr1980-yr1984, lags(2) robust

xtabond n l(0/1).w l(0/2).(k ys) yr1980-yr1984, lags(2) twostep
Observar que con la opcin twostep no se rechaza la hiptesis nula del

contraste de Sargan. Hasta este punto no hemos incluido variables
endgenas ni variables predeterminadas en la estimacin:
La variables endgenas son las que tienen una relacin contempornea

con la dependiente mientras que las predeterminadas son variables tales
que los residuos estn no correlacionados con los valores actuales y
rezagados de estas variables pero eso no ocurre (es decir estn
correlacionados) con sus valores futuros.
. xtabond n l(0/1).ys yr1980-yr1984, lags(2) twostep pre(w, lag(1,.)) pre(k,

lag(2,.))
Arellano-Bond dynamic panel-data estimation Number

Group variable (i): id
132
of
obs
611
Number of groups = 140
Warning: Arellano and Bond recommend using one-step results for

inference on coefficients
chi2(86) = 89.45 Prob > chi2 = 0.3783
133
Datos de Panel

. xtabond n l(0/1).ys yr1980-yr1984, lags(2) twostep pre(w, lag(1,.)
endog) pre(k, lag(2,.) endog)
134
chi2(74) = 74.92 Prob > chi2 = 0.4483
H0: no autocorrelation z = -0.80 Pr > z = 0.4251.
135
Datos de Panel
136
7.
Introduccin a la programacin
7.1.
Macros local y global

Una herramienta bsica en la programacin en STATA es el uso de las
macros que permiten realizar el trabajo de forma ms eficiente. Se puede
ver una macro en STATA como un alias que tiene un nombre y un valor.
Cuando el nombre de una macro es referenciado se puede obtener su

valor. Una macro puede contener cualquier combinacin de caracteres
alfanumricos y puede contener hasta 8000 caracteres. El valor de un
macro puede ser modificado por otro comando.
Existen dos tipos de macros en STATA definidas como local y global. El

contenido de las macros global es definido mediante el comando global
mientras que en el caso de las macros local es definido con el comando
local. Las macros local existen slo en el programa (ado) o el do-file
definido. Es decir, si se abre otro programa o do- file las macros local
utilizadas con anterioridad no estarn disponibles. La macro local es un
contenido que puede mantener un objeto (como un nombre de una
variable o un nmero) o un conjunto de objetos.
Ejemplo local paises PER ARG PAR MEX

di "`paises'"
Las macros global existen para la duracin de un programa o una sesin

de STATA. Otra diferencia con respecto a las macros local es que la forma
como se referencian.
Ejemplo
global paises PER ARG PAR MEX
di "$paises"
137
Las macros global son utilizadas frecuentemente para guardar los tems
paramtricos de un programa, como puede ser un carcter string que
contenga el nombre del directorio defult en donde las bases de datos o
los do-files sern accesados.
Las macros de STATA son tiles para construir listas, contadores o

ndices de enlace (loop indices). Su uso puede ser extendido para retomar
valores de los comandos de STATA (ver return). Se pueden utilizar una
serie de funciones macro que pueden ser tiles para extraer etiquetas de
una variable, extraer el nmero de columnas o filas de una matriz, entre
otros.
Ejemplo
cd ""
use auto
local x1: type labor
7.2.
Procedimientos sistemticos: forvalues y foreach

STATA permite utilizar un solo comando en vez de distintos comandos
para realizar modificaciones a los valores de una variable y enlazar
variables que tienen un contenido similar.
Las herramientas ms potentes son los comandos forvalues y foreach. La

sintaxis de estos comandos es muy familiar para usuarios de C y otros
lenguajes de programacin modernos. No se suele utilizar en mayor
medida otros comandos como for (en desuso) o while (que requiere
especificar un contador como una macro local).
El comando forvalues permite enlazar valores consecutivos, repitiendo un

conjunto de macros local a cada elemento definido en el rango y ejecuta
los comandos que se colocan entre corchetes.
138
Ejemplo:
forvalues i=1(1)5 {
display i
}
Se define la macro local i como un ndice de enlace, siendo el rango 1(1)5.

Se ejecutar el comando entre corchetes para cada valor en el rango.
Asimismo, el rango se puede definir de distintas maneras.
Ejemplo:
forvalues i=1/5 {
display `i'
}
El lmite del rango se puede establecer mediante una macro.
Ejemplo:
local n 5
forvalues i=1/`n' {
display i
}
Ejemplo: Si se tienen 4 variables x1, x2, x3 y x4
forvalues i=1/4 {
generate double lnx i =log(x i)
summarize lnx i
}
El comando forvalues suele utilizarse para enlazar variables que

tienen un componente numrico (entero) comn consecutivo. En otros
casos se suele utilizar el comando foreach. El comando foreach repite
un conjunto de macros local a cada elemento de la lista (que incluyen
macros local y global) y ejecuta los comandos que se colocan entre
139
corchetes. Como en el caso de forvalues una macro local es definida

como un ndice de enlace.
El loop es ejecutado 0 o ms veces, ejecutndose desde 0 si es que la

lista est vaca. En vez de realizar el ciclo de acciones sobre un
conjunto de valores numricos, foreach especifica que el ndice loop
itera a travs de los elementos de la macro local o global, de los
nombres de las variables especificadas (varlist) o de los elementos
explcito de elementos (numlist).
Ejemplo:
foreach z in PER ARG PAR MEX {
generate double lnx`z'=log(x`z')
summarize lnx`z'
}
El comando foreach puede trabajar con una lista de variables

especficas varlist, un newvarlist de las variables que crea y un listado
explcito de elementos numlist.
foreach z of varlist x* {
summarize ln`z'
}
7.3.
Escalares y matrices
7.3.1. Escalares
STATA utiliza escalares y matrices. Los escalares pueden contener
valores string (hasta 244 caracteres) o un nico valor numrico. Los
comandos de anlisis (describe, sum, entre otros) de STATA dan los
resultados como escalares numricos (ver return). Adicionalmente, los
escalares pueden ser utilizados para guardar resultados numricos.
140
Ejemplo:
scalar root2=sqrt(2)
En el clculo numrico es ms fcil utilizar escalares. Si una macro

contiene valores numricos estos deben ser convertidos previamente,
mientras que en el caso de los escalares no se requiere de ninguna
transformacin.
Un escalar opera como una expresin. Es decir, no se puede especificar

un escalar como parte de un rango, in range, en la medida que ningn
valor ser extrado. Se debe utilizar if exp desde que contiene una
expresin numrica.
Los comandos de estimacin de STATA (reg, xtreg, entre otros) crean

tanto escalares como matrices. Por ejemplo, con el comando reg se crea
la matriz e(b) que contiene los estimadores de los parmetros, e(V) que
contiene la matriz de varianzas y covarianzas de los estimadores.
7.4.
Matrices
STATA ha desarrollado un lenguaje matricial que soporta un amplio rango de

operaciones matriciales.
Con los comandos matrix tradicionales el tamao de las matrices es limitado

segn las distintas versiones del STATA. Asimismo STATA posee de comandos
especializados como matrix accum- que calcula productos cruzados de matrices
de cualquier nmero de observaciones. Hay tambin otras variaciones de dicho
comando como -matrix glsaccum-, -matrix vecaccum- y -matrix opaccum-.
matrix accum A = price weight mpg

matrix list A
Las matrices en STATA son tiles para guardar los resultados. Tambin son una
forma de presentar la informacin de manera organizada. Muchas operaciones
no pueden ser realizadas con los comandos matrix tradicionales. Por ejemplo si
141
bien el comando matrix mkmat permite crear una matriz a partir de una lista de
variables, el nmero de observaciones de la matriz es limitado.
Por otro lado, los comandos clsicos y los del lenguaje MATA y en general
cualquier lenguaje matricial tiene limitaciones a la hora de trabajar con
expresiones matriciales complejas (panel, SUR, entre otros) sobretodo si se
consideran la memoria disponible en la PC. En estos casos es preferible trabajar
con enlaces que permitan simplificar el clculo matricial.
Por ejemplo en vez de realizar el clculo matricial para estimar un SUR se puede
generar un loop en donde se realice regresiones de distintas ecuaciones, los dos
procedimientos dan el mismo resultado pero el ltimo no requiere de tantos
recursos informticos.
7.5.
Modulo MATA
MATA es un lenguaje algebraico matricial usado por programas como Matlab o

Gauss y entre sus virtudes se puede mencionar la eficiencia. Para acceder al
modulo basta iniciar la sesin con la palabra MATA, a partir de ese momento todo
lo convencional utilizado hasta este momento deja de funcionar siendo slo
posible ejecutar comandos que guarden relacin con el mdulo. Algunas
utilidades que se deberan conocer son:
Solicitar ayuda general del mdulo: -help mata Solicitar ayuda especfica: -help mata cholesky Bsqueda con palabra clave: -search mata determinant-
Para cerrar la sesin MATA y volver al formato convencional del STATA se tiene
que ejecutar la orden -end-. A modo de ilustracin las siguientes lneas permiten
cargar los datos a un formato matricial y estimar las pendientes bajo MCO de la
siguiente especificacin: price=f(mpg, weight).
1 sysuse auto
2 mata X=st_data(.,("mpg","weight","foreign"))
4 Y=st_data(.,("price"))
5 X=J(rows(X),1,1),X 6 invsym(X'X)*X'Y
142
Otra aplicacin que ilustra la flexibilidad del comando y que prescinde

convenientemente de la orden -end- es la siguiente:
sysuse auto
mkmat price mpg,matrix(y)
mata: y2=st_matrix("y")
mata: mean(y2)
mata: rows(y2)
mata: cols(y2)
7.6.
Comandos return y ereturn
Los principales comandos de anlisis de STATA, incluidos los nuevos comandos

que el propio usuario define, pueden ser clasificados en las siguientes clases:
r-class: comandos diversos (excluidos los de estimacin) tales como table,
sumaries, entre otros.
e-class: comandos de estimacin como regress, xtreg, entre otros que
estiman modelos estadsticos.
Cada clase de comando determina si los resultados son guardados en r() o
e(). Existen otras clases s-class, n-class y c-class que se utilizan con menor
frecuencia (vase h return). Con el comando -return list- o -ereturn list-, segn
sea el caso, se pueden ver los elementos guardados en r() ( e())
correspondiente a los comandos de clase r (e).
Ejemplos:
cd "..."
use auto
des
return list
143
La ejecucin consecutiva de comandos r-class reemplazarn la lista return

con los respectivos valores de return. Si se quiere trabajar con dichos item
estos se tienen que guardar como macros local o como escalares.
sum mpg
return list
di "La media estandariza es `r(mean)'/`r(sd)'"
La mayora de comandos e-class retornan cuatro tipos de objetos de STATA:

escalares, macros, matrices y una funcin de STATA e(sample) que asigna 1
a cada observacin incluida en la estimacin y 0 en otro caso.
reg mpg weight foreign

ereturn list
144
8.
Anlisis de datos con diseo muestral complejo

Una de las ventajas que ofrece el Stata para el anlisis de Encuestas como la
ENAHO, con Diseo muestral complejo, es que permite calcular los estimadores
teniendo en cuenta el diseo muestral de la misma (diferente al muestreo
aleatorio simple MAS -).
Adems, Stata proporciona estadsticos con los cuales se puede evaluar la

confiabilidad del resultado en forma simultnea a su estimacin. De esta manera
el usuario est en la capacidad de interpretar y utilizar adecuadamente cada
estimacin proveniente de la encuesta.
Los principales elementos que se deben tener en cuenta en el trabajo con datos
de encuestas por muestreo son:
Ponderacin: En las encuestas por muestreo, las observaciones son
seleccionadas mediante un proceso aleatorio, donde cada observacin
puede tener una probabilidad de seleccin diferente. La ponderacin (o
peso) de una observacin (hogar, por ejemplo) es igual a la inversa de la
probabilidad de pertenecer a la muestra. Es usual que luego del trabajo de
campo se realicen ajustes sobre esta ponderacin, debido, por ejemplo, al
efecto de la No-Respuesta. Un peso wj de una observacin j significa
que la observacin,
j representa a wj elementos de la poblacin. Si
no se toman en cuenta las ponderaciones, las estimaciones que se

obtengan estarn sesgadas.
Conglomerados o cluster: Algunas veces se utiliza el muestreo por
conglomerados, es decir las observaciones son muestreadas en grupos o
clusters, por ejemplo, provincias dentro de departamentos, distritos
dentro de provincias y finalmente viviendas dentro de los distritos
seleccionados, que son el objetivo final del muestreo. Todas las
observaciones de un mismo cluster no son independientes entre s, si no
se toma en cuenta este hecho, los errores estndar que se obtengan
sern menores a los verdaderos.
145
Estratos: En algunos casos, tambin se emplea el muestreo estratificado,

donde diferentes grupos de observaciones o estratos, son muestreados en
forma independiente. Al igual que el caso anterior, si no se toma en cuenta
este hecho, se obtendrn sub estimaciones de los errores estndar
verdaderos.
Stata permite incorporar el DISEO MUESTRAL (ponderaciones, conglomerados y

estratos) antes de ejecutar las estimaciones. Es decir, utiliza las frmulas de estimacin
de estadsticos propias de cada tipo de muestreo. Todos los comandos para el anlisis
de datos provenientes de encuestas comienzan con las letras svy
8.1.
Especificacin del Diseo Muestral: SVYSET
Encuestas como la Enaho, que posee un diseo complejo, es necesario

especificar las variables que contienen las ponderaciones, los conglomerados y
los estratos, antes de obtener cualquier estimacin.
146
. svydes
Estimacin de Promedios: SVYMEAN
Se utiliza para calcular promedio de variables cuantitativas
Por defecto presenta el promedio estimado, el error estndar, el intervalo

de 95% de confianza y el efecto de diseo de esta estimacin
Se pueden utilizar las opciones if y by.
. svy: mean mieperho percepho
147
Estimacin de Proporciones: SVYPROP

Presenta el nmero de observaciones, la proporcin estimada y el error
estndar de esta estimacin de los casos de la muestra respecto a las
categoras de una variable dada
Se pueden utilizar las opciones if y by.
. svy: prop pobreza
Cruce de dos variables : SVY: TAB

Produce una tabla de dos entradas con la proporcin de la muestra que
pertenece a cada celda (cruce da variables), respecto al total de la muestra.
Para modificar el contenido de la tabla se deben especificar los estadsticos
despus de una coma
148
En caso de que se desee estimar las proporciones respecto a filas o columnas,

basta con indicar row o column despus de la coma.
Se puede utilizar la opcin if
. svy: tab estrato pobreza
149
Pearson:
Uncorrected chi2(8) = 624.9913
Design-based F(6.75,6288.86) = 45.3989
P = 0.0000
. svy: tab,se ci deff
150
. svytab pobreza estrato if (urru5==1)
Regresin Lineal: SVY: REG

Produce la estimacin de un modelo de regresin lineal con variable
dependiente cuantitativa.
Por defecto, el comando svyreg muestra el valor estimado, el error estndar,
el intervalo de 95% de confianza y el efecto del diseo de cada uno de los
coeficientes de regresin
Se pueden utilizar las opciones if y by
151
152
. svy: reg gashpcmd inghpcmd
Survey linear regression
. svyreg gashpcmd inghpcmd mieperho percepho
153
. svyreg gashpcmd inghpcmd mieperho percepho if(urru5==1)
. svyreg, deft
154
NOTAS
155
NOTAS
156
157
NOTAS
158

Manual de Stata para Economistas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual de Stata para Economistas

Cargado por

Copyright:

Formatos disponibles

Apreciad@ participante,

Es grato dirigirnos a Usted para saludarle y a la vez darle la cordial bienvenida al

Francisco Njar Vsquez

STATA 11 para economistas

Regresin por mnima desviacin absoluta ...................................... 79

Pontificia Universidad Catlica del Per

5. Variable dependiente limitada................................................................................ 85

Logit multinomial .............................................................................. 98

Probit o Logit ordenado .................................................................. 103

6. Datos de panel .................................................................................................... 107

Escalares ....................................................................................... 140

7.4. Matrices ........................................................................................................ 141

STATA 11 para economistas

Qu puedo hacer con STATA 11.0?

Stata es un software de anlisis estadstico y economtrico, el cual sirve de herramienta

En la versin 11 se destacan las siguientes funcionalidades:

Imputacin Mltiple (MI)

Entre ellas estn:

Pontificia Universidad Catlica del Per

o Panel de control para MI.-

Permite unificar las funcionalidades del

comando mi y gua al usuario desde que inicia hasta el trmino del

Examine.- Se utiliza para chequear los patrones de valores

Series de Tiempo multivariadas

STATA 11 para economistas

Entre ellos estn:

Datos de panel y modelos mixtos

Pontificia Universidad Catlica del Per

Mtodo de los momentos generalizado (GMM)

STATA 11 para economistas

o Predicciones con intervalos de confianza exactos

Entre otras funciones tiene

Figura N 1: Editor de Grficos en STATA

Pontificia Universidad Catlica del Per

Figura N2: Grficos en Stata Per: Niveles del Sistema de Focalizacin de

Figura N 3: Reportes de STATA: Anlisis estadstico en general

STATA 11 para economistas

Las diferentes presentaciones de STATA se caracterizan segn el tipo de usuario y

Pontificia Universidad Catlica del Per

El despliegue de Stata 11 presenta cuatro ventanas diferentes:

Aqu aparecen los comandos que han

Figura N4: Entorno de STATA

STATA 11 para economistas

Pontificia Universidad Catlica del Per

3. Se elige la pestaa Result Colors y se personaliza el color que se desea en la casilla

Otras ventanas importantes son:

Figura N5: Comandos de STATA

STATA 11 para economistas

Seleccionar el men Statistics y elegir la opcin Linear models and related

Seleccionar la opcin de Linear regression

Figura N6: Anlisis Estadstico a travs del Men desplegable

Figura N7: Barra de Herramientas

STATA 11 para economistas

Recursos del STATA

Stata permite la actualizacin constante de sus comandos a travs programas escritos

Desde el siguiente link http://www.stata.com/statalist/, se discuten las ltimas tcnicas y

Algunos otros recursos en la red:

Pontificia Universidad Catlica del Per

Ayuda en STATA: Comandos Help, Search y Findit

STATA 11 para economistas

Se va a utilizar la siguiente sintaxis simplificada

Pontificia Universidad Catlica del Per

STATA 11 para economistas