Manual Stata 12 PDF

SOFTWARE SHOP
MANEJO DE BASES DE DATOS Y ANLISIS

ECONOMTRICO CON Stata 12
CONFERENCISTA:
BRAYAN RICARDO ROJAS ORMAZA*
*
Economista, Certificado en Administracin del Riesgo, realizando curso de Posgrado en Gestin de
Riesgos Financieros, actualmente se desempea como Director Tcnico Cuantitativo de Software Shop para
Latinoamrica y es profesor de la Universidad del Rosario y de la Universidad Piloto, ha trabajado en el rea
de Investigaciones del Banco de la Repblica de Colombia, y como asistente de investigacin en la
Universidad Nacional, tiene publicaciones en modelos economtricos y en software aplicado.
Como instructor a nivel internacional ha dictado cursos y conferencias de Stata, EViews y Risk Simulator en
entidades estatales, instituciones financieras y universidades en pases como Chile, Venezuela, Colombia,
Ecuador, Mxico, entre muchos otros.
Contacto a: brayan.rojas@software-shop.com.
Este documento es una introduccin al manejo del Software Stata 12. Est dirigido a profesionales
de todas las reas del conocimiento que requieran manejar Stata. Trata de abarcar diversos temas
del manejo del software, adems de diferentes temas aplicados de estadstica y econometra.
El texto est acompaado de bases de datos y est totalmente basado en ejemplos a lo largo del
texto para ayudar al aprendizaje. Est basado en otros textos introductorios, en material online y en
cursos previos dictados en diversas universidades. Es recomendable tener conocimiento previo de
estadstica para entender mejor el material.
Este documento es propiedad de su autor y tiene fines acadmicos. Toda reproduccin total o
parcial est prohibida.
INTRODUCCIN
Hoy en da es comn encontrar diferentes aplicaciones computacionales capaces de realizar sin fin
de procedimientos en milsimas de segundo, desde hace varios aos el computador ha sido una
herramienta muy til para las diferentes reas del conocimiento y las ciencias econmicas no han
sido la excepcin, los grandes avances tericos han llevado a necesitar cada vez ms de las
aplicaciones computacionales para poder pasar de la teora a la prctica.
Las ciencias econmicas, sociales y aplicadas se han vinculado desde hace varias dcadas a las
ciencias puras para poder por medio de los mtodos cuantitativos verificar los hechos sociales, el
uso de la estadstica, la matemtica y la fsica cada da van en incremento; pero de igual forma stos
mtodos han necesitado de diferentes recursos para su aplicacin, es en busca de suplir estas
necesidades que Stata se ha comprometido da a da en apoyar al desarrollo de la teora con la
prctica haciendo uso del total de recursos disponibles.
Se aclara que Stata no es un software libre ni gratuito, para poder acceder a l es necesario adquirir
un plan de licenciamiento, para mayor informacin ingresar a www.stata.com. Una de las ventajas
del software es la posibilidad de trabajo por ambiente GUI (interactivo) y/o por ambiente de
comandos con una programacin bastante potente, incluyendo un lenguaje de programacin para
matrices conocido como MATA.
Este material es dirigido a todo tipo de usuario, para el estudiante que se est involucrando al
mundo de la estadstica y econometra, el docente que utiliza la herramienta para impartir sus clases
usando para ello un software de alto nivel como es Stata y para profesionales e investigadores que
da a da requieren una herramienta que les sirva para apoyar sus labores y sus tesis.
El documento se ha dividido en 8 captulos, en los primeros tres podr encontrar informacin sobre
la introduccin manejo y manipulacin de datos as como la presentacin de resultados por medio
de grficas y tablas; en el captulo 4 encontrar el tema de regresin, captulo 5 modelos de
regresin para variable discreta, captulo 6 modelos de series de tiempo ARIMA, captulo 7
modelos de datos de panel y los ltimos dos captulos es introduccin a la programacin y algunos
trucos y recomendaciones.
DESCRIPCIN DEL LIBRO
Este manual es de carcter acadmico y representa una gua para los usuarios de Stata.
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
El manual contiene #### pginas, las cuales describe los principales usos para un usuario de
diferente nivel y estudios. Para el mejor entendimiento del manual se describe el siguiente cuadro:
DESCRIPCIN CARACTERSTICA
Comando Tipo de Letra cursiva, fuente Times New
Roman, tamao de letra 11
Notas o recomendaciones Resaltado en un cuadro de texto
Rutas de acceso por medio de los mens Se describe el nombre del Men seguido por el
smbolo
Mensajes de Error Color de Fuente Rojo
TABLA DE CONTENIDO
1. MANEJO FUNDAMENTAL DE Stata 12 ....................................................... 5

1.1 CONOCIENDO EL ENTORNO DE Stata ......................................................................... 6
1.2 EL MEN DE AYUDA ..................................................................................................... 7
1.3 TIPOS DE ARCHIVOS .................................................................................................... 12
1.4 ESTRUCTURA DE COMANDOS .................................................................................. 12
1.5 VENTANAS DE COMANDOS ....................................................................................... 12
1.6 CONFIGURANDO LA MEMORIA DE Stata ................................................................. 13
1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata........................................... 14
1.8 BASES DE DATOS DE EJEMPLO ................................................................................. 14
1.9 TIPOS DE VARIABLES .................................................................................................. 14
2. MANEJO DE BASES DE DATOS ................................................................ 16
2.2 SALVANDO UNA BASE DE DATOS ........................................................................... 22
2.3 DESCRIPCIN DE LA BASE DE DATOS .................................................................... 22
2.4 CONSERVAR Y RECARGAR BASES DE DATOS ...................................................... 30
2.5 FILTROS DE LA BASE DE DATOS .............................................................................. 30
2.6 ADMINISTRADOR DE VARIABLES ............................................................................ 31
2.7 CREACIN DE CATEGORAS ...................................................................................... 32
2.10 CAMBIO EN LA ORGANIZACIN DE LOS DATOS ................................................. 38
2.11 PROBLEMAS EN EL MANEJO DE BASES DE DATOS ............................................. 43
2.12 ANLISIS DE DUPLICADOS ........................................................................................ 45
2.13 CREACIN DE PROGRAMAS EDITOR DE TEXTO ............................................... 49
3 ANLISIS ESTADSTICO CON Stata ......................................................... 50
3.1 ESTADSTICAS DESCRIPTIVAS .................................................................................. 51
3.2 PONDERADORES WEIGHT- ...................................................................................... 52
3.3 CALCULO DE MEDIAS ................................................................................................. 53
3.4 INTERVALOS DE CONFIANZA ................................................................................... 53
3.5 PRUEBAS DE HIPTESIS ............................................................................................. 54
3.6 MANEJO DE Tablas DE DATOS .................................................................................... 54
3.7 PRUEBAS PARAMTRICAS ......................................................................................... 56
3
INSTRUCTOR
3.8 PRUEBAS NO PARAMTRICAS .................................................................................. 56

4 GRFICAS CON Stata ................................................................................... 58
4.1 HISTOGRAMAS .............................................................................................................. 59
4.2 GRFICO DE TORTAS .................................................................................................. 61
4.3 GRFICO DE CAJAS ...................................................................................................... 66
4.4 GRAFICAS TWOWAY ................................................................................................... 67
4.5 EDITOR DE GRFICOS DE Stata .................................................................................. 68
4.6 GRAFICA DE SERIES DE TIEMPO .............................................................................. 72
4.7 SCATTER GRAPH .......................................................................................................... 74
4.8 GRAFICA DE PUNTOS .................................................................................................. 75
4.9 GRAFICOS DE BARRAS ................................................................................................ 76
4.10 OPCIONES Y EJEMPLOS............................................................................................... 79
4.11 COMBINANDO GRFICAS .......................................................................................... 86
4.12 OTRAS GRFICAS ......................................................................................................... 86
5 REGRESIN LINEAL EN Stata .................................................................... 95
6 MODELOS ARIMA ..................................................................................... 107
7 MODELOS DE VARIABLE DEPENDIENTE DICOTMICA MODELOS
LOGIT Y PROBIT .................................................................................................. 116
8 MODELOS DE DATOS PANEL O LONGITUDINALES ......................... 123
8.1 ANLISIS DE DATOS PANEL .................................................................................... 123
VENTAJAS DE ESTIMACIN POR PANEL .............................................................................. 124
8.2 ANLISIS DE DATOS PANEL DE DOS PERODOS ................................................ 125
8.3 ANLISIS DE POLTICAS POR MEDIO DE DATOS PANEL.................................. 127
8.4 ANLISIS DE MS DE DOS PERODOS ................................................................... 128
8.5 EFECTOS FIJOS ............................................................................................................ 131
8.6 EFECTOS ALEATORIOS ............................................................................................. 132
8.7 ANLISIS DE DATOS PANEL EN Stata ..................................................................... 132
8.8 ESTRUCTURA DE BASES DE DATOS PANEL ........................................................ 133
8.9 REGRESIN AGRUPADA ........................................................................................... 134
8.10 EFECTOS ALEATORIOS ............................................................................................. 135
8.11 EFECTOS FIJOS ............................................................................................................ 136
8.12 EFECTOS ALEATORIOS vs. FIJOS............................................................................. 137
8.13 AUTOCORRELACIN Y HETEROSCEDASTICIDAD ............................................. 139
8.14 CORRECCIN DE HETEROCEDASTICIDAD Y AUTOCORRELACIN .............. 141
8.15 MODELOS DINMICOS CON DATOS PANEL ........................................................ 141
9 INTRODUCCIN A LA PROGRAMACIN ............................................. 143
9.1 LOCAL MACROS.......................................................................................................... 143
9.2 CREANDO CICLOS ...................................................................................................... 143
9.3 ESCALARES Y MATRICES ......................................................................................... 144
10 TRUCOS CON Stata ..................................................................................... 148
11 BIBLIOGRAFIA ........................................................................................... 161
4
INSTRUCTOR
1. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO

FUNDAMENTAL DE Stata 12{ TC "MANEJO FUNDAMENTAL DE
STATA 11" }
Stata es un programa estadstico para investigadores de diferentes disciplinas, como bioestadsticos

investigadores sociales y econmicos. Los diferentes tipos de anlisis integrados a Stata estn
documentados y soportados tericamente por numerosos documentos, publicaciones y revistas. Los
manuales de Stata renen en 19 volmenes con ejemplos estadsticos, explicaciones tericas,
mtodos, frmulas y documentos de referencia. Al tratarse de un programa en ambiente Windows,
su interface es similar a la de todos los programas bajo este ambiente.
Stata est disponible en 4 tipos de versin.
Small Stata Versin estudiantil de Stata

Intercooled Stata Versin estndar de Stata
Stata/SE Versin especial de Stata para manejo de
bases de datos grandes.
Stata/MP Versin especial de Stata diseada para
trabajar en equipos con ms de un
procesador o ncleo (2 a 32 procesadores)
Tabla 1. Tipos de versin Stata
A continuacin se presentan las principales diferencias entre las versiones Intercooled y SE de

Stata2:
Small Stata/IC Stata/MP and Stata/SE

Nmero de observaciones 1,200 2,147,483,647 2,147,483,647
2
Para conocer todas las diferencias entre las versiones de Stata, dirigirse a la ayuda por medio del comando
help limits
5
INSTRUCTOR
Nmero de Variables 99 2,047 32,767

Tabla 2. Diferencia entre versiones
1.1 CONOCIENDO EL ENTORNO DE Stata
Una vez que se hace clic en el icono de Stata en el men de inicio, se despliegan los siguientes
cuadros de trabajo. Estas ventanas constituyen el cuerpo bsico Stata para llevar a cabo un anlisis
de datos, teniendo una interface bastante amigable.
VENTANA DE
VENTANA DE
REVISIN
VARIABLES
VENTANA DE RESULTADOS
VENTANA DE
PROPIEDADES
DE VARIABLES
VENTANA DE COMANDOS
Figura 1. Ventanas de Stata
Ventana de Variables: Muestra el listado de variables de la base de datos activa.
Ventana de Comandos: En este cuadro se escriben y almacenan las lneas de comandos, si

se desea recuperar un comando previo puede utilizar las teclas
RePg o AvPg y podr autocompletar el nombre de la variable
utilizando la tecla TAB.
Ventana de Resultados: Permite visualizar la sintaxis, y los resultados de los procedimientos

ejecutados por el usuario. Aqu encontrar el logo de Stata,
indicando la versin y el tipo de licencia y el nmero mximo de
variables a importar. Una de las caractersticas de sta ventana es
que por medio de colores el programa informa si un comando ha
sido correctamente ejecutado, si aparece en color negro no hubo
6
INSTRUCTOR
problema en la realizacin, rojo indicar error y el azul es un

hipervnculo al men de ayuda.
Ventana de Revisin: Bitcora que Permite llevar un completo registro de todos los
procedimientos ejecutados durante una sesin de Stata ya sea que se
ejecutaron por el ambiente GUI, por la ventana de comandos o por
un editor .do. Una de las propiedades de la ventana Review es que
si se desea repetir un comando simplemente debe hacer doble clic
sobre el comando deseado y Stata lo ejecutar de nuevo.
Ventana de Propiedades: Presenta la informacin de cada variable, como nombre, tipo de

variable, formato, las notas de la base de datos (puede usar el
comando notes para verlas en la ventana de resultados), entre otras
caractersticas.
BARRAS
Barra de Nombre
Barra de Mens
Barra de Herramientas
Figura 2. Mens de Stata
Barra de Nombre: Indica la versin de Stata disponible, el nombre y la ruta de la base

de datos activa.
Barra de Mens: Es el conjunto de las diferentes herramientas que tiene Stata las
cuales le permiten al usuario cargar, transformar, modificar,
analizar, graficar y solicitar informacin y ayuda del programa.
Barra de Herramientas: Es el conjunto de conos de acceso rpido a herramientas

fundamentales como son abrir, salvar, creacin de un archivo Log,
un archivo .do, abrir el editor, el visor y el administrador de
variables.
1.2 EL MEN DE AYUDA
Stata ha incorporado en la versin 11 un conjunto de nuevas opciones en el men de ayuda para

facilitarle al usuario la mejor forma de entender cmo funciona el programa. Una de las novedades
principales es que se ha agregado la opcin de tener disponibles los manuales de Stata en formato
PDF.
Para acceder a los manuales de ayuda debe seguir la ruta Help PDF Documentation
7
INSTRUCTOR
El men de ayuda de Stata le permite:
- Ver el ndice de contenidos del programa

- Buscar informacin sobre algn tema, la rutina que permite ejecutarla en Stata, o el sitio desde
donde es posible descargar la macro para alimentar el programa.
- Obtener ayuda sobre algn comando de Stata
- Listar y descargar las ltimas actualizaciones del programa.
- Instalar programas de Stata escritas por otros usuarios, desde el Stata Journal o del boletn
tcnico Stata Technical Bulletin.
- Acceder a lugares de inters en el sitio Web de Stata.
El sistema de ayuda para los comandos de Stata es una de las herramientas que ms rpidamente
puede familiarizar al usuario con el manejo de Stata. Alternativamente al sistema de ventanas, el
usuario puede digitar en el cuadro de comandos help seguido del comando del cual desea
informacin.
Por ejemplo al digitar en el cuadro de comandos: help describe emerge la siguiente ventana
8
INSTRUCTOR
Figura 3. La Ayuda de Stata
La ayuda de Stata ofrece informacin sobre:
- La sintaxis completa y abreviada de letra(s) subrayadas) de cada comando,

- Descripcin del comando,
- Opciones adicionales para ejecutar el comando,
- Ejemplos sobre cmo usar el comando,
- Hipervnculos a otros comandos relacionados y/o similares y,
- El manual impreso de Stata en el que puede consultar los detalles sobre el comando.
9
INSTRUCTOR
Con frecuencia, el usuario desconoce el nombre del comando especfico que realiza algn
procedimiento en Stata. En estos casos es conveniente realizar una bsqueda temtica por medio del
comando search. A travs de este comando Stata realiza una bsqueda en lnea en:
- Los ejemplos oficiales de Stata disponibles en su sitio web,

- El sitio de preguntas frecuentes Frequently Asked Questions de Stata,
- Ejemplos en lnea compilados por la universidad de UCLA,
- Las referencias bibliogrficas en Stata Journal y Stata Technical Bulletin.
Por ejemplo, supongamos que queremos calcular en Stata el coeficiente de concentracin gini
(procedimiento muy conocido en economa y estadstica), pero no sabemos si Stata realiza este
clculo y, adems, si es posible hacerlo, no conocemos el comando para ejecutarlo. En estos casos
el comando search resulta de gran ayuda. Por ejemplo al escribir en el cuadro de comandos
search gini
adoupdate, update
Se despliega el siguiente cuadro de ayuda:
10
INSTRUCTOR
Figura 4. Search
En el cuadro de ayuda aparecen en azul hipervnculos a sitios oficiales (Stata Journal SJ, o Stata
Technical Bulletin STB) desde donde se pueden descargar macros relacionadas con el
procedimiento que calcula el coeficiente de concentracin gini.
ACTUALIZACIONES DE Stata: Automticamente Stata hace actualizaciones peridicas del

programa. Sin embargo el usuario puede pedir manualmente al programa que se actualice a travs
del comando update as:
update all
11
INSTRUCTOR
1.3 TIPOS DE ARCHIVOS
Antes de iniciar una sesin de trabajo es importante tener en cuenta que Stata opera a travs de
diferentes tipos de archivos.
Tipo de Archivo Extensin

Archivos de datos *.dta
Archivos grficos *.gph
Bitcoras de salida *.smcl
Archivos de comandos *.do
Archivos de programacin *.ado
Tabla 3. Tipos de Archivos
1.4 ESTRUCTURA DE COMANDOS

[by varlist:] Command [varlist] [=exp] [if exp] [in range] [weight] [using filename] [,
options]
Por ejemplo:
Se debe tener en cuenta que Stata distingue entre letras maysculas y minsculas. Todos los
comandos del programa se deben escribir en letras minsculas. De lo contrario el programa no lo
reconoce. Los parntesis cuadrados indican que no es un carcter obligatorio dependiendo el
comando especfico.
Es posible usar con Stata prefijos para algunos comandos, por ejemplo, el comando regress que
permite realizar el procedimiento de regresin se puede ejecutar digitando solamente los tres
primeros caracteres, es decir al tener reg ejecuta la misma funcin que al escribir regress.
Para conocer mayor informacin sobre la estructura de los comandos de Stata, busque informacin
as: help syntax
1.5 VENTANAS DE COMANDOS
Es comn encontrar en las ventanas emergentes de Stata el nombre del comando que permite
realizar la instruccin que se le ordenar al programa para que realice, por ejemplo, al seguir la ruta
File Import ASCII data created by a Spreedsheet
12
INSTRUCTOR
En este caso es el comando insheet. A continuacin se explican algunas caractersticas generales de

las ventanas emergentes de Stata para la realizacin de procedimientos, este manual no presentar
las ventanas en las cuales se ejecutan las instrucciones sino los comandos y las opciones
correspondientes.
Descripcin del comando
Comando
Ejecutar y
Ayuda de Copiar mantener la
la como ventana
instruccin comando activa
Limpiar la Ejecutar No Ejecutar

ventana
Figura 5. Caractersticas de una ventana
1.6 CONFIGURANDO LA MEMORIA DE Stata
Stata funciona exclusivamente desde la memoria RAM. El programa nicamente interacta con el
disco duro del computador cuando se hacen salvados de bases de datos, grficos, archivos log, o
archivos de comandos. En la versin 12 Stata configura automticamente el tamao de la memoria
para poder trabajar con bases de datos muy grandes.
Para versiones inferiores a la 12 las versiones SE y MP del programa trabajan con 10 megas de
memoria RAM. Sin embargo, cuando se trabaja con bases de datos muy grandes, es posible
configurar la cantidad de memoria RAM disponible para una sesin de trabajo a travs del comando
set memory.3 Por ejemplo, para trabajar con 100 megas de memoria RAM la sintaxis es4:
3
Si desea conocer qu versin tiene de Stata y la configuracin de la memoria y la licencia del programa
escriba el comando about y creturn list.
13
INSTRUCTOR
set mem 100m
Es muy importante que antes de empezar una sesin de trabajo el usuario configure la cantidad de
memoria RAM que necesita de lo contrario emerger el siguiente error:
no room to add more observations

r (901);
1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata
La sintaxis para cargar y salvar datos puede ser muy extensa dependiendo de la ruta de acceso a las
bases de datos o el lugar en el disco duro donde se quieran almacenar los resultados. Una forma
prctica de abreviar la sintaxis en ambos casos consiste en indicarle a Stata, antes de comenzar la
sesin de trabajo, el lugar en el disco duro de donde se desean tomar los datos y donde se quieren
almacenar los resultados. Este procedimiento se lleva a cabo a travs del comando cd as:
cd "C:\...."
La otra opcin es por medio del Men File Change Working Directory
Entre comillas se debe encontrar la direccin o ruta de la carpeta donde se encuentran las bases de
datos que sern empleadas en la sesin de trabajo de Stata.
1.8 BASES DE DATOS DE EJEMPLO
En el momento en que Stata se instala en su equipo se incluyen bases de datos de ejemplo

las cuales le permitirn trabajar con el software, tenga en cuenta estos archivos dado que la
ayuda en muchas ocasiones se referencia a las bases de datos del software, para acceder a
ellas siga la ruta File Example Datasets Example datasets installed with Stata o para
acceder a todas las bases de datos seleccione Stata 12 manual datasets pero debe tener
acceso a internet.
El comando asociado es
sysuse dir * para ver el directorio de bases de ejemplo en su equipo

sysuse auto.dta * cargar la base auto.dta que es una base de ejemplo de Stata
1.9 TIPOS DE VARIABLES
Una de las preguntas comunes en el manejo de un software estadstico es cmo el programa

clasifica o categoriza las variables, es decir que formato es posible asignarle a una variable, para
ello es necesario primero que el usuario tenga claro el tipo de variable.
4
Se recomienda revisar la ayuda sobre el comando set y el comando memory
14
INSTRUCTOR
Las variables las podemos dividir de acuerdo al siguiente esquema
VARIABLE
CUANTITATIVA CUALITATIVA
Continua Discreta
Stata es case sensitive, es decir, distingue entre maysculas y minsculas, de forma que las
variables var1 es diferente a Var1.
Para Stata se manejan los datos cuantitativos por diferentes tipos de variables los cuales se
diferencian por el rango de los datos o por el tamao en el nmero de caracteres disponibles a
continuacin se presenta una tabla que describa los tipos de datos.
RANGO
TIPO DE VARIABLE FORMATO
MNIMO MXIMO
Byte -127 100 %8.0g
Int -32,767 32,740 %8.0g
Long -2,147,483,647 2,147,483,620 %12.0g
Float -1.70141E+38 1.70141173319*10^38 %9.0g
Doubl -8.9885E+307 8.9884656743*10^307 %10.0g
Precisin para FLOAT 3.795x10^-8.
Precisin para DOBLE 1.414x10^-16.
Tabla 4. Tipos de Variable
El nmero que aparece despus del smbolo % es el nmero mximo de dgitos enteros o ancho que
soporta el formato y el nmero a la derecha ndica el nmero de decimales, posteriormente se
encuentra una letra. Donde [f] es aproximacin al entero ms cercano, [e] indica notacin cientfica
y [g] indica decimales.
Stata por defecto selecciona el formato FLOAT, el otro tipo de variables son las variables
alfanumricas, estas variables en las que se encuentran principalmente las variables cualitativas,
Stata define un formato especial para ellas, y es el formato STRING, %str# es la visualizacin de
este formato, en el cual el carcter # indica el largo de la cadena.
15
INSTRUCTOR
FORMATO DE LAS VARIABLES: El formato de las variables hace referencias a la forma como
son almacenadas y desplegadas las variables en STATA. Para cambiar el formato de una de una
variable a travs del lenguaje de sintaxis debe tener en cuenta que el formato de toda variable
siempre antecedido por el smbolo %.
Variables de cadena
% 20 s Variable String
Inicio de un formato nmero de caracteres
Variable numrica
Formato general g, Notacin cientfica e,
formato fijo f
% 10. 0 g c opcional, separados de

miles por comas
Inicio de un formato
Dgitos antes del punto decimal
Dgitos despus del punto decimal
Si desea cambiar el formato de una variable utilice el comando recast.
sysuse auto
describe Price
recast float price
Para mayor informacin: help data_types y help recast
2. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO DE

BASES DE DATOS
Antes de realizar usted un anlisis de la informacin ya sea de tipo descriptivo, inferencial, debe
contar con la informacin lo mejor posible para poder realizar los correspondientes anlisis, por ello
en ste captulo podr ver como realizas manejo de bases de datos financieras y econmicas.
Una de las ventajas de Stata es su fortaleza en el manejo de bases de datos, principalmente porque
permite al usuario manejar gran cantidad de variables y de observaciones, adems, es posible
realizar manipulacin y transformaciones como es crear, eliminar, modificar, concatenar y dems
funciones a variables, de igual forma permite agregar variables y observaciones a una base de datos
con otras bases.
Entre opciones avanzadas se encuentran la proteccin de bases de datos, la creacin de firmas y

restricciones a usuarios. Stata permite a los usuarios manejar bases de datos de formatos como son
16
INSTRUCTOR
MS Excel, texto, SQL, SAS, entre otros, de igual forma permite exportar archivos a dichos
formatos.
El captulo se divide en cuatro secciones, la primera un manejo de bases de datos bsico, en la

segunda seccin datos de corte transversal, la tercera datos de series de tiempo y en la ltima
manejo de datos de panel.
1.1 FUNDAMENTOS DE BASES DE DATOS
Hay ciertas caractersticas que usted podr aprender para el manejo de la informacin, entre ellas
los pasos fundamentales, como son, importar una base de datos, eliminacin, transformacin de
bases de datos, entre otros.
1.1.1 Creacin de un archivo log
Un archivo tipo texto con extensin .log o .smcl5, permite guardar todo lo que usted digite y
ejecute en la lnea de comandos as como las salidas obtenidas en la ventana de resultados
realizadas durante la sesin activa de Stata.
Se recomienda que la extensin sea SMCL, dado que le permite conservar las fuentes y colores de
su ventana de resultados y adems podr configurarlo para imprimir.
Figura 6. Creacin de un archivo Log
Para la creacin de un archivo log por medio de comandos debe usar
log using tables.log, replace
1.1.2 Abrir una base de datos
El primer paso es cargar una base de datos, para ello depende el formato de la base de
datos. Es comn que los usuarios contengan su informacin en archivos tipo Excel, para
ello es necesario tener claro que Stata requiere que el separador decimal debe ser el punto
(.), para ello se recomienda utilizar la herramienta de buscar-reemplazar de Excel o hacer
cambio de la configuracin de Excel o de la configuracin regional de su equipo.
5
Iniciales de Stata Markup and Control Language.
17
INSTRUCTOR
Recuerde que las bases de datos de Stata finalizan con la extensin .dta, cuando se tiene un
base tipo Stata para abrirla puede utilizar la ruta File Open y seleccionar el archivo o por
el cono abrir de la barra de herramientas, por medio de comandos podr usar la instruccin
use
use "C:\Users\Brayan\Desktop\ipc_raw.dta", clear
Recuerde la seccin 1.7 en donde se indica como activar un directorio de trabajo para no
tener que referenciar la ruta o path en donde se encuentra el archivo; si ya tiene un
directorio activo la instruccin es:
use ipc_raw, clear
Dado que la instruccin solo importa bases de datos de formato Stata no se requiere
ingresar la extensin .dta.
Finalmente con el comando use podr seleccionar solamente las variables que desea usando
la opcin using importar por ejemplo
use fecha ipc inflacin using ipc_ra, clear
2.1.1 Importar una base de datos .CSV o TXT
Uno de los formatos ms comunes en el manejo de informacin estadstica es el formato

Separado por Comas (CSV), para importar una base de dato se sigue la ruta:
File Import ASCII data created by a Spreedsheet
Como se mencion anteriormente en la parte superior de cada ventana aparece el nombre del
comando correspondiente, si el usuario desea llamar una ventana puede hacerlo desde la ventana de
comandos por medio de db nombre_comando.
En este caso el comando insheet tiene la siguiente estructura

insheet [variables] using ruta , opciones
Por ejemplo:
insheet using "C:\Users\USER\Documents\Software Shop\Stata\Taller docentes\Docentes_01.csv",

delimiter(":") clear
En el caso que el usuario no requiera importar la totalidad de la base de datos debe especificar
despus del comando insheet el nombre de las variables; entre las opciones encontramos el tipo de
formato que separa los datos, como son tabulaciones (tab), comas (comma) o especificado por el
usuario (delimiter(x)).
18
INSTRUCTOR
La funcin anterior es similar para archivos con extensin .TXT.
2.1.2 Importar una base de datos .XLS o .XLSX
2.1.2.1 Pegar bases de datos de Hojas de clculo
Es comn que las bases de datos y los archivos que se usan a diario por las empresas y sus
trabajadores sean de hojas de clculo, para facilitar el trabajo de uso de Stata cuando las
bases son de una hoja de clculo se puede sin mayor problema copiar los datos de la hoja
correspondiente y posteriormente en la ventana edit dar clic derecho y seleccionar pegar o
la secuencia CTRL + V, de sta forma Stata reconoce los datos correspondientes.
Nota: El usuario debe tener sumo cuidado con el formato de la base original dado que Stata
trabaja los separadores decimales con el punto y no con la coma como se usa en la
configuracin de los computadores con idioma espaol. Para ello se recomienda al usuario
cambiar el formato de separador decimal y de miles en su hoja de clculo o directamente
desde la configuracin regional de su equipo. De igual forma usar la tcnica de buscar y
reemplazar le permite obtener un buen resultado.
Se recomienda ver informacin adicional con help input, infix e infile.
Editor de datos en stata
Los datos pueden ser visualizados o introducidos en Stata haciendo clic en el cono de la ventana
Data Editor, presionando control+7, o haciendo clic en
Data Data Editor Editor
cono de EDIT
Figura 7. Editor de datos de Stata
La ventana emergente presenta un formato similar a una hoja de clculo y le permite a un usuario
hacer manipulacin de variables y observaciones similares a las que se realizan en una hoja de
clculo. La opcin ms sencilla para cargar una base de datos es copiar y pegar la informacin de su
hoja de clculo a la ventana de Edit de Stata.
19
INSTRUCTOR
Snapshots: Permite preservar y restaurar la base de datos a un punto

predeterminado por el usuario.
Hide/Show Variables: Slo para efectos de visualizacin, esta opcin permite
ocultar parte de una base de datos.
Filter Observations: Mientras est abierto el editor de datos, a travs de esta
opcin es posible mantener un filtro sobre la base la base de datos.
Variable Properties: Esta opcin permite renombrar variables, asignar etiquetas a
variables y valores de variables categricas, y ajustar los tipos de variables y los
formatos de las variables.
Variable Manager: Similar a la opcin anterior, adems permite visualizar
simultneamente varias variables y adicionar notas a estas.
2.1.2.2 Asistente de Importacin de Excel files
La versin 12 de Stata ha incorporado una nueva herramienta para importar bases de datos
tipo .xls o .xlsx, para acceder al asistente siga la ruta File Import Excel Spreadsheet
(*.xls, *.xlsx) emerger la siguiente ventana:
20
INSTRUCTOR
Busque el
archivo
de Excel
Seleccione Seleccione
la hoja a Active la casilla si en el rango de
importar su hoja la primera fila los datos
contiene los nombres
de las variables
Figura 8. Asistente Importacin Archivos de Excel
Nota: Para poder importar la base de datos debe tener cerrada la base de datos de lo
contrario el asistente no realizar la importacin.
La estructura del comando es:
import excel [using] filename [, import_excel_options]
En las opciones podr seleccionar:

- sheet("sheetname") Nombre de la hoja a importar
- cellrange([start][:end]) Rango de celdas a cargar
- firstrow Tomar la primera fila como los nombres de las variables
- allstring Importar todas las variables como texto
- clear Reemplazar los datos en la memoria
Para el ejemplo la instruccin es:
import excel "C:\Users\Brayan\Desktop\base1.xlsx", sheet("base 1") firstrow
2.1.3 Importar otros tipos de archivo
21
INSTRUCTOR
Hay otro tipo de archivos que Stata le permite importar automticamente como archivo
para ello se recomienda tener en cuenta las siguientes recomendaciones:
TIPO DE BASE COMANDO

ODBC Odbc
Archivo de Texto sin diccionario Infile
(.raw)
Archivo de Texto con ancho fijo Infix
(.raw)
Archivo de Texto con infile2
diccionario (
Formatos SAS XPORT o .xpf import sasxport
Formato tipo haver haver
XML files Xmlsave
Tabla 5. Otros comandos para importar archivos
Finalmente si tiene otro tipo de archivos se recomienda que adquiera el software

Stat/transfer, para mayor informacin ingrese a
http://www.stata.com/products/transfer.html, ste programa le permite importar archivos
tipo SPSS, SAS, R, RATS, Statistica, MATLAB, GAUSS, entre otros.
2.2 SALVANDO UNA BASE DE DATOS
Como los datos han sido cargados en la memoria RAM, slo puede modificarse la base de datos
original de tres formas
Haciendo clic en el icono de salvado en la barra de herramientas
Haciendo clic en ctrl+S
A travs del cuadro de comandos empleando el comando save, por ejemplo
save base1.dta, replace
La opcin replace le permite sobre escribir un archivo que tenga en el mismo directorio de trabajo
activo y con el mismo nombre.
Una vez que los datos han sido guardados o abiertos es posible optimizar el espacio que estos
ocupan utilizando el comando compress este comando comprime la base de datos. Es muy til
cuando trabajamos con bases de datos grandes.
2.3 DESCRIPCIN DE LA BASE DE DATOS
Una vez se tenga una base de datos cargada, es necesario empezar a revisarla y obtener
informacin de ella, para ellos Stata le permite al usuario por medio de diferentes
procedimientos entender cada variable y su contenido.
22
INSTRUCTOR
Lo primero que debe realizar el usuario una vez importa o abre una base de datos es
observar la base, para ello se encuentran diferentes formas de visualizar los datos, entre
ellas las opciones de edit y de browse, las cuales abren una ventana con forma de hoja de
clculo, la otra opcin es por medio del comando list que permite visualizar la o las
variables en la ventana de resultados, se recomienda usar los comandos edit, browse y list
con las opciones if in.
Adicional a esto el usuario puede recibir informacin especfica de cada variable por medio
de las opciones del men Data Describe Data. En ste men las opciones de describe
data in memory, describe data contents e inspect variables, le da la posibilidad al usuario de
obtener informacin correspondiente al nombre, la etiqueta, el tipo y formato de la variable,
notas, etiquetas sobre valores, el nmero de valores perdidos, entre otras. A continuacin se
presenta un ejemplo del uso de estos comandos
*cargar una base de datos del programa

sysuse auto
*observar los datos
browse
Figura 9. Browse
23
INSTRUCTOR
*Describir los datos

describe make price mpg
storage display value

variable name type format label variable label
make str18 %-18s Make and Model

price int %8.0gc Price
mpg int %8.0g Mileage (mpg)
.
Cuando se desea aplicar un comando para todas las variables de la base de datos podr hacerlo
ingresando el comando sin incluir ninguna variable de esta forma Stata tomar la instruccin para
toda la base de datos, otra alternativa es escribir _all posterior al comando por ejemplo:
sysuse auto
describe _all
storage display value

variable name type format label variable label
make str18 %-18s Make and Model

price int %8.0gc Price
mpg int %8.0g Mileage (mpg)
rep78 int %8.0g Repair Record 1978
headroom float %6.1f Headroom (in.)
trunk int %8.0g Trunk space (cu. ft.)
weight int %8.0gc Weight (lbs.)
length int %8.0g Length (in.)
turn int %8.0g Turn Circle (ft.)
displacement int %8.0g Displacement (cu. in.)
gear_ratio float %6.2f Gear Ratio
foreign byte %8.0g origin Car type
2.3.1 Creacin de Variables
Por medio del men Data podemos encontrar opciones como crear nuevas variables Data Create
or Change Data Create New Variable:
24
INSTRUCTOR
Figura 10. Generate
La creacin de las variables se realiza por medio del comando generate, los comandos en Stata no
es necesario escribirlo en su totalidad, la mayora de los comandos pueden ser reducidos en un
prefijo, para conocer el prefijo de cada comando escriba help nombre del comando en la ayuda
aparecer subrayado el nombre hasta cierto carcter indicando que puede usar solamente ese texto
para ejecutar el comando, por ejemplo g es igual a generate
Figura 11. Prefijo de un comando
Algunos ejemplos de creacin de variables:
generate suma = var1 + var2

gen resta = var1 var2
g multiplicacin = var1 * var2
Para la creacin de las variables se recomienda usar el siguiente cuadro
25
INSTRUCTOR
Tabla 6. Operadores
En algunas ocasiones se requieren algunos caracteres especiales, uno de ellos son los caracteres _n
y _N o denominadas variables del sistema, _n es un contador del nmero de observaciones, y _N
indica el total de observaciones de la base de datos.
gen tendencia = _n
gen totales = _N
Para la creacin de variables con condiciones puede utilizar la opcin de la estructura de comandos
[if] [in], estas opciones le permitirn poner restricciones no solo para la creacin de variables si no
para la gran mayora de comandos que contiene Stata, debe tener en cuenta que solo debe escribir
una vez el carcter if o in, a continuacin algunos ejemplos en el uso de estos caracteres especiales:
gen dummy = 1 if TV >5 * crea una variable con valores = 1 si TV > 5, perdido en otro caso.
list make mpg if mpg>25
list price in 10/20 * crea una lista para las observaciones entre la 10 y 20
list price in -10/l * crea una lista con las ltimas 10 observaciones
Para la opcin in se puede utilizar las siguientes estructuras:
# Condicin sobre una nica observacin

#/# Condicin sobre un rango de observaciones
#/l Condicin sobre una observacin hasta la ltima (l)
f/# Condicin desde la primera observacin (f) hasta una observacin
-#/# Condicin desde las ltimas # observaciones hasta # que puede ser la ltima con l
26
INSTRUCTOR
A continuacin listamos algunas funciones matemticas, estadsticas y de fecha importantes en la

creacin de variables
FUNCIN EJEMPLO DESCRIPCIN

ln() g lpib = ln(pib) Logaritmo natural
exp() g epib = exp(pib) Exponencial
sqrt() g y = sqrt(epib) Raz cuadrada
abs() g x = abs(y) Valor absoluto
cos() g coseno = cos() Coseno
logit() g logit = logit(x) Retorna el logaritmo de los odds ratio de x
runiform() g uniforme = runiform() Genera nmeros aleatorios de una distribucin
uniforme [0,1)
rnormal() g normal = rnormal() Genera nmeros aleatorios de una distribucin
normal estndar (0,1)
rnormal(m,s) g normal = rnormal(10,2) Genera nmeros aleatorios de una distribucin
normal con media m y desviacin estndar s
int() g enteros = int(pib) Convierte una variable o dato en entero
invnormal(p) g inversa = invnormal(prob) Genera una variable como la inversa de la
probabilidad de una distribucin normal
length(s) g largo = length(nombre) Presenta el nmero de caracteres de una
variable string
Tabla 7. Ejemplos Funciones generate
2.3.2 Extensiones en la creacin de variables
Podemos utilizar algunos comandos adicionales para la creacin de variables con algunas
condiciones, tales como el comando egen y la funcin cond()
Ejemplos:
gen dummy = cond(TV>5,1,0)

gen dummy = (TV>5)
egen concatenar = concatenate(variable1 variable)
FUNCIN EJEMPLO DESCRIPCIN

max() egen maximo = max(ingresos) Presenta el mximo de una variable
min() egen minimo = min(ingresos) Presenta el mnimo de una variable
mean() egen promedio = mean(ingresos) Presenta el promedio de una variable
kurt() egen curtosis = kurt(ingresos) Presenta la curtosis de una variable
sd() egen desviacin = sd(ingresos) Presenta la desviacin estndar de una variable
2.3.3 Ordenar variables y bases de datos
Ordenar datos Data Sort Ascending Sort:
27
INSTRUCTOR
Figura 12. Ordenar datos
Para ordenar en forma descendente se recomienda usar el comando gsort de la siguiente forma:
gsort var1 var2 +var3
El comando anterior nos produce un ordenamiento descendente primero por la variables VAR1,
seguido por la variable VAR2 y de forma ascendente por la variable VAR3, indicando que se debe
ubicar un signo (-) para establecer descendente y un signo (+) para orden ascendente, aunque este
ltimo no es necesario en el comando.
Existe otro caso y es en el caso que se dese ordenar las variables, es decir cambiar el orden en la
base de datos, por medio del comando order es posible realizar esto, de igual forma es posible
utilizar aorder para que las variables queden ordenadas en forma alfabtica. Finalmente el comando
move permite modificar la ubicacin de las variables, pero a partir de la versin 11, este comando es
reemplazado por order.
2.3.4 Clculos por grupos
En algunas ocasiones el usuario requiere de verificar la informacin por una caracterstica

particular, grupales, entre otras, para ellos Stata cuenta con el prefijo by el cual se ubica previo al
comando estadstico, grfico o de modelo.
Ejemplos
use http://www.stata-press.com/data/imeus/census2d, clear

gsort region -pop
by region: generate totpop = sum(pop)
by region: list region totpop if _n = = _N
28
INSTRUCTOR
by region: egen meanpop = mean(pop)

by region popsize, sort: egen meanpop2 = mean(pop)
by sex age: regress wage expert expert2 occup
El comando by permite generar variables por diversas categoras, adems, permite ordenar de
acuerdo a alguna variable. En el ltimo ejemplo hace una regresin por cada categora entre el
gnero y la edad.
2.3.5 Codebook e Inspect
codebook, escribe el contenido de las variables, indicando nmero de observaciones, valores

perdidos, percentiles, entre otros.
codebook foreign
foreign
type: numeric (byte)

label: origin
range: [0,1] units: 1

unique values: 2 missing .: 0/15
tabulation: Freq. Numeric Label

12 0 Domestic
3 1 Foreign
codebook price
price
type: numeric (int)
range: [12990,15906] units: 1

unique values: 5 missing .: 0/15
tabulation: Freq. Value

3 12990
3 13466
3 13594
3 14500
3 15906
inspect, entrega el nmero de observaciones de una variable identificando los valores positivos,
negativos, cero, missing, y si estos corresponden a nmeros enteros o no. Los missing values se
29
INSTRUCTOR
sealan en Stata mediante un punto (.). Se considera que un missing value es mayor que cualquier
valor.
. inspect rep78
rep78: Repair Record 1978 Number of Observations
Total Integers Nonintegers

# Negative - - -
# Zero - - -
# Positive 69 69 -
# #
# # # Total 69 69 -
. # # # # Missing 5
1 5 74
(5 unique values)
2.4 CONSERVAR Y RECARGAR BASES DE DATOS
Es importante cuidar la base de datos que se est trabajando, por eso se recomienda salvar la base
de datos, pero adems, Stata ofrece opciones que le permitirn al usuario guardar la base de datos
de forma virtual, por medio de los comandos preserve y snapshot y para recuperar la base con el
comando restore
preserve
restore
snapshot save, label("nombre del elemento guardado")
snapshot restore 1
La diferencia entre el snapshot y el preserve es que este ltimo solo permite guardar una vez la base
de datos, mientras el snapshot varias veces.
2.5 FILTROS DE LA BASE DE DATOS
Ejemplos de filtros
browse if pop > 10000000

browse if pop > 10000000 & marriage > 100000
browse if pop > 10000000 & marriage > 100000 & popurban > 10000000
browse if pop > 10000000 | marriage > 100000 & popurban > 10000000
Uso del in
browse pop in 1/10

browse pop in f/10 f = FIRST, l = LAST
browse pop in 10/l hasta el ltimo
Se puede combinar con que realizar el filtro puede usar los comandos browse, edit, keep, drop y list.
drop elimina observaciones y/o variables.

keep conserva observaciones y/o variables.
list presenta variables y/o observaciones en la ventana de resultados.
30
INSTRUCTOR
edit permite visualizar los datos en una hoja de datos y podr editar y modificar los datos.
browse realiza las mismas opciones de edit pero no se puede modificar la informacin.
El comando keep y drop tienen la misma estructura

keep/drop variables
keep/drop if expresin
keep/drop in rango
Ejemplos
sysuse census
drop death divorce * Elimina las variables death y divorce
keep state pop* medage marriage * Conserva las variables indicadas
drop if medage > 30 * Elimina las observaciones donde medage sea mayor a 30
sort popurban
keep in -10/l * Conserva las ltimas 10 observaciones con mayor popurban
2.6 ADMINISTRADOR DE VARIABLES
En la versin 11 de Stata se incluy la ventana del administrador de variables, este

administrador de variables permite modificar informacin de cada variable, principalmente
el cambio de nombre, etiquetas, tipo de variable, formato, notas y creacin de categoras y
etiquetas.
Figura 13. Administrador de variables.
Para la modificacin de la variable, deber ser seleccionada la variable y una vez

modificada la informacin correspondiente debe dar click en Apply.
En la versin 12 Stata ha incluido una nueva ventana que es la ventana de propiedades en la

cual se pueden modificar la informacin de cada variable:
31
INSTRUCTOR
Figura 14. Ventana de Propiedades
Entre los cambios del administrador de variables y la ventana de propiedades se encuentran

las siguientes opciones, se describe el comando correspondiente para automatizacin de
tareas.
2.6.1 Rename
Este comando permite cambiar el nombre de una variable. Por ejemplo
rename nombreviejo nombrenuevo

rename price precio
2.6.2 Label Variable
Para ponerle nombre o etiqueta al variable
label var nombrevariable etiqueta variable

lable var precio Precio del auto
2.6.3 Notes
Se pueden crear dos tipos de notas, una para la base de datos o para la base de datos, a
continuacin un ejemplo para cada caso:
notes divorce: 1 si la persona es divorciada, 0 en otro caso * nota para la variable divorce
notes _dta: Censo 1994 * nota para la base de datos
2.7 CREACIN DE CATEGORAS
La forma ms sencilla de crear categoras de variables es por medio del administrador de

variables, la variable que seleccionar debe ser discreta, una vez inicie el administrador
32
INSTRUCTOR
debe seleccionar la variable que codificar, luego debe dar clic en Manage que se encuentra
a la derecha de la opcin Value label
La figura 14 presenta el administrador de etiquetas, en el cual podr crear, editar o eliminar

etiquetas y para las etiquetas ya creadas puede agregar, editar o eliminar valores que se
encuentran en una etiqueta creada.
Figura 14. Administrador de Value Labels
Para crear una nueva etiqueta haga clic en Create Label, en la figura 15 podr agregar,
eliminar y editar las categoras con su correspondiente descripcin.
33
INSTRUCTOR
Figura 15. Creacin de Labels
Una vez haya creado la etiqueta deber asignarla a la(s) variable(s) que correspondan, para
ello en el administrador de variable a la izquierda de Manage seleccione el nombre de la
etiqueta.
Figura 16. Asignacin de etiquetas
Por medio de comandos
label define respuestas 1 si 2 no * Creacin de la etiqueta con sus valores

label values pregunta1 respuestas *Se asigna a la variable pregunta1 la etiqueta respuestas
2.8 MODIFICACIN Y TRANSFORMACIN DE VARIABLES
En la seccin anterior se present la forma de creacin de variables por medio de los comandos gen
y egen, de igual forma el comando replace. Pero existen otras formas de modificar variables ya sea
en su formato, tipo de variable, codificacin entre otras, a continuacin se presentan las ms
importantes.
2.8.1 Recode
Este comando permite recodificar algn valor de una variable
recode x (1=2), gen(nx)
34
INSTRUCTOR
recode x1 (1=2), gen(nx1)
En el ejemplo 1 se recodifica la variable x, cambiando los valores 1 por valores 2, la variable

transformada se guarda como nx.
Figura 17. Recode
En el ejemplo 2 se cambia de 1 a 2 y de 2 a 1, generando la variable nx1.
2.8.2 Divisin de Variables de texto
Split divide una variable texto en nuevas variables por el espacio o un carcter especfico
split var1, parse(,) gen(geog)
2.9 COMBINACIN DE BASES DE DATOS
La combinacin de bases de datos es un problema muy comn para el investigador o el analista de

informacin, Stata le permite realizar diferentes tipos de fusiones de bases de datos, a continuacin
presentaremos los dos formatos ms importantes, la adicin vertical (merge) y horizontal (append).
35
INSTRUCTOR
HOMBRES.dta

Adicin de variables:

Adicin casos: merge
append Es necesaria variable llave. EDUCACION.dta
No es necesaria Las bases de datos deben
variable llave estar ordenadas.
Revisar la variable _merge
MUJERES.dta
2.9.1 Combinacin Vertical Append
Este comando agrega filas a la base de datos, las variables deben como regla contener los mismos
nombres, el mismo tipo de variable y adems la base de datos sus variables deben estar ordenadas
de igual forma. Para combinar conjuntos de datos verticalmente se emplea el comando append.
En nuestro ejemplo, a la base de datos HOMBRES vamos a adicionar los casos correspondientes la
informacin de las mujeres as:
use hombres, clear

append using MUJERES
En la nueva base de datos se ha combinado la informacin hombres y mujeres en una nica base de
datos.
d
36
INSTRUCTOR
En este punto se deben tener en cuenta dos aspectos.

1. El comando append debe estar acompaado de la palabra using la cual indica que el
nombre a continuacin corresponde a la base de datos de datos que ser adicionada
verticalmente.
2. Como la base de datos cargada en la memoria RAM ha cambiado es conveniente que el
usuario salve la nueva informacin con otro nombre as.
save PERSONAS, replace
2.9.2 Combinacin Horizontal Merge
Se usa cuando se quieren traer nuevas variables de una base llamada using a una base de datos ya
existente o master, ste comando une dos bases de datos utilizando una variable en comn
(generalmente es una ID, llave o cdigo que identifica las observaciones de la base de datos). Las
dos bases de datos deben estar guardadas en formato .dta, y deben estar ordenadas de acuerdo a la
variable que se va a pegar. El objetivo de este comando es agregar variables (columnas).
Para pegar dos bases de datos (A.dta y B.dta), se deben realizar los siguientes pasos:
1. Ordenar (sort) la base de datos B de acuerdo a las variables con las que se har la unin de
las bases, es decir de acuerdo al ID, y guardar.
2. Abrir la base A y ordenarla de acuerdo al paso 1.
3. Usar el comando merge
4. Guardar la base de datos (save)
Si la base no est ordenada y contiene datos repetidos emerge el siguiente error:
Using data not sorted

Master data not sorted
Para verificar que usted tenga un identificador nico se recomienda que lo verifique por medio del
comando isid.
37
INSTRUCTOR
isid id num
Si emerge error es porque el identificador se repite y si va hacer una fusin tendr inconvenientes.
Al momento de realizar el merge se crea una variable denominado _merge, que contiene tres
valores:
_merge = = 1 Las observaciones son originarias del archivo master o base

_merge = = 2 Las observaciones son originarias del archivo using
_merge = = 3 Las observaciones se encuentran en ambos archivos
Siguiendo con el ejemplo anterior, vamos a agregar a la base de datos PERSONAS.dta, nuevas
variables con la informacin sobre el nivel educativo y los aos de educacin aprobados de las
personas. Esta informacin se encuentra en la base de datos EDUCACION.dta. Los pasos a seguir
para realizar este tipo de pegue son:
1. Cargar la base using (EDUCACION.dta) de donde queremos traer las nuevas variables, la
ordenamos de acuerdo con la(s) variable(s) identificadora(s) numero y e01 y salvamos los
cambios. El comando para ordenar las observaciones es sort as:
use EDUCACION
sort numero e01
d
save EDUCACION, replace
En este caso, el comando save est acompaado de la opcin replace la cual denota que se
est sobrescribiendo en la base EDUCACION original.
2. Cargar la base master (PERSONAS.dta), la ordenamos por el mismo criterio anterior y

salvamos los cambios.
use PERSONAS
sort numero e01
d
save PERSONAS, replace
3. Aplicamos el comando merge para pegar horizontalmente las dos bases as:
La base de datos PERSONAS.dta contiene ahora las variables de la base de datos

EDUCACION.dta, creando automticamente la variable _merge.
2.10 CAMBIO EN LA ORGANIZACIN DE LOS DATOS
38
INSTRUCTOR
Cuando una base de datos tiene ms de una observacin por unidad de estudio (individuo, pas,
empresa, etc.) nos puede interesar slo trabajar con una observacin por unidad (collapse) o
mantener las observaciones distintas para cada individuo pero que se creen como variables o
columnas distintas (reshape)
2.10.1 Collapse
Si se tiene una base de datos de hogares, cada observacin es un miembro del hogar. Si cada hogar
dispone de un identificador nico, entonces se puede formar una base de datos alternativa que
contenga una sola observacin por hogar (en lugar de una observacin por individuo) para cada una
de las variables deseadas. Esta observacin puede contener la media, desviacin estndar, suma u
otro estadstico. Ejemplo:
collapse (mean) edad (max) educacin (p50) ingreso, by(hogar)
Lo anterior crea una base de datos con cuatro variables, hogar, edad, ingreso y educacin.
Con frecuencia, la informacin estadstica tiene algn grado de reserva o confidencialidad que la
hace no accesible al pblico en su forma original. La mayor parte de la informacin proveniente de
bases de datos grandes, por ejemplo las encuestas (de personas, de hogares, de empresas de la
industria manufacturera, etc.) o los censos (de poblacin, de instituciones educativas, de
edificaciones, etc.) suele ser presentada en tablas resumen y en bases de datos colapsadas o
agregadas.
En Stata es posible colapsar bases de datos a travs del comando collapse. Debe tenerse en cuenta:
1) La(s) variable(s) de agregacin: Variable(s) que definen las nuevas unidades de observacin
u observaciones agregadas.
2) El(Los) criterio(s) de agregacin: Es la(s) operacin(es) matemtica(s) que ser(n)
aplicados a la base de datos original para obtener las nuevas unidades de observacin colapsadas:
suma, media, mediana, cuenta, percentil, etc.
3) La base de datos original ha sido modificada. Debera salvarse con un nuevo nombre.
Por ejemplo, a partir de la base personas.dta, se puede obtener una base de datos agregada por
localidad y sexo as:
collapse (mean) edu007, by(localid e03)
39
INSTRUCTOR
La variable edu007 corresponde a los aos de educacin promedio y jefe a la suma de los jefes de
hogar, en ambos casos, por localidad y sexo.
2.10.2 Reshape
En algunas ocasiones dependiendo del estudio muestral y de la construccin de la base de datos,

usted encontrar su informacin en dos formatos, ancho (wide) y largo (long), el formato ancho es
aquel en el cual usted tiene un conjunto i de individuos y un nmero j de variables, donde j es
generalmente una variable con informacin para diferentes perodos de tiempo.
Para mostrar un ejemplo, utilizaremos la base de datos reshapeState descrita en el libro [1]:
use http://www.stata-press.com/data/imeus/reshapeState, clear

list
state pop1970 pop1980 pop1990 pop2000 area
1. CT .1369841 .6184582 .4241557 .2648021 .871691

2. MA .6432207 .0610638 .8983462 .9477426 .4611429
3. ME .5578017 .5552388 .5219247 .2769154 .4216726
4. NH .6047949 .8714491 .8414094 .1180158 .8944746
5. RI .684176 .2551499 .2110077 .4079702 .0580662
6. VT .1086679 .0445188 .5644092 .7219492 .6759487
En este caso se encuentran seis cdigos de estados de nueva Inglaterra, y aparece la informacin de
la poblacin desde 1970 hasta el 2000 calculada cada dcada, a continuacin transformaremos la
base de datos de formato wide a long por medio del comando reshape, la estructura de este
comando es:
reshape long variable_j, i(variable_individuos) j(nombre nueva variable)

reshape wide variable_j, i(variable_individuos) j(variable_temporal)
40
INSTRUCTOR
con la base de datos actual pasaremos de wide a long
reshape long pop, i(state) j(ao)

Data wide -> long
>
Number of obs. 6 -> 24
Number of variables 6 -> 4
j variable (4 values) -> ao
xij variables:
pop1970 pop1980 ... pop2000 -> pop
list
state ao pop area
1. CT 1970 .1369841 .871691

2. CT 1980 .6184582 .871691
3. CT 1990 .4241557 .871691
4. CT 2000 .2648021 .871691
5. MA 1970 .6432207 .4611429
6. MA 1980 .0610638 .4611429

7. MA 1990 .8983462 .4611429
8. MA 2000 .9477426 .4611429
9. ME 1970 .5578017 .4216726
10. ME 1980 .5552388 .4216726
11. ME 1990 .5219247 .4216726

12. ME 2000 .2769154 .4216726
13. NH 1970 .6047949 .8944746
14. NH 1980 .8714491 .8944746
15. NH 1990 .8414094 .8944746
16. NH 2000 .1180158 .8944746

17. RI 1970 .684176 .0580662
18. RI 1980 .2551499 .0580662
19. RI 1990 .2110077 .0580662
20. RI 2000 .4079702 .0580662
21. VT 1970 .1086679 .6759487

22. VT 1980 .0445188 .6759487
23. VT 1990 .5644092 .6759487
24. VT 2000 .7219492 .6759487
Si se encuentra usted con una base de datos similar a la generada con el comando reshape, podr
pasarla a formato wide, en nuestro caso usaremos la siguiente sintaxis
reshape wide pop, i(state) j(year)
Continuando con el ejemplo de la encuesta de hogares. Se puede hablar de orientacin vertical u

horizontal cuando a cada una de las observaciones i en una base de datos, se las segmenta por algn
criterio j (v.g., diferentes periodos de tiempo). En nuestro ejemplo, cada una de las localidades i,
ha sido segmentada por sexo j, mientras que la base de datos en conjunto ha sido desplegada de
forma vertical. En este caso sin embargo, puede resultar ms cmodo emplear una base de datos
orientada horizontalmente, en particular si se quieren hacer comparaciones para cada una de las
localidades entre hombres y mujeres. Podemos emplear el comando reshape, acompaado de las
opciones wide (despliegue horizontal) o long (despliegue vertical), para cambiar la orientacin de la
base de datos colapsada as:
reshape wide edu007, i(localid) j(e03)
41
INSTRUCTOR
Para volver a la forma vertical
reshape long edu007, i(localid) j(e03)
2.10.3 Xpose
Usted podr modificar la orientacin de una forma completa en su base de datos, es decir, pasar de
filas a columnas (similar a realizar un transponer en Excel), debe tener cuidado dado que no podr
retornar a la posicin inicial.
sysuse auto , replace

snapshot save, label(base original)
42
INSTRUCTOR
keep mpg foreign

xpose , clear
2.10.4 Stack
El comando stack le permitir a usted fusionar variables por ejemplo tiene los meses de cada ao
ordenados en columnas y quiero formar una sola variable con todos los meses para todos los aos
2.10.5 Extraer una muestra aleatoria de su base
En algunas ocasiones para hacer estudios muestrales requiere que la base de datos sea dividida por
un mtodo aleatorio, para ello podr hacer uso del comando simple
sample 80 || tomar el 80% de la muestra

sample 20, count || tomar 20 observaciones a la zar
2.11 PROBLEMAS EN EL MANEJO DE BASES DE DATOS
Cuando usted trabaja con bases de datos en el da a da se encontrar con diferentes problemas y
situaciones que lo pondrn a prueba en el manejo no solo de Stata sino en el conocimiento de su
informacin, por eso es importante que siempre se pregunte antes de hacer cualquier cambio en su
base de datos, qu quiere hacer y cul es el resultado esperado, de esta forma podr pensar ms
fcilmente que tipo de ejecucin requiere en Stata para llegar a su objetivo, a continuacin
presentaremos un conjunto de comandos que presentan algunos casos tpicos en el manejo de bases
de datos.
2.11.1 Replicar informacin
Dependiendo su anlisis podr requerir replicar algn tipo de informacin de su base de datos, por
ejemplo un cliente, un usuario, un grupo, una empresa, un pas, aunque no es una alternativa muy
comn, Stata le ayudar a realizar la reproduccin de sus datos, expand, es el comando para
duplicar informacin, pero con la caracterstica que lo puede hacer n veces
sysuse auto, clear

keep if price > 12000
list make price
make price
1. Cad. Eldorado 14,500

2. Cad. Seville 15,906
3. Linc. Mark V 13,594
4. Linc. Versailles 13,466
5. Peugeot 604 12,990
expand 3
43
INSTRUCTOR
De acuerdo al comando usado, los datos se encontrarn 3 veces en la base de datos, tal y como se
presenta a continuacin.
sort make price

list make price
make price



13. Peugeot 604 12,990
14. Peugeot 604 12,990
15. Peugeot 604 12,990
2.11.2 Verificacin de datos
El comando assert le permitir verificar la valides de sus datos, este comando le ofrece la
posibilidad de incluir en un archivo de programacin una condicin, si la condicin se cumple
parar la ejecucin de la programacin, y de esta forma usted podr chequear si hay algo que no es
correcto en su base de datos, por ejemplo, usted tiene una base de datos con la edad de las personas,
podr utilizar assert para verificar que en sta variable no hayan datos extraos, como una edad
mayor a 100 aos o menor a 0. La estructura sera
assert edad < 0 | edad > 100
Y an ms completo recomendaramos incluir evaluar valores perdidos
assert edad < 0 | edad > 100 | edad = =.
2.11.3 Contador y reporte de datos repetidos
El comando count cuantifica el nmero de observaciones con ciertas caractersticas. La

instruccin por s sola, presenta el nmero total de observaciones, pero es posible
determinar algunas restricciones
44
INSTRUCTOR
Data Data Utilities Count obsevations

count if foreign ==1
El comando isid nos permite asegurar que una variable es una codificacin nica dentro de
una base de datos, este comando se usa generalmente para chequear que no existan
observaciones duplicadas dentro de una base de datos. Si la variable tiene exactamente
valores nicos entonces no emerge ningn mensaje, de lo contrario aparece lo siguiente:
isid foreign
variable foreign does not uniquely identify the observations
Otro comando que permite verificar si una variable no tiene valores duplicados es
duplicates report, que entrega informacin respecto a la cantidad de veces que se replica la
informacin.
2.12 ANLISIS DE DUPLICADOS
Uno de los problemas comunes en el manejo de una base de datos es analizar si hay
presencia de observaciones duplicadas
En muchas ocasiones el analista de la informacin se enfrenta con un problema muy comn

y es la rplica de la informacin, por problemas de digitacin y/o captura de la informacin,
se puede repetir un caso, para ello Stata cuenta con un grupo de diferentes opciones que le
ayudarn a solucionar este problema tan comn, con las herramientas vistas hasta el
momento como la creacin de variables, condicionales, transformacin entre otras tiene a la
mano diferentes formas de conocer cundo hay un valor repetido o similar en la base de
datos,
Data Data utilities Manage Duplicate Observations
Figura 18. Administracin de Duplicados
45
INSTRUCTOR
En la figura 18 puede observar las opciones disponibles para el manejo de datos duplicados, se
recomienda seguir cada una de las opciones, Report Duplicates le ofrece la opcin de seleccionar
bajo que variable(s) desea analizar si existen duplicados o no, por ejemplo:
sysuse auto, clear

keep if price > 12000
expand 3
duplicates report make
Lo que nos generareport

. duplicates el siguiente
makeresultado
Duplicates in terms of make
copies observations surplus
3 15 10
El resultado indica que hay 15 observaciones en total de las cuales hay 10 en exceso o duplicadas,
indica adicionalmente que para cada observacin hay 3 copias.
Para ver el listado total de elementos duplicados
duplicates list make
46
INSTRUCTOR
Duplicates in terms of make
group: obs: make
1 1 Cad. Eldorado
1 6 Cad. Eldorado
1 7 Cad. Eldorado
2 2 Cad. Seville
2 8 Cad. Seville
2 9 Cad. Seville
3 3 Linc. Mark V
3 10 Linc. Mark V
3 11 Linc. Mark V
4 4 Linc. Versailles
5 5 Peugeot 604
5 14 Peugeot 604
5 15 Peugeot 604
Como se puede observar para cada marcar de automvil hay dos valores adicionales, lo que ya nos
haba indicado la opcin report informando que haban tres observaciones para cada categora.
La siguiente opcin Tags duplicates permite crear una variable que indica el nmero de valores
adicionales en este caso ser 2, si utilizamos el tag y hacemos una lista se apreciar el resultado.
duplicates tag make, generate(duplicado)

list make duplicado
47
INSTRUCTOR
make duplic~o
1. Cad. Eldorado 2
2. Cad. Eldorado 2
3. Cad. Eldorado 2
4. Cad. Seville 2
5. Cad. Seville 2
6. Cad. Seville 2
7. Linc. Mark V 2
8. Linc. Mark V 2
9. Linc. Mark V 2
10. Linc. Versailles 2

13. Peugeot 604 2
14. Peugeot 604 2
15. Peugeot 604 2
Uno de los objetivos es eliminar los valores duplicados
Para ello use la opcin drop duplicates
FIGURA 19. Eliminacin de duplicados

duplicates drop make, force
list make
48
INSTRUCTOR
make
1. Cad. Eldorado
2. Cad. Seville
3. Linc. Mark V
4. Linc. Versailles
5. Peugeot 604
2.13 CREACIN DE PROGRAMAS EDITOR DE TEXTO
El usuario puede abrir un editor de texto donde puede crear programas (archivos .do y .ado de
Stata) haciendo clic en el icono de la ventana New Do-file Editor como se muestra en la siguiente
ilustracin o presionando control+8 o haciendo clic en el submen Do-file Editor en el men
Window en la barra de herramientas.
FIGURA 19. Creacin de un archivo .do
El usuario puede ejecutar uno o ms comandos simultneamente, generar (macros) o crear rutinas
nuevas para STATA desde un editor de texto al que se accede haciendo clic en el icono New Do-
file Editor. A travs de este editor se pueden crear archivos tipo *.do y *.ado. Los archivos *.do
son conjuntos de comandos y macros que nicamente se pueden ejecutar cuando el archivo est
activo. En contraste, los archivos *.ado son rutinas que se incorporan a STATA permanentemente y
pueden ser ejecutadas desde la el cuadro de comandos o incluso desde otros archivos *.do y *.ado.
Se accede a este editor como se muestra en la siguiente ilustracin, presionando control+8 o
haciendo clic en el submen Do-file Editor en el men Window en la barra de herramientas.
(Darw.)
2.14 COMENTARIOS ADICIONALES LOG FILES
COMANDOS USADOS
append bysort
browse cd
by clear
49
INSTRUCTOR
codebook list
compress log
db merge
decode mvdecode
describe mvencode
destring open
drawnorm order
drop outfile
duplicates prefix
edit recode
encode rename
egen replace
exit reshape
format save
generate snapshot
gsort sort
infile sysuse
insheet use
invnormal() uniform()
keep varmanage
label xpose
OTROS COMANDOS RECOMENDADOS
capture mat
cf more
count notes
cross sample
datasignature seed
expand separate
filin split
format stack
infile svy
inspect tostring
joinby translate
label language versin
language operators
3 { TC "MANEJO FUNDAMENTAL DE STATA 11" }ANLISIS

ESTADSTICO CON Stata
Stata tiene una amplia posibilidad de realizar los procedimientos generalmente es posible encontrar
varios comandos en diferentes mens. Por ejemplo para poder obtener las estadsticas descriptivas
de una variable es posible usando inicialmente los comandos o por medio de ventanas de ejecucin.
50
INSTRUCTOR
Algunos comandos despliegan mucha informacin que se va mostrando por secciones, para que
sigan apareciendo los resultados es necesario dar clic en el botn GO, o en el mensaje de more-
que aparece en la parte inferior de la ventana de resultados.
Pero es posible desactivar la opcin para que emerga todo el resultado inmediatamente por medio
de set more off.
Para el anlisis estadstico el men Statistics permite obtener gran cantidad de opciones para poder
desarrollar los temas del curso. Por ejemplo en Statistics Summary, tables, and test Summary
and descriptive analysis:
pueden realizar varias operaciones

como son clculo del intervalo de confianza, test para medias, varianzas, dos muestras, etc., pruebas
parmetricas y no parmetrica
3.1 ESTADSTICAS DESCRIPTIVAS
Para poder realizar este tipo de procedimiento se escribe en la barra de comandos el comando sum
que es el prefacio del comando summarize es un comando estndar para generar estadsticos
descriptivos, proporciona informacin acerca del nmero de observaciones, la media, la desviacin
tpica, el mnimo y el mximo de la variable especificada,
51
INSTRUCTOR
Lo que nos genera:
Si agregamos la opcin detail, se agrega el coeficiente de asimetra, y curtosis y varios percentiles

de la(s) variable(s) dadas:
3.2 PONDERADORES WEIGHT-
52
INSTRUCTOR
fweight: frequency weights, indica el nmero de casos que representa realmente cada observacin
muestral. La variable debe contener enteros positivos.
pweight: sampling weights, indica la inversa de la probabilidad de seleccin muestral de cada

observacin. Han de ser positivos, pero no necesariamente enteros.
aweight: analytic weights, indica los pesos inversamente proporcionales a la varianza de cada
observacin. Un uso tpico de este tipo de ponderacin es cuando las observaciones son medias y el
peso representa el nmero de elementos que generan la media. Han de ser positivos, pero no
necesariamente enteros.
Iweight (importance weights): estos comandos no tienen definicin estadstica formal, simplemente
representan de alguna forma la importancia que se atribuye a cada observacin. Cada comando que
los acepta explica cmo los utiliza puede tener cualquier forma.
3.3 CALCULO DE MEDIAS
Medias Statistics Summarize, tables and test

Arith/Geometric/Armonic means
. mean price
Mean estimation Number of obs = 74
Mean Std. Err. [95% Conf. Interval]
price 6165.257 342.8719 5481.914 6848.6
3.4 INTERVALOS DE CONFIANZA
53
INSTRUCTOR
Intervalos de confianza Statistics Summarize, tables and test Summary and descriptive
. ci price
Variable Obs Mean Std. Err. [95% Conf. Interval]
price 74 6165.257 342.8719 5481.914 6848.6
3.5 PRUEBAS DE HIPTESIS
3.5.1 Media
Con Stata puede hacer pruebas de hiptesis de diferencia de medias
ttest horas = 15
ttest horas = wporhora
3.5.2 Varianza
3.5.3 Proporciones
3.6 MANEJO DE Tablas DE DATOS
54
INSTRUCTOR
Gran variedad de opciones para analizar encuestas como tablas de doble y mltiple entrada, de igual
forma permite ver la tabla de frecuencias.
3.6.1 tabstat
Para la generacin de tablas descriptivas y de doble entrada, Stata ofrece diferentes opciones, la
opcin tabstat la cual calcula la media de cada variable
55
INSTRUCTOR
3.6.2 Tabulate (tab)
Este comando permite construir tablas de frecuencias.

. tabulate rep78
Repair
Record 1978 Freq. Percent Cum.
1 2 2.90 2.90
2 8 11.59 14.49
3 30 43.48 57.97
4 18 26.09 84.06
5 11 15.94 100.00
Total 69 100.00
Si se desean que aparezcan los porcentajes, se debe agregar la siguiente opcin
Finalmente puede crear una variable dummy para cada categora, simplemente, agregue la opcin
generate.
tabulate rep78, generate(dummy)
3.7 PRUEBAS PARAMTRICAS
3.8 PRUEBAS NO PARAMTRICAS
56
INSTRUCTOR
Statistics Summarize, tables and test Nonparametric Test of

hyphotesis
. ksmirnov price = mpg
One-sample Kolmogorov-Smirnov test against theoretical distribution

mpg
Smaller group D P-value Corrected
price: -11.0270 0.000

Cumulative: -40.4189 0.000
Combined K-S: 40.4189 0.000 0.000
COMANDOS USADOS
anova quietly
ci scalar
collapse sktest
contract summarize
correlate table
display tabulate
estat tabstat
level tab1
mean tab2
misstable test
oneway ttest
pwcorr xi
OTROS COMANDOS RECOMENDADOS

57
INSTRUCTOR
compare Stem
Ereturn tabi
ktau Weight
ladder set level 90
Return outreg2
Signtest outreg
spearman
4 { TC "MANEJO FUNDAMENTAL DE STATA 11" }GRFICAS CON

Stata
Stata cuenta con una poderosa herramienta grfica, permitiendo obtener grficas de excelente
calidad y con varias opciones de edicin de las mismas, es posible realizar grficas como
histogramas, barras, de torta, series de tiempo, Box plot, dispersin, para datos panel y para otros
tipos de anlisis como son de supervivencia, multivariado, control de calidad, etc.
Stata tiene dos formas de generar mltiples grficos, a travs de la ventana de comandos con el
comando graph o utilizando la barra de herramientas en Graphics. El comando graph se utiliza con
el tipo de grfico a realizar. A continuacin se presenta la lista de posibles grficos
Grficos TWOWAY:
Plottype description
---------------------------------------------------------------------
scatter scatterplot
line line plot
connected connected-line plot
scatteri scatter with immediate arguments
area line plot with shading
bar bar plot
spike spike plot
dropline dropline plot
dot dot plot
rarea range plot with area shading
rbar range plot with bars
rspike range plot with spikes
rcap range plot with capped spikes
rcapsym range plot with spikes capped with symbols
rscatter range plot with markers
rline range plot with lines
rconnected range plot with lines and markers
pcspike paired-coordinate plot with spikes
pccapsym paired-coordinate plot with spikes capped with symbols
pcarrow paired-coordinate plot with arrows
pcbarrow paired-coordinate plot with arrows having two heads
pcscatter paired-coordinate plot with markers
58
INSTRUCTOR
pci pcspike with immediate arguments

pcarrowi pcarrow with immediate arguments
tsline time-series plot
tsrline time-series range plot
mband median-band line plot
mspline spline line plot
lowess LOWESS line plot
lfit linear prediction plot
qfit quadratic prediction plot
fpfit fractional polynomial plot
lfitci linear prediction plot with CIs
qfitci quadratic prediction plot with CIs
fpfitci fractional polynomial plot with CIs
function line plot of function
histogram histogram plot
kdensity kernel density plot
lpoly local polynomial smooth plot
lpolyci local polynomial smooth plot with CIs
Otros tipos de grficos
graph matrix Matrices de grficos

graph bar Grficos de barras vertical
graph hbar Grficos de barras horizontal
graph dot Grficos de medias
graph box Grficos de cajas
graph pie Grficos de tortas
Ejemplos:
graph twoway connected var1 var3

graph twoway scatter var3 var1 var4
graph box var5 if dummy = =1
graph pie var3 var1 in 1/30
Para grabar un grfico, se usa el comando graph save graph.gph y el nombre del archivo, recuerde
que la extensin de los grficos de Stata es .gph. Si lo queremos llamar de nuevo usamos graph use
graph.gph
Es posible combinar grficos por medio del comando combine graph1 graph2..
A continuacin se presenta una explicacin ms detallada de la creacin de los diferentes tipos de

grficos
4.1 HISTOGRAMAS
59
INSTRUCTOR
Histograma: Graphics Histogram
- histogram price, normal

(bin=33, start=2006, width=258942.94)
60
INSTRUCTOR
3.0e-04
2.0e-04
Density
1.0e-04
0 5,000 10,000 15,000

Price
4.2 GRFICO DE TORTAS
Grfica de Tortas : Graphics Pie Chart
61
INSTRUCTOR
29.73%
70.27%
Domestic Foreign
GRAFICAS DE TORTAS
62
INSTRUCTOR
Utilizando la base NLSW.DTA, genere las siguientes grficas:

graph pie, over(occ7) legend(on cols(1) position(9))
Prof
Mgmt
Sales
Cler.
Operat.
Labor
Other
graph pie, over(occ7) pie(4, explode(large)) legend(on cols(3)) scheme(economist)
Prof Mgmt Sales

Cler. Operat. Labor
Other
graph pie, over(occ7) pie(4, explode(large)) plabel(_all percent, color(black) size(large)

format(%9.2f)) legend(on cols(3)) scheme(economist)
63
INSTRUCTOR
Prof Mgmt Sales

Cler. Operat. Labor
Other
13.58% 14.11%
12.73% 11.75%
10.95%
4.54% 32.32%
graph pie, over(occ7) pie(4, explode(large)) plabel(_all name, color(black) size(medlarge)

format(%9.2f)) legend(on cols(3)) scheme(economist)
Prof Mgmt Sales

Cler. Operat. Labor
Other
Other Prof
Labor Mgmt
Operat.
Cler. Sales
64
INSTRUCTOR
graph pie, over(occ7) pie(4, explode(large)) plabel(_all name, color(black) size(medlarge)

format(%9.2f)) legend(off) scheme(economist)
Other Prof
Labor Mgmt
Operat.
Cler. Sales
graph pie, over(occ7) plabel(_all name, gap(-5)) plabel(_all percent, gap(5)) legend(off)
13.58% 14.11%
Other Prof
12.73% 11.75%
Labor Mgmt
Operat.
10.95%
Cler.
Sales
4.541%
32.32%
65
INSTRUCTOR
graph pie, over(occ7) scheme(vg_s2c) by(union) pie(2, explode)
nonunion union
Prof Mgmt
Sales Cler.
Operat. Labor
Other
Graphs by union worker
4.3 GRFICO DE CAJAS
Box Plot: Graphics Box Plot
66
INSTRUCTOR
15,000
Price 10,000
5,000
4.4 GRAFICAS TWOWAY
TWOWAY GRAPH
Todos los comandos para graficas empiezan por graph, pero esto es opcional dependiendo el tipo de
grfico solo se pone la opcin TWOWAY
67
INSTRUCTOR
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
4.5 EDITOR DE GRFICOS DE Stata
68
INSTRUCTOR
HACIENDO DOBLE CLIC SOBRE EL REA DE LA GRAFICA
Podemos agregar lneas horizontales o verticales indicando el valor del eje Y/o X donde deseamos
agregar la lnea
69
INSTRUCTOR
Usando los comandos para hacer esta grfica solo es necesario escribir
Scatter mpg weight
PODEMOS CREAR GRFICOS POR GRUPOS USANDO EL COMANDO BY
twoway scatter mpg weight, by(foreign)
Domestic Foreign
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000 2,000 3,000 4,000 5,000

Weight (lbs.)
Graphs by Car type
Para acceder por medio de ventanas
70
INSTRUCTOR
Es posible crear varios tipos de grficas en un solo grfico algo muy usual es el uso de la grfica
SCATTER con una recta de regresin ajustada.
Debemos Crear un nuevo grafico sin eliminar el anterior
71
INSTRUCTOR
40
30
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
Mileage (mpg) Fitted values
twoway scatter mpg weight || lfit mpg weight CON UNA NOTACIN DIFERENTE DE
SEPARACION
twoway (scatter mpg weight) (lfit mpg weight)
ALGUNOS EJEMPLOS:
- twoway (qfitci mpg weight, stdf) (scatter mpg weight), by(foreign)
Domestic Foreign
40
30
20
10
0
2000 3000 4000 5000 2000 3000 4000 5000

Weight (lbs.)
95% CI Fitted values
Mileage (mpg)
Graphs by Car type
4.6 GRAFICA DE SERIES DE TIEMPO
sysuse uslifeexp
twoway line le_wm year || line le_bm year
72
INSTRUCTOR
80
70
60
50
40
1900 1920 1940 1960 1980 2000

Year
Life expectancy, males Life expectancy, females
Usando la base sp2001ts.dta
73
INSTRUCTOR
1400
1300
High price/Low price
1200
1100
1000
900
1Jan01 1Apr01 1Jul01 1Oct01 1Jan02

Date
Hacer con los mismos datos usando las opciones de: area, rarea, rconnected, rcap y rbar
4.7 SCATTER GRAPH
74
INSTRUCTOR
graph matrix popgrowth lgnppc safewater lexp

6 8 10 50 60 70 80
4
Avg.
annual 2
%
growth
0
10
8 lgnppc
6
100
safewater 50
0
80
70 Life
expectancy
60 at birth
50
0 2 4 0 50 100
4.8 GRAFICA DE PUNTOS
Installar archivos y esquemas de A visual guide to Stata Graphics

net from http://www.stata-press.com/data/vgsg
net spjanfeb2001.dta
twoway (dropline close tradeday, sort)
75
INSTRUCTOR
1400
1350
Closing price
1300
1250
0 10 20 30 40
Trading day number
Realizar con los mismos datos pero usando los formatos: spike, dot, line y connected
Usando la base allstate3.dta, genere la siguiente grfica
WV
75
DE
AL MS
AR
% who own home
SC
OK KY
TN
70
NC
FL
LA
MD VA
GA
TX
65
30 40 50 60 70 80
% born in state of residence
4.9 GRAFICOS DE BARRAS
Usando la base de datos nlsw.dat
76
INSTRUCTOR
77
INSTRUCTOR
8
6
4
2
0
Prof/Mgmt Sales Clerical Labor/Ops Other

mean of tenure mean of prev_exp
Genere la misma grfica pero que en el eje Y aparezca el porcentaje.
graph bar (mean) tenure (mean) prev_exp, over(occ5) percentages
graph bar (mean) tenure (mean) prev_exp, over(occ5) stack

15
10
5
0
Prof/Mgmt Sales Clerical Labor/Ops Other

mean of tenure mean of prev_exp
78
INSTRUCTOR
La opcin de STACK produce una grfica donde cada barra sera de dos o ms barras apiladas, por
lo que la divisin muestra la relacin de las variables con respecto a total de la suma de las
variables.
4.10 OPCIONES Y EJEMPLOS
Grficas con weight

Allstates.dta
twoway scatter ownhome borninstate [aweight = propval100], msymbol(oh)
80
70
% who own home
60
50
40
20 40 60 80
% born in state of residence
twoway (scatter propval100 region), xlabel(, valuelabel)
79
INSTRUCTOR
100
80
60
40
20
0
NE N Cntrl South West

Census region
Generando Funciones:
80
INSTRUCTOR
5
4
3
y
2
1
0
0 5 10 15 20
x
Genere el logaritmo de X, una distribucin normal, el valor absoluto, x2, x3, seno, coseno y
tangente.
Pirmides poblacionales
Por medio de la grfica de barras es posible realizar una pirmide poblacional, para ello se usar la
base de datos pop2000mf.dta, primero se calcularn algunas variables por milln de personas:
gen fenmil = femtotal/1000000

gen malmil = -maletotal/1000000
gen zero = 0
81
INSTRUCTOR
82
INSTRUCTOR
10
5
0
-5
-10
0 5 10 15 20
Age category
malmil fenmil
83
INSTRUCTOR
20
15
Age category
10
5
0
-10 -5 0 5 10
malmil fenmil
84
INSTRUCTOR
85
INSTRUCTOR
80 to 84
75 to 79
70 to 74
65 to 69
60 to 64
55 to 59
50 to 54
45 to 49
40 to 44
35 to 39
30 to 34
25 to 29
20 to 24
15 to 19
10 to 14
5 to 9
Under 5
10 5 0 5 10
Poblacin en Millones
malmil fenmil
4.11 COMBINANDO GRFICAS
graph combine "C:\Users\USER\Desktop\Graph1.gph" "C:\Users\USER\Desktop\Graph2.gph"
4.12 OTRAS GRFICAS
86
INSTRUCTOR
4.12.1 Kdensity
sysuse auto
kdensity length
Kernel density estimate

.015
.01
Density
.005
140 160 180 200 220 240

Length (in.)
kernel = epanechnikov, bandwidth = 8.4732
4.12.2 Qnorm
qnorm price
15,000
Price 10,000
5,000
0 5,000 10,000 15,000

Inverse Normal
87
INSTRUCTOR
4.12.3 Quantile
quantile price
15000
10000
Quantiles of Price
5000
0 .25 .5 .75 1
Fraction of the data
COMANDOS USADOS
bar Quantile
box Cchart
combine pchart
dot Rchart
graph Xchart
Histogram rvpplot
kdensity scatter
Matrix title
Pie Twoway
Qnorm Tsline
EJERCICIO 1
Los datos correspondientes a los profesores de la Universidad Rafael Nez se encuentran

contenidos en el documento Docentes1.csv. Se le ha encomendado a usted la tarea de analizarlos en
Stata. Las variables que contiene el archivo son las siguientes:
Nombre de la variable Etiqueta de la variable

Num Cdigo interno de identificacin
88
INSTRUCTOR
Nombres
Apellidos
Documento Documento de identidad
Dependencia Lugar en que labora
Dedicacin Categora bajo la cual fue contratado
fecha_ingreso
estado_civil
Sueldo
Carro Respuesta a pregunta tiene o no carro
Categora Cargo que desempea
Para iniciar el anlisis de los datos deber llevar a cabo las siguientes tareas:
Importar los datos al programa: Las variables no tienen nombre. Usted deber ingresarlos
manteniendo el orden y sintaxis del cuadro anterior, por el mtodo que considere conveniente.
- Pistas: El cuadro de dilogo del comando con el cual importa los datos en formato csv.
Los nombres de las variables no deben contener espacios.
- Problema: Datos mal importados

Pista: Separador de variables
Crear y asignar etiquetas a variables numricas
El siguiente cuadro le indica las etiquetas que debe crear para cada variable:
Variable Valor Etiqueta

Dependencia 1 Agronoma
2 Artes
3 Ciencias
4 Ciencias Agropecuarias
5 Ciencias Econmicas
6 Ciencias Humanas
7 Derecho
8 Divulgacin Cultural
9 Enfermera
10 Estudios Ambientales
11 Generacin 125 aos
12 I.C.T.A.
13 Idiomas Extranjeros
14 Ingeniera
15 Instituto de Biotecnologa
89
INSTRUCTOR
16 Instituto de Estudios
17 Polticos
18 Instituto de Gentica
19 Medicina
20 Odontologa
Veterinaria y Zootecnia
Estado Civil 1 Casado
2 Separado
3 Soltero
4 Unin Libre
5 Viudo
Carro 1 No
2 Si
Categora 1 Experto DOS
2 Instructor Asistente
3 Instructor Asociado
4 Profesor Asistente
5 Profesor Asociado
Crear etiqueta para variable de texto Dedicacin
- Pista: El contenido de la variable debe ser reconocido como una etiqueta (encode).
Adicionar datos y variables: Resulta que la persona que digit los datos lo hizo de forma
incompleta, omitiendo datos y variables. Los datos adicionales (802) fueron posteriormente
almacenados en el archivo Docentes2.dta y la variable gnero, para el total de los encuestados
(2302), fue introducida en el archivo Genero_docentes.dta. Usted deber introducirlos en la
base que est trabajando correctamente, es decir, manteniendo la correspondencia entre los
datos.
Una vez incorporada la variable gnero, cree la etiqueta, conforme al formato de la variable.
Filtros (browse , list, edit, keep y drop)

NOTA: PRIMERO GUARDE LA BASE DE DATOS EN EL SNAPSHOT
- Filtre por las siguientes condiciones, los docentes hombres que trabajan en la dependencia
Ciencias Econmicas (5), tienen un salario inferior a 1500000 y son viudos (5). Exporte
el resultado en un archivo formato csv con el nombre filtro_01,
- Exporte en un archivo formato csv con el nombre filtro_02, los datos correspondientes a
las personas mujeres que no tienen carro (1) , viven en unin libre (4) , son profesor
asociado o asistente (4 5) y trabajan en las dependencias de Ciencias, Artes o Ingeniera
(2 3 14).
90
INSTRUCTOR
EJERCICIO 2
Durante el ao 2001, se realiz una Encuesta sobre la Juventud Espaola. La muestra era de 10.000
jvenes, de la que se han seleccionado tan slo aquellos entrevistados con estudios universitarios
(717 sujetos). De las 60 preguntas de que constaba el cuestionario, el archivo de datos (base.dta)
slo recoge 20 preguntas mostradas a continuacin, tal como se plantearon a los entrevistados.
Organice la informacin, no olvide crear el archivo LOG, debe crear las etiquetas (labels) a
las variables y sus valores.
NOTA: Al final usted debe enviar al correo brayanrojas2@gmail.com el archivo log y el

archivo .do
Los nombres que tienen las variables (V1 a V20) en la base de datos corresponden a las siguientes
variables, por ejemplo v1 = OCIO.
OCIO
HORAS
TV
INFANCIA
CAMA
LIMPIAR
NIOS
HIJOS1
HIJOS2
AMOR
COLEGIO
LIBROS
RELIGION
ESCALA
INGRESO1
INGRESO2
INGRESO3
INGRESOT
GENERO
EDAD
ENCUESTA
P.1 Para empezar y refirindonos a lo que haces en tus das de ocio, quisiramos saber cul es la
actividad que ms te gusta hacer fuera de casa cuando dispones de tiempo libre?
- Beber, ir de copas, bailar 1
- Hacer deporte 2
- Viajes, excursiones 3 OCIO
- Ir al cine, al teatro 4
- Ir a museos, ir a conciertos 5
- Leer 6
91
INSTRUCTOR
P.2 En total, cuntas horas libres tienes a la semana para tu ocio o diversin?
_______ HORAS
P.3 Aproximadamente y por trmino medio, cuntas horas semanales dedicas a ver la televisin?
__________ TV
P.4 Cmo diras que ha sido tu infancia, la definiras como...

- La etapa ms feliz de tu vida 1
- Una etapa ms feliz que otras 2
- Una etapa igual de feliz que otras 3
- Una etapa menos feliz que otras 4 INFANCIA
- La etapa menos feliz de tu vida 5
P.5 Podras decirme cul es tu grado de dedicacin en las siguientes tareas de tu hogar?
- Hacer la cama 1 2 3 4 CAMA

- Limpiar la casa 1 2 3 4 LIMPIAR
- Cuidar de los hijos o hermanos pequeos 1 2 3 4 NIOS
1. No suelo hacerlo nunca

2. Slo lo hago en ocasiones
3. Comparto esta tarea con otra/s personas
4. Recae en m toda la responsabilidad, y suelo hacerlo siempre
P.6 Cuntos hijos crees que llegars a tener?
P.7 Y en el plano ideal, cuntos hijos te gustara llegar a tener?

Llegar a tener Le gustara
HIJOS1 HIJOS2
- Uno 1 1
- Dos 2 2
- Tres 3 3
- Cuatro 4 4
- Cinco 5 5
- Ninguno 0 0
P.8 En cul de las siguientes situaciones te encuentras?

- Tienes novio/a formal 1
- Ahora no tienes novio/a formal 2
- Hasta ahora slo has tenido relaciones afectivas pasajeras 3 AMOR
- Nunca has tenido una relacin afectiva especial con un chico/a 4
P9. Vamos a hablar ahora de tus estudios. En que centro realizaste la totalidad o la mayor parte de
tus estudios?
-En un centro estatal, pblico 1

-En un centro privado no religioso 2 COLEGIO
-En un centro privado religioso 3
P10. Excluyendo los libros de texto, Cuntos libros has ledo en los ltimos doce meses?
92
INSTRUCTOR
______________ LIBROS
P11. Cmo te defines en materia religiosa?

-Catlico practicante 1
-Catlico no practicante 2
-Creyente de otra religin 3 RELIGION
-No creyente 4
-Indiferente 5
P12. Cuando se habla de poltica se utilizan normalmente las expresiones izquierda y derecha. En
que casilla te colocaras? ESCALA
IZQUIERDA DERECHA
01 02 03 04 05 06 07 08 09 10
P13. Que cantidad aproximadamente de dinero (en miles de pesetas) ingresas al mes por cada uno
de los conceptos siguientes?
Ingresos personales _________________ INGRESO1

Ingresos de tu pareja _________________ INGRESO2
Aportaciones familiares _________________ INGRESO3
P14. Actualmente, entre todos los miembros de tu hogar y por todos los conceptos, de cuantos
ingresos netos (sin descuentos) dispones por trmino medio en tu hogar al mes?
-Menos o igual a 500 Euros. 1

-De 501 a 1000 Euros. 2
-De 1001 a 1500 Euros. 3
-De 1501 a 2000 Euros. 4
-De 2001 a 3000 Euros. 5 INGRESOT
-De 3001 a 4000 Euros. 6
-De 4001 a 5000 Euros. 7
-De 5001 a 7500 Euros. 8
-De 7501 a 10 Mil Euros. 9
-Ms de 10 Mil Euros. 10
P15. Sexo:
-Hombre 1 GNERO
-Mujer 2
P16. Cuntos aos cumpliste en tu ltimo cumpleaos?

____________aos EDAD
Responda las siguientes preguntas:
Enve un archivo .doc con las respuestas correspondientes.
1. Cree una variable ingreso bruto que va a ser la suma de ingreso1, ingreso2 e ingreso3.
93
INSTRUCTOR
2. Calcule los estadsticos descriptivos de cada una de las variables y analice cules tienen
valores perdidos?
Para los valores perdidos asgneles un valor verdadero de la siguiente forma
VARIABLE VALOR PERDIDO A:

OCIO 6
INFANCIA 5
HIJOS1 e HIJOS2 0
COLEGIO 1
LIBROS Depende la variable INGRESOT, por ejemplo
si INGRESOT = 1, entonces LIBROS = 9,
INGRESOT =2 LIBROS = 8, etc.
RELIGION El Valor 9 es un valor perdido
3. Realice una prueba de comparacin de medias, donde compare si la media de la variable

ingreso1 es igual a ingreso2
4. Calcule las correlaciones entre los ingresos, libros y TV, son estadsticamente
correlacionados?
5. Cuntos hombres y cuntas mujeres tienen novio y les gusta el cine?
6. Cree tres grupos para la variable INGRESOT en una sola variable que se llame
situacion_economica as: personas que ganan hasta 2000 Euros. Personas que ganan hasta
5000 Euros. y los dems. Asgneles en una nueva variable el calificativo de POBRES,
ACOMODADOS Y RICOS respectivamente. (Recomendacin use: generate y replace o
recode)
7. Cuntos POBRES, ACOMODADOS Y RICOS hay por GENERO y por EDAD

8. Cuntos individuos ven menos de 18 horas de TV?.
9. En promedio, Cuntas horas ven semanalmente la TV segn la situacin econmica?
10. Cuntos libros han ledo por SEXO y por COLEGIO las personas que sostienen un
noviazgo formal?
11. Cuntos jvenes espaoles respondieron que no suelen hacer nunca al menos uno de los
oficios del hogar?
12. Calcule el porcentaje total por fila de la variable religin independientemente del sexo?,
mencione cul es el porcentaje de columna de los que son religin: No creyente y son
mujeres, indique este valor en porcentaje con respecto al total de personas?
13. Grafique las siguientes variables, es bajo su criterio el formato de presentacin:
a. Genero e IngresoT
b. Genero, Religin e Ingreso
c. Religin, amor e hijos1
d. Ocio, horas y tv
e. Genero con ingreso1 e ingreso2
94
INSTRUCTOR
5 { TC "MANEJO FUNDAMENTAL DE STATA 11" }REGRESIN

LINEAL EN Stata6
Una de las principales fortalezas de Stata tiene que ver con la gran versatilidad, flexibilidad y
facilidad que ofrece para estimar modelos de regresin. Uno de los principales objetivos de los
modelos de regresin es explicar el comportamiento de uno o ms fenmenos (variables
dependientes) a partir de un conjunto de regresores (o variables independientes) que, en la mayora
de los casos, han sido identificados por la teora como los factores que explican el fenmeno que se
est estudiando. Sin duda, por la facilidad de su interpretacin, los modelos de regresin lineal son
los ms populares y los ms empleados por los investigadores de diferentes disciplinas.
A continuacin se presentan los pasos para estimar un modelo lineal a travs de mnimos cuadrados
ordinarios (MCO) a partir de la informacin de la base de datos ECUACION INGRESO.dta. El
ejercicio propuesto busca establecer la relacin existente entre los ingresos laborales mensuales
(expresada en logaritmos) y un conjunto de variables de contexto de los individuos (horas de trabajo
al mes, aos de educacin aprobados, aos de experiencia laboral, sexo, etc.). La teora econmica
establece que la relacin entre los ingresos laborales y el conjunto de variables de contexto
individual se puede representar (en su forma ms simple) a travs de la ecuacin
Donde el conjunto de variables empleadas en la estimacin son:
Variable Descripcin de la variable

lny Logaritmo natural del ingreso laboral mensual (Dependiente)
lnm Logaritmo natural de las horas de trabajo al mes (Independiente)
edu007 Nmero de aos de educacin aprobados (Independiente)
exp Aos de Experiencia laboral (Independiente)
exp2 Aos de experiencia laboral al cuadrado (Independiente)
e03 Dummy de sexo "1=hombre; 0=Mujer" (Independiente)
EJERCICIO:
6. A partir de la informacin de la base de datos ECUACION INGRESO.dta, generar las
variables necesarias con sus respectivas etiquetas para estimar la ecuacin (1)
DESCRIPCIN ESTADSTICA DE LA INFORMACIN: Antes de estimar la ecuacin de

ingreso (1), es conveniente realizar una primera aproximacin a los datos de forma descriptiva. El
comando summarize (en forma abreviada summ) genera las estadsticas descriptivas bsicas de
una o ms variables. La sintaxis del comando se describe a continuacin:
6
omando aboutreg
Findit aboutreg
95
INSTRUCTOR
Por ejemplo
summ lny lnm edu007 exp exp2 e03
Se obtiene el siguiente reporte:
Nmero de observaciones de cada variable (Obs),

Promedio de cada variable (Mean)
Desviaciones estndar (Std. Dev.)
Valor mnimo de cada variable (Min)
Valor mximo (Max).
Se puede obtener ms detalles estadsticos de cada una de las variables con la opcin detail as:
summ lny lnm edu007 exp exp2 e03, d
RELACIN LINEAL ENTRE LAS VARIABLES DEPENDIENTES E INDEPENDIENTES:

Con el fin de analizar la relacin lineal entre las variables regresoras del modelo calculamos la
matriz de correlaciones. A travs de la instruccin pwcorr se obtiene la matriz de correlacin de las
variables que van a ser incluidas en el modelo de regresin as:
pwcorr lny lnm edu007 exp exp2, sig
lny lnm edu007 exp exp2
lny 1.0000
lnm 0.3674 1.0000

0.0000
edu007 0.4995 -0.0127 1.0000

0.0000 0.0812
exp -0.0766 -0.0211 -0.3772 1.0000

0.0000 0.0037 0.0000
exp2 -0.1373 -0.0541 -0.4213 0.9425 1.0000

0.0000 0.0000 0.0000 0.0000
96
INSTRUCTOR
El comando pwcorr estima los coeficientes de correlacin del conjunto de variables del modelo.
En la matriz de correlaciones aparece el coeficiente de correlacin que es un valor nmero que va
desde 0 a 1 e indica el grado de asociacin lineal entre las variables, este coeficiente viene
acompaado del nivel de significancia (con la adicin de la opcin sig), que permite decidir sobre
la hiptesis nula de que el coeficiente de correlacin vale cero. En nuestro ejemplo, el coeficiente de
correlacin entre aos de educacin (edu007) e ingreso salarial en logaritmos (lny) es de 0,4 y tiene
una significancia de 0, lo cual indica que existe una relacin significativa entre estas dos variables.
REPRESENTACIN GRAFICA DE LAS RELACIONES ENTRE VARIABLES: En segundo

lugar, y como paso previo al proceso de estimacin, analizamos grficamente la relacin entre la
variable dependiente y cada uno de los regresores del modelo. Por ejemplo, para representar la
relacin entre los ingresos y los aos de educacin aprobados, es conveniente que primero
generemos una variable que indique el ingreso promedio por ao de educacin as:
Col1 Col2 Col3 Col4

id Aos de educacin Ingreso (Miles de pesos) Ingreso promedio por ao de educacin
1 6 20000 25000
2 6 30000 25000
3 6 25000 25000
4 5 25000 24000
5 5 24000 24000
6 5 23000 24000
7 2 24000 22000
8 2 20000 22000
9 0 20000 17500
10 0 15000 17500
La variable ingreso promedio por ao de educacin en la columna 4 se grafica respecto a los aos
de educacin (el usuario puede comprobar que es ms fcil identificar la relacin entre la variable
dependiente y los regresores si se generan variables promedio)
Como se observa en la tabla anterior, la operacin realizada en la columna 4 (ingreso promedio por
ao de educacin), resulta de efectuar un clculo al interior de la columna 3 (Ingreso), teniendo en
cuenta como criterio de agrupacin la columna 2 (aos de educacin). Este tipo de operaciones se
pueden efectuar en Stata a travs del comando egen.
Como en nuestro caso la variable dependiente es el logaritmo de los ingresos laborales
1. Generamos la variable lny_ed que ser promedio del logaritmo natural de los ingresos por
ao de educacin aprobado. Esta operacin, se realiza a travs del comando egen y la opcin by
as:
egen lny_ed=mean(lny), by(edu007)
97
INSTRUCTOR
2. A continuacin, graficamos el promedio del logaritmo natural de los ingresos por ao de

educacin respecto a los aos de educacin aprobados por medio del comando line as:
line lny_ed edu007, sort
Ahora tenemos una idea bastante clara de la relacin promedio observada entre el logaritmo de los
ingresos laborales y los aos de educacin y de qu tan realista es la aproximacin lineal en este
caso. El grfico parece indicar que sera conveniente estimar la relacin entre estas dos variables a
travs de una transformacin de tipo spline.
De otro lado, la relacin entre los ingresos laborales promedio y los aos de experiencia es de tipo
cuadrtico.
Observamos que la variable de experiencia tiene un comportamiento exponencial, lo cual justifica el

uso de la variable experiencia al cuadrado en las estimaciones.
98
INSTRUCTOR
ESTIMACIN DEL MODELO LINEAL DE REGRESIN: Para estimar la ecuacin (1) a

travs de MCO empleamos el comando regress (en forma abreviada reg) as:
regress lny lnm edu007 exp exp2
El comando regress genera una amplia gama de estadsticas adems de los coeficiente de regresin.
La tabla source tambin, conocida como tabla de anlisis de varianza ANOVA, presenta
la informacin relacionada con la suma de cuadrados SS, los grados de libertad df y los
cuadrados promedio MS del modelo y de los residuos. El clculo del R2 se puede obtener
manualmente dividiendo la suma de cuadrados del modelo entre la suma de cuadrados
totales.
Al lado derecho de la tabla fuente se presenta otro paquete de estadsticas. El estadstico F

resulta de calcular la razn entre la suma de cuadrados promedio del modelo y la suma de
cuadrados promedio de los residuos. A travs de este estadstico se puede probar la
hiptesis de que todos los coeficientes excluyendo la constante son estadsticamente iguales
a cero.
Significancia e intervalos de confianza de los coeficientes: A travs del estadstico

puede probar la hiptesis de que cada uno de los coeficientes estimados es
estadsticamente igual a cero, mientras que en la columna 95% Conf. Interval se presenta
el intervalo, al 95% de confianza, para cada uno de los coeficientes.
Interpretacin de los coeficientes: La interpretacin de los coeficientes vara dependiendo

de la forma como estn expresadas las variables en el modelo as:
Interpretacin de los betas estimados de acuerdo a la forma como estn expresadas las
variables del modelo
Variable independiente en Variable independiente en niveles
logaritmos
99
INSTRUCTOR
Variable Elasticidad: Cambio porcentual Semi-elasticidad: Cambio porcentual

dependiente en esperado en y ante un cambio esperado en y ante un cambio marginal
logaritmos porcentual en x. En nuestro ejemplo en x. En nuestro ejemplo , , y
3
, 1
2
4
Variable Cambio esperado en nivel en y ante Efecto marginal: Cambio esperado en

dependiente en un cambio porcentual en x nivel en y ante un cambio marginal en
niveles x.
Resumen estadstico de la muestra empleada en la estimacin: Raras veces el nmero de

observaciones empleadas en las estimaciones coincide exactamente con las observaciones
que originalmente estaban disponibles en la base de datos. Para obtener una descripcin
resumida de la muestra empleada efectivamente en la estimacin despus realizar MCO
empleamos el comando estat sum el cual genera el siguiente resultado.
estat sum
Es fcil comprobar que las caractersticas de las personas en la muestra empleada en la estimacin
difieren de las observadas en la base de datos original.
PRUEBAS DE HIPTESIS LINEALES: Una vez realizada una regresin lineal es posible
probar hiptesis lineales sobre los coeficientes estimados a travs del comando test as:
test lnm=1
En el primer caso se prob que si el coeficiente estimado asociado a las horas de trabajo al mes es
igual a 1. La probabilidad de que el coeficiente sea 1 es cero, por los tanto no se acepta la hiptesis.
En trminos econmicos se podra afirmar que no hay elasticidad unitaria entre horas de trabajo al
mes y el ingreso laboral.
100
INSTRUCTOR
EJERCICIO:
9. Pruebe la hiptesis de que todos los coeficientes del modelo exceptuando el intercepto son
estadsticamente iguales a cero. Compare con la prueba F generada por Stata en la regresin lineal
antes estimada.
10. Cuntos aos de experiencia laboral serian necesarios para maximizar los ingresos laborales
mensuales?
lincom -0.0347/(2*-0.0003987)
COMPROBACIN DEL CUMPLIMIENTO DE LOS SUPUESTOS DE MCO
MULTICOLINEALIDAD (Asociacin lineal entre variables): Pese a que en presencia de

multicolinealidad los estimadores son MELI (Mejores Estimadores Lineales Insesgados), los errores
estndar de los coeficientes estimados tienden a estar inflados (sobreestimados), haciendo ms fcil
que se acepte que uno o ms regresores son estadsticamente iguales a cero. La velocidad con la
cual se incrementan las varianzas y las covarianzas de los estimadores puede analizarse a travs del
factor inflador de varianza, el cual calcula Stata a travs del comando vif despus de ejecutar
regress as:
Vif
Los VIF de cada uno de los estimadores cuyo valor sea superior a 10 (algunos menos conservadores
consideran 30) indican que la variable a la que acompaan puede considerarse como una
combinacin lineal de otras variables independientes. Alternativamente suele observarse el ndice
de Tolerancia (1/VIF). Un ndice de tolerancia igual a 0.1 es equivalente a un VIF de 10. Valores de
tolerancia inferiores a 0.1 (0.333 para los menos conservadores) indican presencia moderada o
severa de multicolinealidad.
EJERCICIO:
11. Calcule cada uno de los VIF de la regresin anterior.
HOMOSCEDASTICIDAD: Es uno de los principales supuestos de MCO. En trminos generales,

en presencia de heroscedasticidad la varianza de los estimadores est sesgada (sobrestimada o
subestimada). En estos casos no se puede confiar en las pruebas t y F. Visto de otro modo, si el
modelo est bien especificado no debera existir un patrn definido entre los residuales del modelo
y la variable dependiente pronosticada. Cuando la varianza de los residuales no es constante se dice
101
INSTRUCTOR
que la varianza de los residuales es heteroscedstica. Existen mtodos grficos y mtodos formales
para detectar heteroscedasticidad.
Mtodo Grfico: A travs de un grfico que relacione los residuales del modelo contra los
valores estimados de la variable dependiente se puede hacer una primera comprobacin
visual de posibles patrones de interrelacin entre estas dos variables. Siguiendo con nuestro
ejemplo, en Stata se puede obtener este grfico a travs del comando rvfplot as:
rvfplot, yline(0)
No parece haber un patrn definido en los residuales del modelo.
Mtodo formal: Stata ofrece una gran variedad de pruebas de heteroscedasticidad para
modelos lineales estimados a travs de MCO. Sin embargo, una de las pruebas de
heteroscedasticidad ms ampliamente difundida es la prueba de WHITE. Esta prueba se
puede obtener despus de emplear el comando regress as:
imtest, white
Claramente se rechaza la prueba de homoscedasticidad. As mismo se puede constatar que los

residuales tienen problemas de asimetra (skewness) y apuntalamiento (kurtosis). Una forma simple
102
INSTRUCTOR
de corregir heteroscedasticidad segn el criterio de WHITE (1980)7 es a travs de la opcin robust

en la estimacin por MCO as:
regress lny lnm edu007 exp exp2, robust
Aunque el problema de heteroscedasticidad no era importante (la significancia de los coeficientes se

mantuvo inalterado), se puede constatar que los errores estndar en el modelo correccin de
heteroscedasticidad son mayores, lo cual prueba que inicialmente estaban subestimados.
NORMALIDAD DE LOS RESIDUOS: Es un supuesto necesario nicamente garantizar la

validez de las pruebas t y F en MCO. En realidad, MCO tan solo requiere que los residuales estn
idntica e independientemente distribuidos. Despus de ejecutar el comando regress, podemos
emplear el comando predict seguido por la opcin res para estimar los residuales as:
predict residual, res
Mtodo Grfico: A continuacin empleamos los comandos kdensity y qnorm para

constatar grficamente si los residuos siguen una distribucin normal as: kdensity
residual, normal
7
WHITE H. 1980. A Heteroscedasticity Consistent Covariance Matriz Estimator and Direct Test of
Heteroscedasticity. Econometrica, vol 48.
103
INSTRUCTOR
La opcin normal permite comparar la funcin de densidad de los residuales con una funcin de
densidad normal. Se puede observar apuntalamiento y asimetra en los residuales. Otra
comprobacin grfica de normalidad muy conocida es aquella que contrasta cuantiles de una
variable contra cuantiles de una distribucin normal. Cuanto ms cerca estn los cuantiles de la
variable a los cuantiles de la distribucin normal (lnea diagonal continua) ms cerca est la variable
de ser normal. Stata la representa a travs del comando qnorm as:
qnorm residual
Mtodo formal: Claramente hay problemas en los residuales que nos hacen pensar en que
no se cumple el supuesto de normalidad. Sin embargo, para estos casos en los que la
variable tiene muchas observaciones, Stata ofrece una prueba formal de normalidad a travs
del comando sktest as:
sktest residual
104
INSTRUCTOR
Se rechaza la hiptesis de normalidad en los residuales del modelo.
EXOGENEIDAD DE LAS VARIABLES INDEPENDIENTES: Otro supuesto bsico en

regresin lineal es que las variables explicativas estn determinadas por fuera del modelo que
estamos estimando. En otras palabras, suponemos que ninguno de los regresores est determinado
por otro u otros regresores dentro del modelo. A travs de la prueba de HAUSMAN (1978) 8 es
posible establecer si un regresor es exgeno o no. La prueba se realiza en etapas: en primer lugar,
estimamos un modelo que consideramos consistente pero ineficiente (en el sentido que no
empleamos toda la informacin disponible para explicar la variable dependiente).
A continuacin, estimamos otro modelo (el cual tiene en cuenta la variable que deseamos
comprobar si es exgena) que suponemos consistente y eficiente. En tercer lugar, empleamos el
estadstico de HAUSMAN el compara los coeficientes comunes en ambos modelos y sus
respectivas matrices de varianzas y covarianzas. Si no hay diferencias sistemticas en los
coeficientes la nueva variable se puede considerar exgena. Los pasos y los comandos necesarios
para realizar esta comprobacin en Stata son:
1. Estimamos el modelo consistente pero ineficiente (no tiene en cuenta la variable lnm)
regress lny edu007 exp exp2, robust
2. Lo almacenamos con el comando est store as:

est store reg
3. Estimamos el modelo que suponemos consistente y eficiente (tiene en cuenta la variable lnm)
regress lny lnm edu007 exp exp2, robust
4. Calculamos el estimador de HAUSMAN

hausman reg ., eq(1:1)
Existen diferencias sistemticas en los coeficientes, por lo tanto la variable lnm es endgena, en
otras palabras, puede estar explicada por los otros regresores del modelo.
EJERCICIO:
12. Pruebe la hiptesis de exogeneidad de cada una de las variables del modelo.
8
HAUSMAN J,. Specification Test in Econometrics, Economtrica Vol. 46. No. 6. 1978.
105
INSTRUCTOR
PRONOSTICO: El pronstico de la variable dependiente se realiza empleando el comando

predict
predict lnyp if e(sample), xb
La opcin e(sample) restringe la estimacin a la muestra efectivamente empleada en la estimacin.
REPRESENTACIN GRAFICA DEL PRONSTICO DE LA VARIABLE DEPENDIENTE

Y SU RELACIN CON LOS REGRESORES: Finalmente es posible visualizar la aproximacin
del modelo de regresin lineal a travs de MCO, graficando el ingreso estimado promedio respecto
a cada una de las variables independientes. Por ejemplo, la relacin entre el ingreso estimado
promedio por ao de educacin y los aos de educacin se obtiene siguiendo los siguientes pasos:
egen plny_ed=mean(lnyp), by(edu007)

Generacin de los ingresos promedio estimados por ao de educacin
line plny_ed lny_ed edu007, sort

Grfico que representa los ingresos estimados y observados por ao de educacin y los aos de
educacin
Ahora tenemos una idea bastante clara de la aproximacin lineal que hemos llevado a cabo entre los
ingresos promedio y los aos de educacin a travs de MCO.
EJERCICIO:
13. Grafique la relacin promedio entre las variables dependiente y dependiente pronosticada contra
cada uno de los regresores del modelo.
14. Estime una ecuacin que adems tenga en cuenta el sexo como variable explicativa
15. Compruebe si se cumplen los supuestos de MCO
16. Cmo decidir cul de los dos modelos estimados (sin sexo y con sexo) es el mejor y como lo
hara en Stata?
106
INSTRUCTOR
6 MODELOS ARIMA9
SERIE DE TIEMPO EN Stata MODELOS AUTORREGRESIVOS DE MEDIA MOVIL

(ARMA)
Los modelos autorregresivos (AR), de media mvil (MA) y autorregresivos de media mvil
(ARMA) se caracterizan por incorporar en la explicacin futura de la variable dependiente su
propio comportamiento pasado. Esta forma de modelar la conducta de una serie de datos temporales
hace posible, en su forma ms simple en modelos univariados, la generacin de pronsticos sin
emplear informacin adicional proveniente de otros regresores. En las secciones siguientes
seguiremos la metodologa de BOX y JENKINS (1976)10 para estimar y pronosticar modelos
univariados de serie de tiempo a travs de Stata. En particular se har uso de la informacin
mensual de inflacin contenida en la base de datos INFLACION.dta.
Antes de desarrollar la metodologa de BOX y JENKINS aprenderemos a generar variables con

formato de fecha, variables rezagadas y a designar la variable que representar el tiempo en las
estimaciones. Cargamos la base de datos INFLACION.dta use INFLACION.dta
GENERACIN DE VARIABLES CON FORMATO DE FECHA Las variables de tiempo;

fechas en aos, semestres, trimestres, meses, semanas y das deben tener un formato especial en el
anlisis de serie de tiempo y panel de datos. Los formatos de estas variables en cada caso se
describen a continuacin:
Formato Descripcin Codificacin
%td %d Diario 0 = 01jan1960; 1 = 02jan1960
%tw Semanal 0 = 1960w1; 1 = 1960w2
%tm Mensual 0 = 1960m1; 1 = 1960m2
%tq Trimestral 0 = 1960q1; 1 = 1960q2
%th Semestral 0 = 1960h1; 1 = 1960h2
%ty Anual 1960 = 1960; 1961 = 1961
Es posible generar variables con formato de fecha a partir del comando generate. Por ejemplo, para
crear una variable con formato mensual empleamos la siguiente sintaxis:
9
Findit arimafit, Arimafit
Para crear una dummy para una fecha especifica
g dummy = (fecha ==tm(2008m10))
10
BOX G. & JENKINS G. Time Series Analiysis, Forecasting and Control. Holden Day, San Francisco. 1976
107
INSTRUCTOR
Como la base de datos es relativamente pequea podemos listar la informacin en la base de datos
por medio del comando list as: list
La variable fecha tiene un formato numrico general que corresponde al nmero de meses desde
1960. En el mes 1 del ao 2001 el nmero de meses transcurridos desde 1960 son 492. Sin
embargo a la variable fecha se le puede dar un formato numrico mensual as:
VARIABLES CON REZAGO
En anlisis de serie de tiempo resulta muy til generar variables con uno o ms rezagos. En estos
casos suele acompaarse al comando generate con los operadores [_N] y [_n]. El operador _N se
usa para contar el nmero total de observaciones en una variable y, el operador _n numera las
observaciones dentro de una variable.
108
INSTRUCTOR
Por ejemplo, podemos generar una variable rezagada un periodo as:

g rezago = inflacion[_n-1]
En este ejemplo se debe tener en cuenta:

Inflacin es el nombre de la variable que ser rezagada.
Los corchetes en este caso deben ser cuadrados.
No puede hacer separacin entre la variable a rezagar y el corchete cuadrado de apertura.
-1 en este caso indica que la variable inflacion ser rezagada 1 perodo.
Al listar las variables fecha, inflacion y rezago se puede visualizar la nueva variable rezago
correspondiente a la inflacin rezagada un perodo.
list fecha inflacion rezago
DESIGNANDO LA VARIABLE QUE REPRESENTA AL TIEMPO: Antes de estimar

cualquier modelo de serie de tiempo es necesario que Stata reconozca la variable que representa el
tiempo (en nuestro ejemplo, la variable fecha). Este paso se logra a travs del comando tsset as:
tsset fecha, monthly
La opcin monthly indica la periodicidad mensual de la variable de tiempo fecha.
NOTA: Para hacer pronsticos varios perodos hacia delante es necesario que la variable que
representa el tiempo se extienda tantos perodos hacia delante como perodos de la variable
dependiente se quieran pronosticar. En nuestro ejemplo, 7 perodos hasta diciembre de 2006. Se
dispone de informacin de inflacin hasta mayo de 2006.
109
INSTRUCTOR
METODOLOGA BOX JENKINS (BJ) APLICADA AL CASO DE SELECCIN Y

ESTIMACIN DE UN MODELO ARMA PARA PRONOSTICO DE LA INFLACIN.
BOX JENKINS difundieron una metodologa en tres fases para identificar, estimar y validar
modelos de serie de tiempo univariada y generar pronsticos. A continuacin seguiremos estos
pasos para obtener un modelo de pronstico tipo ARMA para la inflacin mensual.
1. FASE DE IDENTIFICACIN: La primera aproximacin a los datos es grfica. Al

graficar la variable a pronosticar respecto al tiempo obtenemos informacin sobre posibles
outliers, valores perdidos missing values o cambios estructurales en la serie de datos.
As mismo, si la variable a pronosticar es no estacionaria podrn observarse tendencias
pronunciadas o comportamientos sin media y/o varianza constante a travs del tiempo. Con
el comando tsline es posible efectuar esta primera constatacin as:
tsline inflacion
A su vez es posible constatar si se viola el supuesto de estacionariedad comprobando la existencia

de races unitarias por medio de la prueba de DICKEY y FULLER DF (1979) 11. En Stata la prueba
se puede efectuar a travs del comando dfuller as:
dfuller inflacion, trend regress lags(7)
Nota: Previamente se comprob la no que no eran significativos los rezagos 7,,12 (se probaron
12 rezagos porque la serie es mensual). Para tener en cuenta la tendencia en la prueba se emplea la
opcin trend. La opcin regress se puede omitir si tan slo se desea el valor del estadstico DF.
Para omitir la constante se emplea la opcin noconstant.
11
DICKEY D. & FULLER W. 1991. Distribution of the Estimates for Autoregressive Time Series With a
Unit Root. Journal of the American Statistical Association 74.
110
INSTRUCTOR
Al 1% de significancia se rechaza la hiptesis de existencia de raz unitaria, en otras palabras, se

puede pensar que la variable inflacin ha sido generada por un proceso estacionario.
El paso a seguir consiste en identificar la naturaleza del proceso generador de datos (en nuestro
ejemplo, la inflacin). Para llevar a cabo esta tarea se suele recurrir a las funciones de
autocorrelacin (para identificar el componente de media mvil MA del modelo) y autocorrelacin
parcial (para identificar el orden la parte autorregresiva AR del modelo). En Stata ambas funciones
se pueden graficar con los comandos ac y pac respectivamente as:
ac inflacion
pac inflacion
111
INSTRUCTOR
2. FASE DE ESTIMACIN: Las funciones de autocorrelacin y autocorrelacin parcial

sugieren varios procesos ARMA factibles para la inflacin. La seleccin de los modelos
debe tener en cuenta los criterios de parsimonia (menor parametrizacin posible)
estacionariedad e invertibilidad de la variable dependiente y bondad de ajuste del
modelo. A continuacin presentamos una de los posibles procesos ARMA para la inflacin.
El comando para estimarlos en Stata es arima y a travs de las opciones ar(nmero de los
rezagos de la variable dependiente separados por comas) ma(nmero de los rezagos
separados por comas) se puede especificar el componente autorregresivo y de media mvil
as:
arima inflacion tendencia, ar(1,12) ma(5,8,11) robust
Nota: El orden de integracin en este caso es 0. Sin embargo a travs del prefijo D1., D2.,
D3.,,etc., antecediendo la variable dependiente (por ejemplo, D1.inflacion, D2.inflacion,
112
INSTRUCTOR
D3.inflacion,) se pueden lograr diferenciaciones de orden superior. La opcin robust genera una
matriz de varianzas y covarianzas consistente con posibles problemas de heteroscedasticidad.
A travs del comando estat ic se puede obtener el criterio de informacin de Akaike (AIC) y el
criterio bayesiano de Schwartz (BIC) los cuales son las dos medidas ms comunes de bondad de
ajuste. Cuanto ms pequeo es el valor de los estadsticos (AIC) y (BIC) mejor ajuste tiene el
modelo. Estos criterios se pueden emplear para seleccionar el modelo ms apropiado de un conjunto
de posibles modelos.
estat ic
3. FASE DE VERIFICACIN Y DIAGNOSTICO: Es muy importante que los residuales

del modelo estimado no estn serialmente correlacionados. Cualquier evidencia de
correlacin serial implicara movimientos sistemticos en la variable dependiente que no
han sido tenidos en cuenta por los coeficientes incluidos en el modelo ARMA. Para
chequear correlacin en los residuales se pueden construir las funciones de autocorrelacin
y autocorrelacin parcial para los residuales. A travs del comando predict seguido de la
opcin res podemos estimar los residuales as:
predict residual, res

ac res
113
INSTRUCTOR
pac res
En una prueba ms general, se puede constatar si los residuales son ruido blanco, en otras
palabras, tienen media cero, varianza constante y no estn serialmente correlacionados. A travs del
comando wntestq realizar esta prueba as:
wntestq residual
No hay evidencia para rechazar que la serie de residuales es ruido blanco.
PRONSTICOS Finalmente, podemos emplear el modelo para hacer pronsticos. El pronstico

se puede hacer tantos periodos hacia delante como horizonte temporal tenga la variable de tiempo
fecha la cual est definida entre el mes 1 de 2001 y el mes 12 de 2006, mientras que se tiene dato
mensual de inflacin hasta el mes 5 de 2006. A travs del comando predict seguido de la opcin xb
podemos pronosticar la inflacin para los siguientes 7 meses as:
predict inf_p, xb
El pronstico de inflacin para el mes 6 de 2006 (segn este proceso ARMA) es del 0.366%.
Listamos las variables fecha, inflacin e inf_p a travs del comando list as:
list fecha inflacion inf_p
114
INSTRUCTOR
Finalmente, a travs del comando tsset es posible visualizar los valores observados y pronosticados
de la inflacin hasta diciembre de 2006.
tsline inflacion inf_p
EJERCICIO:
24. Replique las fases 1, 2 y 3 de la metodologa de BJ para generar un proceso ARMA para la
inflacin.
25. Compar entre varios modelos posibles la bondad de ajuste de los mismos para seleccionar el
mejor modelo.
26. Pronostique la inflacin para los prximos 6 meses y grafique los resultados frente a los valores
observados.
115
INSTRUCTOR
7 MODELOS DE VARIABLE DEPENDIENTE DICOTMICA

MODELOS LOGIT Y PROBIT
Si queremos analizar los factores que determinan que una persona participe o no en el mercado
laboral, o que un individuo apoye o no a un determinado candidato poltico, o que un estudiante
alcance o no la titulacin. Todas esas variables de anlisis pueden tomar uno de dos valores:
participacin vs. no participacin; apoyo vs. no apoyo; titulacin vs. no titulacin. Esa caracterstica
recibe el nombre de respuesta binaria o dicotmica.
En la encuesta CASEN 2006 se encuentra la variable ACTIV, que considera a la poblacin en edad
de trabajar (15 aos y superior). El comando tab acompaado de los pesos relativos nos permite
alcanzar una descripcin de la condicin actividad en Chile para dicho ao:
ACTIVIDAD Freq. Percent Cum.

Ocupados 6,578,325 53.11 53.11
Desocupados 519,357 4.19 57.3
Inactivos 5,288,175 42.7 100
Total 12,385,857 100
De la Poblacin en Edad de Trabajar el 53% se encontraba ocupada, el 4% de la poblacin se

encontraba desempleada y un 42% no se estaba ni trabajando ni buscando empleo. La Poblacin
Econmicamente Activa est determinada por aquella poblacin ocupada o buscando activamente
empleo, por lo que el 57% participaba activamente en el mercado laboral. Podemos generar una
variable de participacin a partir la variable ACTIV. La siguiente cadena de comandos genera la
variable PARTI:
gen PARTI=1 if ACTIV==1 | ACTIV==2

recode PARTI (mis=0) if ACTIV==3
label variable PARTI "Participa en el mercado laboral"
label define part 1 "si" 0 "no"
label values PARTI part
tab PARTI [w=EXPR]
Participa Freq. Percent Cum.

No 5,288,175 42.7 42.7
Si 7,097,682 57.3 100
Total 12,385,857 100
Para el propsito de este ejemplo vamos a considerar las variables de gnero, edad, estado civil,
nivel de estudios, nivel de ingresos del hogar, relacin con el jefe de hogar y el nmero de personas
en el hogar. Sin embargo, en un modelo ampliado podran considerarse otras variables.
Algunas de las opciones que se pueden utilizar para analizar la variable de participacin son:
-Modelo de regresin logstica (el usado en el presente ejemplo)
116
INSTRUCTOR
-Modelo de regresin probabilstica. Los resultados bajo este tipo de anlisis producen resultados
similares a los resultados de la regresin logstica. La escogencia entre uno y otro modelo depende
de las preferencias del investigador. Estos dos modelos construyen una funcin de probabilidad
acerca de la ocurrencia del evento a describir, (en este caso que un individuo participe en el
mercado laboral) y la diferencia est en la forma funcional que asume cada modelo12.
-Mnimos cuadrados ordinarios. Cuando se utiliza esta metodologa sobre una variable dicotmica
se le conoce como un modelo lineal de probabilidad. Sin embargo, los residuos de la estimacin
violan los supuestos de homocedasticidad y de normalidad del modelo clsico, lo que resulta en
errores estndar y pruebas de hiptesis invlidas13.
REPRESENTACIN DE LAS RELACIONES ENTRE VARIABLES
Participacin y Gnero
4,000,000
3,000,000
PARTICIPAN
2,000,000
1,000,000
Hombre Mujer
Participa en el Mercado Laboral

Sexo no si Total
Hombre 1,622,038 4,303,680 5,925,718
Mujer 3,666,137 2,794,002 6,460,139
Total 5,288,175 7,097,682 12,385,857
Participacin y Nivel Educativo
12
La funcin logstica es y la funcin probabilstica es , donde z es una combinacin
lineal de las variables independientes y es la funcin cumulativa de la distribucin normal.
117
INSTRUCTOR
Hombre Mujer
1
.8
.6
.4
.2
0
BASICA INC
BASICA INC
BASICA COMP
TEC. O UNI. COMP
BASICA COMP
TEC. O UNI. COMP

SIN EDUC.
TEC. O UNI. INC.
TEC. O UNI. INC.

M.HUM. COMPL
M.HUM. COMPL
M.HUM. INCOM
M.HUM. INCOM
SIN EDUC.
Graphs by Sexo
Comparar el nmero de participantes entre los diferentes niveles educativos, no hace sentido cuando
las poblaciones no son comparables en trminos relativos. Si la Tasa Global de Participacin est
determinada por la cantidad de personas que participan en el mercado laboral sobre el PET, para
comprender el efecto del nivel educativo se deben comparar las tasas globales de participacin para
cada grupo. El promedio aritmtico de la variable PARTI nos dar la TGP total y para diferentes
grupos.
Participacin y Edad
Hombre Mujer
1
.8
.6
TGP
.4
.2
0
25 30 35 40 45 50 25 30 35 40 45 50
Edad
Graphs by Sexo
118
INSTRUCTOR
EL MODELO
El comando logit (probit) nos permite obtener los resultados de la estimacin logstica
(probabilstica). La estimacin se hace a travs de la metodologa de mxima verosimilitud por lo
que en el proceso de estimacin, Stata primero muestra las iteraciones necesarias para alcanzar la
convergencia.
Cuando existen variables categricas con ms de dos categoras (parentesco, estado civil) Stata las
puede codificar automticamente para que cada una de las categoras cuente como una dummy.
Para eso se antepone el prefijo xi: frente a toda la expresin de la regresin y el prefijo i. antes
de cada variable.
El comando para nuestra regresin sera:
xi: logit PARTI EDAD ESC NUMPER YTOTHAJ i.PCO1 i.ECIVIL [w=EXPR], or
En este caso las variables de parentesco con el jefe de hogar (PCO1) y de estado civil (ECIVIL) son
codificadas por Stata y la codificacin responde al orden en que las variables categricas adoptan
valores. Por ejemplo PCO1, ordinalmente la primera etiqueta es Jefe de Hogar y Stata crea una
dummy _IPCO1_1 para nombrarla. En la siguiente tabla hemos cambiado los nombres por los
valores de las categoras.
A travs del men se puede acceder a travs de la siguiente ventana:
119
INSTRUCTOR
INTERPRETACIN DE RESULTADOS
Logistic regression Number of obs = 12350554

LR chi2(26) = 5343508.93
Prob > chi2 = 0.0000
Log likelihood = -5757734.7 Pseudo R2 = 0.3170
PARTI Coef. Std. Err. z P>z [95% Conf. Interval]

EDAD 1.405421 0.0004208 1136.8 0.000 1.404597 1.406246
EDAD2 0.9959793 3.35E-06 -1197 0.000 0.9959728 0.9959859
ESC 1.079306 0.0002364 348.4 0.000 1.078843 1.07977
NUMPER 0.9488846 0.0004178 -119.15 0.000 0.948066 0.9497039
ln_yh 1.411687 0.001251 389.07 0.000 1.409237 1.414141
SEXO 0.2841959 0.0005004 -714.53 0.000 0.2832169 0.2851784
Esposo(a)/pareja 0.2011062 0.000529 -609.71 0.000 0.200072 0.2021458
Hijo(a) de ambos 0.3484257 0.0012295 -298.8 0.000 0.3460244 0.3508438
Hijo(a) slo del jefe 0.4514981 0.0016216 -221.4 0.000 0.4483311 0.4546876
Hijo(a) slo pareja 0.4635512 0.0032046 -111.22 0.000 0.4573128 0.4698748
Padre o madre 0.4341893 0.0040822 -88.74 0.000 0.4262617 0.4422644
Suegro(a) 0.2939172 0.0037459 -96.07 0.000 0.2866663 0.3013516
Yerno o nuera 0.5033273 0.0028171 -122.66 0.000 0.4978361 0.5088792
Nieto(a) 0.3610026 0.0019264 -190.93 0.000 0.3572466 0.3647982
Hermano(a) 0.4379944 0.0027837 -129.9 0.000 0.4325723 0.4434844
Cuado(a) 0.3344293 0.0033597 -109.03 0.000 0.3279089 0.3410794
Otro familiar 0.5141375 0.0031495 -108.6 0.000 0.5080015 0.5203477
No familiar 0.5903649 0.0046445 -66.99 0.000 0.5813316 0.5995385
Serv. Domstico PA 1648.008 141.3405 86.37 0.000 1393.017 1949.674
Conviviente o pareja 1.592905 0.0039783 186.41 0.000 1.585126 1.600721
Anulado(a) 0.9038334 0.0149046 -6.13 0.000 0.8750879 0.9335232
Separado(a) 1.309596 0.0051878 68.09 0.000 1.299467 1.319803
Divorciado 0.7064578 0.0132978 -18.46 0.000 0.6808696 0.7330077
Viudo(a) 0.6516602 0.0030059 -92.84 0.000 0.6457954 0.6575784
Soltero(a) 0.940806 0.0029598 -19.4 0.000 0.9350227 0.946625
Sin dato 0.4601236 0.0165179 -21.62 0.000 0.4288618 0.4936642
Los primeros resultados observados anteriormente se refieren al mximo de la funcin de

verosimilitud, que puede ser utilizado como un criterio de informacin para comparar modelos
anidados (nested). Por ejemplo si adicionamos ms variables a nuestro modelo y mantenemos las
mismas, esos dos modelos estarn anidados porque el modelo extendido (el nuevo) contiene al
modelo reducido (con menos variables).
Tambin podemos observar que del total de observaciones iniciales con descripcin de
participacin (12,385,857) hemos perdido algunas observaciones por los missing values en las
variables que utilizamos para analizar el modelo.
120
INSTRUCTOR
La prueba de hiptesis de significancia conjunta del modelo est establecida por la razn de
verosimilitud que se distribuye como una Chi-cuadrado con k+1 g.l.. Stata presenta el estadstico
(LR chi2 (25)) y su p value. La interpretacin es que nuestro modelo representa mejor a los datos
que un modelo sin variables.
Para la interpretacin de la relacin entre las variables independientes e independientes, el

coeficiente nos da un efecto parcial (el signo) y nos da el efecto total sobre la funcin lineal z, pero
no sobre la funcin de probabilidad de ocurrencia de la variable dependiente. Lo anterior debido a
que un cambio en una variable dependiente genera un cambio sobre la probabilidad de ocurrencia
que depende del nivel de todas las dems variables consideradas. La significancia de las variables
est testeada individualmente en el resultado de la estimacin y la interpretacin es igual al caso de
regresin lineal clsica.
Odds - Ratio (p/q). La interpretacin de los coeficientes de las variables categricas14 viene de la
relacin entre el coeficiente y el logaritmo del radio de probabilidad de ocurrencia del evento (log
odds ratio) es igual a . El odds ratio aproxima el qu tanto es ms probable que el evento ocurra
dado que se tiene la caracterstica descrita por la variable categrica con respecto a la referencia.
Para observar el odds ratio , directamente se puede combinar la opcin or con el comando logit.
En el caso de nuestro ejemplo, las mujeres son menos propensas a participar en el mercado laboral
hasta en un 72%, teniendo en cuenta que el coeficiente fue de -1.25. Las otras variables categricas
generaron cada una subsecuentes variables dicotmicas, y la interpretacin se hace en comparacin
a la referencia.
La relacin entre los coeficientes y la probabilidad en el caso de las variables continuas es un poco
ms compleja, la comparacin se hace con la distancia a la media. Sin embargo, la direccin del
efecto sobre la probabilidad es igual al efecto sobre la funcin lineal z.
En el ejemplo un aumento en el salario tambin aumenta la participacin relativa de una personal

igual que la escolaridad. Un aumento de un 1% en el salario con respecto a la media ($351,000)
hace que la razn de participar en el mercado laboral (vs. no participar) aumente con un factor de
1.41 (= exp(0.3447)). Un aumento de la edad aumenta la probabilidad de participar en el mercado
laboral, pero a una tasa decreciente. El nmero de personas en el hogar disminuye la probabilidad
de que no se participe
POST ESTIMACIN
Un primer paso de la post estimacin consiste en probar la significancia conjunta de las variables
dummies que conforman las categricas. Para esto se puede correr una prueba de Wald ajustada a
travs del comando test. Por ejemplo, podemos rechazar la hiptesis nula de que la variable de
estado civil es conjuntamente no significativa:
test _IECIVIL_2 _IECIVIL_3 _IECIVIL_4 _IECIVIL_5 _IECIVIL_6 _IECIVIL_7 _IECIVIL_9
( 1) [PARTI]_IECIVIL_2 = 0
14
Para una prueba formal ver Applied Logistic Regression p.50.
121
INSTRUCTOR
chi2( 7) =60644.47
Prob > chi2 = 0.0000
Para obtener las probabilidades estimadas, que es lo que finalmente deseamos saber, Stata 11 creo
el comando margins. El siguiente comando va a modelar todas las probabilidades para cada valor
de SEXO, empezando por el 0 hasta 1 con un ancho de intervalo de 1.
margins, at(SEXO=( 0 (1) 1)) atmeans
Variable Valor Ancho Valor

de Inters Inicial Intervalo Final
Predictive margins Number of obs = 12350554

Model VCE : OIM
Expression : Pr(PARTI), predict()

1._at : ...(lista de medias)
SEXO = 0
(lista de medias
2._at : (lista de medias)
SEXO = 1
(lista de medias)
[95%
Margin Std. Err. z P>z Conf. Interval]
_at
1 0.7362227 0.0002468 2982.78 0.0000 0.7357389 0.7367065
2 0.4423416 0.0002768 1598.17 0.0000 0.4417992 0.4428841
La probabilidad de que una persona trabaje siendo hombre (1. at SEXO = 0) es el 73.6%, mientras
que la probabilidad de que una persona trabaje siendo mujer es de 44.2%, manteniendo todas las
dems variables en su media.
Si quiere fijarse el valor de ms de una variable, o fijar los intervalos de variables continuas, o en
cortes de distribucin de las variables independientes:
margins, at(SEXO=(0(1)1) PCO1=1) atmeans noatlegend
margins, at(ln_yh=(11 11.5 12 13 13.5) PCO1=1) atmeans noatlegend
margins, at((p25) _all) atmeans noatlegend
margins, at((p25) _all (mean) ESC ) atmeans noatlegend
122
INSTRUCTOR
8 MODELOS DE DATOS PANEL O LONGITUDINALES
Un conjunto de datos panel (o longitudinales) consta de una serie temporal para cada
miembro del corte transversal en el conjunto de datos. Como ejemplo, supongamos que
tenemos salario, educacin y experiencia de un grupo de individuos a los que se les hace
seguimiento por 5 aos. De igual forma es posible recopilar informacin en unidades
geogrficas. Por ejemplos, datos de municipios de un pas sobre impuestos, salarios, gastos
estatales, niveles de educacin, entre otros.
La caracterstica principal de los datos panel, que los distinguen de las combinaciones de
cortes transversales, es el hecho de que se da seguimiento a las mismas unidades
transversales ya sean individuos, pases, regiones, entre otros, durante cierto perodo de
tiempo.
Como los datos de panel exigen la repeticin de las mismas unidades con el tiempo, los
conjuntos de estos datos, en particular de los individuos, hogares y empresas, son ms
difciles de conseguir que en las combinaciones de cortes transversales. La ventaja es que al
tener las mismas unidades es posible controlar ciertas caractersticas inobservadas de
individuos, empresas, etc.
Es decir es posible capturar inferencias causales que no es posible capturar con los cortes
transversales. La segunda ventaja de los datos panel es que permite estudiar la importancia
de los rezagos en el comportamiento o el resultado de tomar una decisin. Esta informacin
puede ser significativa, puesto que es de esperar que muchas polticas econmicas tengan
efecto slo al paso del tiempo.
La idea de los panel es poder capturar esos factores inobservables, por ejemplo, lo que
influye en el salario de un individuo en 1990 tambin influir en el mismo individuo en
1991, ese factor inobservable puede ser la capacidad o habilidades.
8.1 ANLISIS DE DATOS PANEL
El principal objetivo de aplicar y estudiar los datos en panel, es capturar la heterogeneidad

no observable, ya sea entre agentes econmicos o de estudio as como tambin en el
tiempo, dado que esta heterogeneidad no se puede detectar ni con estudios de series
temporales ni tampoco en corte transversal.
La aplicacin de esta metodologa permite analizar dos aspectos de suma importancia

cuando se trabaja con este tipo de informacin y que forman parte de la heterogeneidad no
observable: i) los efectos individuales especficos y ii) los efectos temporales.
En lo que se refiere a los efectos individuales especficos, se dice que estos son aquellos
que afectan de manera desigual a cada uno de los agentes de estudio contenidos en la
muestra (individuos, empresas, bancos) los cuales son invariables en el tiempo y que
afectan de manera directa las decisiones que tomen dichas unidades. Usualmente se
123
INSTRUCTOR
identifica este tipo de efectos con cuestiones de capacidad empresarial, eficiencia operativa,
capitalizacin de la experiencia, acceso a la tecnologa, etc.
Los efectos temporales seran aquellos que afectan por igual a todas las unidades
individuales del estudio pero que no varan en el tiempo. Este tipo de efectos pueden
asociarse, por ejemplo, a los choques macroeconmicos que pueden afectar por igual a
todas las empresas o unidades de estudio.
VENTAJAS DE ESTIMACIN POR PANEL
La tcnica permite al investigador econmico disponer de un mayor nmero de

observaciones incrementando los grados de libertad y reduciendo la colinealidad
entre las variables explicativas y, en ltima instancia, mejorando la eficiencia de las
estimaciones economtricas.
Tal y como se mencion anteriormente, la tcnica permite capturar la

heterogeneidad no observable ya sea entre unidades individuales de estudio como
en el tiempo. Con base en lo anterior, la tcnica permite aplicar una serie de pruebas
de hiptesis para confirmar o rechazar dicha heterogeneidad y cmo capturarla.
Los datos en panel suponen, e incorporan en el anlisis, el hecho de que los

individuos, firmas, bancos o pases son heterogneos. Los anlisis de series de
tiempo y de corte transversal no tratan de controlar esta heterogeneidad corriendo el
riesgo de obtener resultados sesgados.
Permite estudiar de una mejor manera la dinmica de los procesos de ajuste. Esto es
fundamentalmente cierto en estudios sobre el grado de duracin y permanencia de
ciertos niveles de condicin econmica (desempleo, pobreza, riqueza).
Permite elaborar y probar modelos relativamente complejos de comportamiento en

comparacin con los anlisis de series de tiempo y de corte transversal. Un ejemplo
claro de este tipo de modelos, son los que se refieren a los que tratan de medir
niveles de eficiencia tcnica por parte de unidades econmicas individuales
(empresas, bancos, etc).
Desventajas
En trminos generales, las desventajas asociadas a la tcnica de datos de panel se

relacionan con los procesos para la obtencin y el procesamiento de la informacin
estadstica sobre las unidades individuales de estudio, cuando esta se obtiene por
medio de encuestas, entrevistas o utilizando algn otro medio de levantamiento de
los datos. Ejemplos de este tipo de limitaciones son: cobertura de la poblacin de
inters, porcentajes de respuesta, preguntas confusas, distorsin deliberada de las
respuestas, etc.
124
INSTRUCTOR
8.2 ANLISIS DE DATOS PANEL DE DOS PERODOS

Utilizando la base de datos CRIME2.dta, tenemos t = 1 y t = 2, la base contiene los ndices
de delincuencia y de desempleo de 46 ciudades para 1982 y 1987, por lo tanto t = 1 = 1982
y t = 2 = 1987. Si hacemos una regresin t = 2, qu coeficiente se esperara para la variable
desempleo?, son significativos los coeficientes?
Los resultados son:
. reg crmrte unem if year == 87
Source SS df MS Number of obs = 46

F( 1, 44) = 1.48
Model 1775.90927 1 1775.90927 Prob > F = 0.2297
Residual 52674.6465 44 1197.15106 R-squared = 0.0326
Adj R-squared = 0.0106
Total 54450.5558 45 1210.01235 Root MSE = 34.6
crmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
unem -4.161134 3.416456 -1.22 0.230 -11.04655 2.72428

_cons 128.3781 20.75663 6.18 0.000 86.54589 170.2104
Si se interpreta el resultado se observa que un aumento en el ndice de desempleo

disminuye el delictivo. Es significativo y coherente?.
El problema puede ser causado por variables omitidas tales como edad, gnero, educacin.
Pero por medio de datos panel es posible observar como la inclusin del ao 82 puede
ayudar a controlar el hecho de que distintas ciudades tienen histricamente diferentes
ndices de delincuencia.
Por medio de anlisis de datos agrupados, se hace el anlisis que el efecto inobservable es
de dos tipos, el constante y el que vara en el tiempo. En la ecuacin anterior la constante es
t = 1, y t =2 es Bo + o.
La variable ai captura todos los efectos inobservables constantes en el tiempo que influyen
en Yit, ai es denominada EFECTO INOBSERVABLE, en este caso denominada EFECTO
FIJO, dado que no se modifica en el tiempo. La ecuacin anterior es un modelo de
EFECTOS INOBSERVABLES O MODELO DE EFECTOS FIJOS. Uit se denomina error
idiosincrtico o error de variacin temporal., pues representa factores inobservables que
cambian en el tiempo. De acuerdo al ejemplo anterior, el modelo a estimar es
La variable d87, ser el efecto fijo en este caso URBANO, que pueden ser las
caractersticas demogrficas, si no hay un cambio en las polticas puede encontrarse la
educacin, la raza y la edad. Ahora por los supuestos de MCO, U no debe estar
correlacionado con las X, por lo tanto se hace un cambio en la ecuacin
125
INSTRUCTOR
Donde Vit = ai + uit, se denomina ERROR COMPUESTO. Realizando la estimacin del

ejemplo
. reg crmrte unem d87

F( 2, 89) = 0.55
Model 989.717223 2 494.858612 Prob > F = 0.5788
Adj R-squared = -0.0100
Total 81045.5167 91 890.610074 Root MSE = 29.992
crmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
unem .4265473 1.188279 0.36 0.720 -1.934538 2.787633

d87 7.940416 7.975325 1.00 0.322 -7.906385 23.78722
_cons 93.42025 12.73947 7.33 0.000 68.10719 118.7333
El resultado no es bueno, dados la insignificancia, lo que indica que el supuesto de no

correlacin est afectado el modelo, adems, MCO con variables dicotmicas no soluciona
el problema de variables omitidas, adems, uno de los objetivos de panel es capturar
correlaciones entre a y X.
En la mayor parte de las aplicaciones, la razn de data panel es permitir que el efecto
inobservable se correlacione con las variables explicativas. Por ejemplo, en la delincuencia,
deseamos dejar que los factores urbanos no contemplados en ai que influyen en el ndice de
delincuencia, se correlacionen tambin con el ndice de desempleo.
Es sencillo realizarlo: Como ai es constante en el tiempo, diferenciamos a lo largo de los
dos aos. De manera se escribe la ecuacin de esta forma
El efecto ai es eliminado al diferenciar, la ecuacin anterior es denominada ecuacin de

diferencia de primer orden. Lo importante es que no exista correlacin entre U y X. Para
poder estimar este modelo debe haber cambio en las X, dado que si hay una variable que no
cambie, como por ejemplo el sexo de una persona la estimacin es incorrecta. Reestimando
este modelo tenemos
126
INSTRUCTOR
. reg ccrmrte cunem

F( 1, 44) = 6.38
Model 2566.43744 1 2566.43744 Prob > F = 0.0152
Total 20255.9871 45 450.133047 Root MSE = 20.051
ccrmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
cunem 2.217999 .8778658 2.53 0.015 .4487771 3.987222

_cons 15.4022 4.702117 3.28 0.002 5.92571 24.8787
by var35: gen ccrmrte= crmrte - crmrte[_n-1]
El resultado ahora proporciona una relacin positiva, entre los ndices. La interceptcin
revela que cuando el cambio en el desempleo = 0, el ndice delicitivo es de 15.4, esto
refleja un aumento secular en los ndices delictvos en USA de 1982 a 1987.
Ejercicio 1
1. Use la base de datos SLP75_81.dta para estimar el intercambio entre el tiempo
dedicado a dormir y a trabajar. El modelo es descrito por
Estime el modelo correspondiente e intrprete.

2. Utilice la base CRIME3.dta y estime el siguiente modelo diferencindolo
El modelo de ndice de delincuencia para Noruega, tiene como dependiente el porcentaje de

casos resuletos, los rezagos van a permitir que se observe si el ndice de casos resueltos
pasados ejerce influencia sobre el ndice de hoy. Si son significativos indicara que un
mayor porcentaje de casos resueltos hace t perodos disuadira delitos de este ao. Qu
decisin de poltica tomara usted?
8.3 ANLISIS DE POLTICAS POR MEDIO DE DATOS PANEL
Dado que se hace un seguimiento a los mismos individuos, nos permite analizar despus de
cierta implementacin de poltica su efecto, permitiendo tener grupos de control. El
siguiente ejemplo es para observar el efecto de las leyes de conducir en estado de ebriedad
con las muertes de trnsito.
La ley implementada es la ley sobre recipientes abiertos, la cual se vuelve ilegal contener
recipientes de bebidas alcohlicas dentro del vehculo, se desea comparar contra la ley
administrativa que cancela la licencia una vez el conductor es encontrado en estado de
embriaguez, el archivo TRAFFIC1.DTA contiene datos de 1985 y 1990 para los 50 estados
y el distrito de Columbia. La variable dependiente es el nmero de muertes de transito por
cada 100 millones de millas conducidas (dhrte). Estime el modelo en diferencias para dhrte
127
INSTRUCTOR
con respecto a la variable open la que indica si contaba o no con la ley, y la variable admin,
que indica la existencia de la ley administrativa.
Cul ley tiene mayor efecto?.
8.4 ANLISIS DE MS DE DOS PERODOS
El modelo para tres perodos es dado por
El intercepto para el primer perodo es 1 y para el segundo es 1+2. Para hacer el

anlisis de ms perodos simplemente se diferencia la ecuacin anterior, resultando
Al realizar el procedimiento anterior el intercepto no se incluye, pero en muchas ocasiones

este intercepto es necesario, por lo tanto se reajusta la ecuacin anterior y se incluye
solamente un perodo de tiempo.
De manera general
Este tipo de anlisis es muy til para anlisis de polticas.
Utilizando la base de datos EZUNEM.dta, con la cual se busca capturar el efecto de las
zonas empresariales en los reclamos de los seguros de desempleo, la variable ZE captura el
efecto del programa de zonas empresariales en los reclamos del seguro de desempleo. Se
analizaron 22 ciudades de 1980 a 1988, la variable de estudio es UCLMS la cual indica el
nmero de reclamos de seguro de desempleo del ao t y la ciudad i. El modelo a estimar es
La variable dependiente en la ecuacin es la tasa de crecimiento anual aproximada de los

reclamos del seguro de desempleo del ao t- 1 a t. el tamao de la muestra es 22*8 = 176.
128
INSTRUCTOR
. reg guclms d82-d88 cez

F( 8, 167) = 34.50
Model 12.8826331 8 1.61032914 Prob > F = 0.0000
Residual 7.79583815 167 .046681666 R-squared = 0.6230
Total 20.6784713 175 .118162693 Root MSE = .21606
guclms Coef. Std. Err. t P>|t| [95% Conf. Interval]
d82 .7787595 .0651444 11.95 0.000 .6501469 .9073721

d83 -.0331192 .0651444 -0.51 0.612 -.1617318 .0954934
d84 -.0171382 .0685455 -0.25 0.803 -.1524655 .1181891
d85 .323081 .0666774 4.85 0.000 .1914417 .4547202
d86 .292154 .0651444 4.48 0.000 .1635413 .4207666
d87 .0539481 .0651444 0.83 0.409 -.0746645 .1825607
d88 -.0170526 .0651444 -0.26 0.794 -.1456652 .1115601
cez -.1818775 .0781862 -2.33 0.021 -.3362382 -.0275169
_cons -.3216319 .046064 -6.98 0.000 -.4125748 -.2306891
La presencia de Zonas Empresariales hace que los reclamos del seguro se reduzcan en
aproximadamente (exp(-1.818) 1) el 16.6%. los dems parmetros indican la intercepcin
en cada t, indicando si bajaron o subieron los reclamos del seguro de desempleo.
Ejercicio 2.
1. Utilizando la base CRIME4.DTA , la cual es el ndice de delincuencia en Carolina
del Norte, desde 1981 a 1987, la variable a estudiar CRMRTE es el ndice de
delincuencia, PRBARR es la probabilidad estimada de arresto, PRBCON es la
probabilidad de condena dado un arresto, PRBPRIS es la probabilidad de cumplir
una sentencia en prisin dada una condena, LAVGSENS es la duracin de la
sentencia promedio cumplida y POPLC es el nmero de efectivos policiacos per
cpita, de los 90 condados estudiados. Estime el modelo diferenciado y analice la
existencia de heterocedasticidad y corrija si es el caso.
TALLER15
1. Utilice el archivo GPA3.DTA para este ejercicio. El conjunto de datos es para 366
estudiantes atletas de una universidad grande para los semestres de otoo y primavera.
Como se cuenta con dos trminos de datos para cada estudiante, resulta adecuado un
modelo de efectos inobservables. La primera interrogante de inters es la siguiente.
Tiene un menor aprovechamiento en la escuela los atletas durante el semestre en que si
deporte est en temporada?
a. Determine los estimadores de MCO agrupados para el modelo que tiene como
variable dependiente GPA (trmgpa) y como explicativas spring, sat, hsperc,
15
Wooldridge. Introduccin a la econometra
129
INSTRUCTOR
female, black, white, frstsem, tothrs, crsgpa, y season. Interprete el coeficiente

de season. Es estadsticamente significativo?
b. La mayora de los atletas que realizan su deporte slo en el otoo son jugadores
de ftbol americano. Suponga que sus niveles de capacidad difieren en forma
sistemtica de los otros atletas. Si no se captura adecuadamente la capacidad por
medio de las puntuaciones de la prueba de aptitud acadmica SAT( Scholastic
Aptitute test) y el percentil de preparatoria hsperc. Explique por qu los
estimadores obtenidos estaran sesgados?
c. Ahora utilice los datos diferenciados a travs de los dos trminos. Qu variables
se descartan?. Ahora pruebe el efecto del deporte de temporada
d. Considera que hay una o ms variables potencialmente importantes, que varan
en el tiempo y que se hayan omitido en el anlisis
2. El archivo VOTE2.DTA incluye datos de panel sobre las elecciones para la cmara de
representantes de los estados unidos de 1988 y 1990. Slo los ganadores de 1988 que
tambin estaban compitiendo en 1990 estn en la muestra; se trata de los titulares del
cargo. Un modelo de efectos inobservables que explica la parte del voto de los ttulos
del cargo en trminos de gastos de los dos candidatos es
En donde incshres la parte del total de gastos de campaa de los titulares del cargo en
porcentaje. El efecto inobservable ai , contiene caractersticas del titular del cargo como la
calidad- adems de cosas sobre el distrito que son constantes. El gnero y el partido del
titular son constantes en el tiempo, de modo que estos se agregan en ai. Nos interesa el
efecto de los gastos de la campaa en los resultados de las elecciones.
a. Diferencie la ecuacin dada a lo largo de los dos aos y estime la ecuacin en
diferencias por MCO. Cules variables son significativas al 5%.
b. En la ecuacin anterior, haga una prueba de significancia conjunta de las
variables D.loginexp y D.logchexp
c. Vuelva a estimar la ecuacin del punto a., pero solamente estime contra la
variable D.inchsr. Interprete el coeficiente. Por ejemplo, si los gastos del titular
aumentan en un 10%. Cmo se predice que esto influya en la parte proporcional
de los votos del titular del cargo?
3. Utilizando la base JTRAIN.dta (capacitacin), para determinar el efecto del subsidio

para la capacitacin laboral sobre las horas de capacitacin para el trabajo por
empleado. El modelo bsico para los tres aos es
a. Estime la ecuacin en la primera diferencia. Cuntas empresas se emplean

en la estimacin?, cuntas observaciones totales se utilizaran si cada
130
INSTRUCTOR
compaa tuviera datos sobre todas las variables, en particular sobre hrsemp
para los tres perodos
b. Interprete el coeficiente de grant y comente si es significativo
c. Es sorprendente que grant-1 sea no significativo?
d. Las empresas ms grandes capacitan ms o menos, en promedio, a sus
empleados. Qu tan grandes son las diferencias en la capacitacin?
8.5 EFECTOS FIJOS
La primera diferencia es slo una de las formas de eliminar el efecto fijo, ai, el mtodo ms
usado se denomina estimacin de Efectos Fijos. El modelo consiste en realizar la siguiente
transformacin para el siguiente modelo
Se calcula el promedio de cada variable
Donde en la ltima ecuacin se encuentran los datos centrados, a sta transformacin se le

denomina Transformacin Intra-Grupos, que desaparece el efecto inobservable, se estima
por MCO, a estos estimadores se denominan estimadores de Efectos Fijos o Intra Grupo
(within), los cuales aprovechan la variacin temporal en y y x dentro de cada observacin
transversal.
En este modelo se supone la existencia de correlacin entre ai y X, en caso de no existir

correlacin la estimacin se realiza por Efectos Aleatorios. Lastimosamente los coeficientes
de la ltima ecuacin no permite una interpretacin de los coeficientes.
En algunas ocasiones es de inters estimar el panel para analizar las intercepciones

estimadas, es decir, ai, esto sucede en el caso que se desee estudiar la distribucin asociada,
o si se desea tomar una determinada empresa o ciudad para ver si su ai, est por encima o
por debajo de su valor promedio muestral.
Efectos fijos o primera diferencia?
La primera diferencia generalmente es ms fcil de calcular en el caso de que el programa

economtrico no cuente con la estimacin correspondiente, ambos estimadores son
insesgados y consistentes. Cuando las Uit no se correlacionan serialmente, los estimadores
de EF son ms eficientes, cuando T es grande y N pequeo, el estimador de EF
generalmente presenta problemas dado que N hace que no se cumplan algunos supuestos y
se recomienda usar primera diferencia.
131
INSTRUCTOR
8.6 EFECTOS ALEATORIOS

Teniendo
Al utilizar efectos fijos o la primera diferencia, el objetivo es eliminar ai,dado que se

considera que se correlaciona con una o ms de las X, pero si no estn correlacionadas y se
estima un modelo por EF, el estimador es insesgado.
La ecuacin anterior se vuelve Efectos Aleatorios cuando se supone que el efecto

inobservable no se correlaciona con cada variable explicativa. El estimador de EA es dado
por
Donde es una transformacin de la varianza, que permite eliminar la correlacin serial en

los errores. A esta transformacin se le denomina datos casi centrados, esta transformacin
permite que las variables explicativas sean constantes en el tiempo, y est es una ventaja de
los EA sobre EF y primera diferencia.
Ejercicio
Usando la base de datos WAGEPAN.dta para estimar la ecuacin de salario para los
hombres. Debe emplear los tres mtodos de estimacin, MCO agrupados, EA y EF., la
variable dependiente es lwage, y las explicativas, educacin (educ), la raza (black) y el
origen (hisp), la experiencia y la experiencia al cuadrado, si es casado o no (married), y si
pertenece a una asociacin sindical (union).
Cul es el efecto de estar casado?, a qu se deber?
8.7 ANLISIS DE DATOS PANEL EN Stata

Stata con un conjunto de procedimientos que le permiten al usuario trabajar bases de datos
de Stata, para ello se debe utilizar el prefijo xt, el cual le indica a Stata que se est
trabajando con datos panel. Los comandos para iniciar Stata con panel y hacer su
descripcin son:
Identificador de bases de datos de Stata
xtset id t
Descripcin de bases de datos tipo panel
xtdescribe
Resumen de estadsticas con variaciones WITHIN y BETWEEN
xtsum id t lwage ed exp exp2 wks south tdum1
Tabulacin de datos para una variable panel
xttab south
132
INSTRUCTOR
Calculo de probabilidades de transicin para una variable

xttrans south, freq
8.8 ESTRUCTURA DE BASES DE DATOS PANEL
Stata requiere un ajuste de la base de datos panel, dado que solo trabaja con bases de datos
micropanel, es decir con N grande y T pequeo.
Reshape
reshape long stubnames, i(varlist) [options]
reshape wide stubnames, i(varlist) [options]
WIDE
i ....... x_ij ........
id sex inc80 inc81 inc82
-------------------------------
1 0 5000 5500 6000
2 1 2000 2200 3300
3 0 3000 2000 1000
En la base de datos en forma horizontal (wide form), existe una sola observacin por id, pero ms
de una variable por ingreso.
LONG
i j x_ij
id year sex inc
-----------------------
1 80 0 5000
1 81 0 5500
1 82 0 6000
2 80 1 2000
2 81 1 2200
2 82 1 3300
3 80 0 3000
3 81 0 2000
3 82 0 1000
En la base de datos de forma vertical (long form) se puede observar que existe una variable que es
contante al interior de un grupo, en este caso el id, tenemos una variable que vara en el interior del
grupo que es el ao.
De Long a Wide
reshape wide stub, i(i) j(j) j es una variable existente
De Wide a Long
reshape long stub, i(i) j(j) j es una nueva variable
Wide form data (observation is a state)
use mus08cigarwide.dta, clear
133
INSTRUCTOR
list, clean
Convert from wide form to long form (observation is a state-year pair)
reshape long lnp lnc, i(state) j(year)

Long-form data (observation is a state)
list in 1/6, sepby(state)

Reconvert from long form to wide form (observation is a state)
reshape wide lnp lnc, i(state) j(year)
Ejercicio
Replique los ejemplos presentados sobre este comando en help reshape
8.9 REGRESIN AGRUPADA
El enfoque ms simple de analizando datos tipo panel es omitir las dimensiones del espacio
y el tiempo de los datos agrupados y slo calcular la regresin MCO. Este modelo es
expresado de la siguiente forma
Donde i significa la i-sima unidad transversal (individuo) y t el tiempo.

Con la base nls_panel.dta, entre las variables:
lwage exper exper2 tenure tenure2 south union black educ,
Recordar hacer descripcin de las variables y adems decirle a Stata que es una base tipo panel.
log using ch15_nls_re, replace text

use nls_panel, clear
. reg lwage educ exper exper2 tenure tenure2 black south union educ
note: educ omitted because of collinearity

F( 8, 3571) = 215.50
Model 251.535045 8 31.4418807 Prob > F = 0.0000
Total 772.56123 3579 .215859522 Root MSE = .38197
lwage Coef. Std. Err. t P>|t| [95% Conf. Interval]
educ .0714488 .0026894 26.57 0.000 .0661759 .0767217

exper .0556851 .0086072 6.47 0.000 .0388096 .0725605
exper2 -.0011475 .0003613 -3.18 0.002 -.0018559 -.0004392
tenure .01496 .0044073 3.39 0.001 .006319 .023601
tenure2 -.000486 .0002577 -1.89 0.059 -.0009913 .0000192
black -.1167139 .0157159 -7.43 0.000 -.1475269 -.0859008
south -.1060026 .0142008 -7.46 0.000 -.1338451 -.07816
union .1322432 .0149616 8.84 0.000 .102909 .1615774
educ (omitted)
_cons .4766 .0561559 8.49 0.000 .3664993 .5867008
134
INSTRUCTOR
8.10 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 se necesite controlar el carcter
individual de cada individuo. El modelo de efectos aleatorios permite suponer que cada
unidad transversal tiene un intercepto diferente. Este modelo se expresa como:
Donde . Es decir, en vez de considerar a como fija, suponemos que es una

variable aleatoria con un valor medio y una desviacin aleatoria ui de este valor medio.
Sustituyendo , en (2) tenemos:
Stata realiza la estimacin de efectos aleatorios con el comando xtreg, re.

.
. xtreg lwage educ exper exper2 tenure tenure2 black south union, re
Random-effects GLS regression Number of obs = 3580

Group variable: id Number of groups = 716
R-sq: within = 0.1411 Obs per group: min = 5

between = 0.3543 avg = 5.0
overall = 0.3191 max = 5
Random effects u_i ~ Gaussian Wald chi2(8) = 860.08

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
lwage Coef. Std. Err. z P>|z| [95% Conf. Interval]
educ .0732536 .0053308 13.74 0.000 .0628055 .0837017

exper .043617 .0063576 6.86 0.000 .0311564 .0560776
exper2 -.000561 .0002626 -2.14 0.033 -.0010757 -.0000463
tenure .0141541 .0031666 4.47 0.000 .0079478 .0203605
tenure2 -.0007553 .0001947 -3.88 0.000 -.001137 -.0003737
black -.1167366 .0302087 -3.86 0.000 -.1759446 -.0575286
south -.0818117 .0224109 -3.65 0.000 -.1257363 -.0378871
union .0802353 .0132132 6.07 0.000 .0543379 .1061327
_cons .5339294 .0798828 6.68 0.000 .377362 .6904968
sigma_u .32904965
sigma_e .19511039
rho .73986872 (fraction of variance due to u_i)
Si se analiza (3), se puede observar que si ui es igual a cero, es decir , no existe

diferencia entre (1) y (3).
Para saber si utiliz efectos aleatorios o datos agrupados entonces debo realizar la prueba
de Breusch - Pagan, la prueba del Multiplicador de Lagrange para Efectos Aleatorios. La
hiptesis nula de esta prueba es que , entonces, si rechazo la hiptesis, s existe
diferencia entre (1) y (3) y debo estimar efectos aleatorios.
La prueba se realiza por medio de xttest0
135
INSTRUCTOR
Breusch and Pagan Lagrangian multiplier test for random effects
lwage[id,t] = Xb + u[id] + e[id,t]
Estimated results:
Var sd = sqrt(Var)
lwage .2158595 .4646068

e .0380681 .1951104
u .1082737 .3290497
Test: Var(u) = 0
chi2(1) = 3859.28
Prob > chi2 = 0.0000
El p value indica que debo rechazar Ho, por lo tanto los efectos aleatorios son relevantes.
8.11 EFECTOS FIJOS
Otra forma de modelar el efecto individual, es por medio de efectos fijos, este modelo no
supone que las diferencias entre individuos sean aleatorios, sino constantes o fijas y por ello
se debe estimar el intercepto u. Cmo se puede permitir que el intercepto vare con respecto
a cada individuo?. Una de las formas es a travs de variables dicotmicas de interseccin
diferencial, expresada as
Donde vi es un vector de variables dicotmicas para cada estado. El modelo se estima de la

siguiente forma
. reg lwage educ exper exper2 tenure tenure2 black south union educ i. id
note: 715.id omitted because of collinearity
note: 716.id omitted because of collinearity

F(721, 2858) = 24.18
Model 663.762704 721 .920614014 Prob > F = 0.0000
Total 772.56123 3579 .215859522 Root MSE = .19511
educ .2095154 .1238721 1.69 0.091 -.0333723 .4524031

exper .0410832 .00662 6.21 0.000 .0281027 .0540637
exper2 -.0004091 .0002733 -1.50 0.135 -.000945 .0001269
tenure .0139089 .0032778 4.24 0.000 .0074818 .0203361
tenure2 -.0008962 .0002059 -4.35 0.000 -.0012999 -.0004926
black .4436098 .1296263 3.42 0.001 .1894394 .6977803
south -.0163224 .036149 -0.45 0.652 -.0872031 .0545584
union .0636972 .0142538 4.47 0.000 .0357485 .091646
educ (omitted)
id
2 -.6097623 .5683056 -1.07 0.283 -1.724093 .5045682
3 .5301255 .1301154 4.07 0.000 .2749959 .785255
4 .8530533 .1311647 6.50 0.000 .5958663 1.11024
5 .7703423 .2173306 3.54 0.000 .3442017 1.196483
6 .2891988 .4476351 0.65 0.518 -.5885216 1.166919
7 .3502798 .3298208 1.06 0.288 -.296431 .9969906
8 .1714799 .3293968 0.52 0.603 -.4743996 .8173593
9 .0862207 .3293165 0.26 0.793 -.5595012 .7319426
El cual estima una dummy para cada individuo, (la base tiene 716). Pero la opcin ms
sencilla es por medio de xtreg
136
INSTRUCTOR
. xtreg lwage educ exper exper2 tenure tenure2 black south union educ, fe
note: black omitted because of collinearity
Fixed-effects (within) regression Number of obs = 3580


between = 0.1162 avg = 5.0
F(6,2858) = 79.46
corr(u_i, Xb) = 0.0952 Prob > F = 0.0000
educ (omitted)
exper .0410832 .00662 6.21 0.000 .0281027 .0540637
exper2 -.0004091 .0002733 -1.50 0.135 -.000945 .0001269
tenure .0139089 .0032778 4.24 0.000 .0074818 .0203361
tenure2 -.0008962 .0002059 -4.35 0.000 -.0012999 -.0004926
black (omitted)
south -.0163224 .036149 -0.45 0.652 -.0872031 .0545584
union .0636972 .0142538 4.47 0.000 .0357485 .091646
educ (omitted)
_cons 1.450034 .04014 36.12 0.000 1.371328 1.52874
sigma_u .40231926
sigma_e .19511039
rho .80959194 (fraction of variance due to u_i)
F test that all u_i=0: F(715, 2858) = 15.15 Prob > F = 0.0000
Ahora se debe seleccionar agrupados o fijos?, (1) (4), el modelo (1) es ms restringido
dado que asume un intercepto comn para todos los estados, es decir, no incluye variables
dicotmicas individuales. Por lo tanto, utilizando la prueba F, la cual la hiptesis nula es
que , es decir todas las variables dicotmicas individuales son
iguales a cero. Si la prueba se rechaza, significa que al menos una variable pertenece al
modelo, y por lo tanto es necesario estimar el modelo por efectos fijos.
En el ejemplo el p value es menor a 0.05 por lo tanto es preferible usar el modelo de

efectos fijos.
BETWEEN = Componente TEMPORAL aleatorio que es invariante a travs de los individuos, pero
que vara a travs del tiempo.
WITHIN = El error Ui tiene un componente INDIVIDUAL aleatorio que es invariante a travs del
tiempo ALPHA, que se caracteraza a cada uno de los agentes sociales.
8.12 EFECTOS ALEATORIOS vs. FIJOS
Las pruebas de Breusch- Pagan para efectos aleatorios y la prueba F, para fijos nos
permiten comparar entre cada uno de estos modelos y el de datos agrupados. Pero entre
ellos cul usar?
137
INSTRUCTOR
La respuesta depende de la correlacin que exista entre las variables X y el componente de

error individual ui. El modelo de efectos aleatorios supone que esta correlacin es igual a
cero, el no incluir a u en el modelo puede generar problemas de omisin de variables
ocasionando un sesgo de variable omitida en los coeficientes de X.
Hausman demostr que la diferencia entre los coeficientes de efectos fijos y aleatorios
puede ser usada para probar la hiptesis nula de que ui y las variables X no
estn correlacionadas. Por lo tanto la hiptesis nula del test de Hausman es
Ho: Los estimadores de efectos fijos y aleatorios no difieren sustancialmente.
Si se rechaza Ho, hay diferencia entre ellos y la conclusin es que los efectos fijos son ms
convenientes que los efectos aleatorios. Si no se puede rechazar Ho., no hay sesgo de que
preocuparse y es preferible los efectos aleatorios que al no estimar con dummies, es un
modelo ms eficiente.
Utiliza para ello una prueba Chi-cuadrado con la hiptesis nula de que el modelo de efectos
aleatorios es el que mejor explica la relacin de la variable dependiente con las
explicativas, y por tanto se tiene la hiptesis alternativa de que el mejor mtodo que se
ajusta es el de efectos fijos.
. estimates store aleatorios
. hausman fijos aleatorios
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fijos aleatorios Difference S.E.
exper .0410832 .043617 -.0025338 .0018455

exper2 -.0004091 -.000561 .0001519 .0000758
tenure .0139089 .0141541 -.0002452 .0008468
tenure2 -.0008962 -.0007553 -.0001409 .0000668
south -.0163224 -.0818117 .0654893 .0283637
union .0636972 .0802353 -.0165381 .0053462
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(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 20.73
Prob>chi2 = 0.0021
En el ejemplo se rechaza Ho., es decir la diferencia entre los coeficientes de efectos fijos y
aleatorios es sistemtica, por lo tanto se debe estimar efectos fijos.
Si se desea hacer inferencias con respecto a la poblacin, es decir que se trabaja con una
muestra aleatoria, lo mejor es utilizar una especificacin del tipo aleatoria. En caso de que
el inters sea limitado a una muestra que se ha seleccionado a conveniencia o bien que se
est trabajando con la poblacin, la estimacin de efectos fijos ser la correcta.
138
INSTRUCTOR
Adicionalmente, si el inters del estudio particular est puesto en los coeficientes de las
pendientes de los parmetros, y no tanto en las diferencias individuales, se debera elegir un
mtodo que relegue estas diferencias y tratar la heterogeneidad no observable como
aleatoria.
El modelo de efectos fijos se ve como un caso en que el investigador hace inferencia

condicionada a los efectos que ve en la muestra. El de efectos aleatorios se ve como uno en
el cual el investigador hace inferencia condicional o marginal respecto a una poblacin.
Se deja al investigador que decida si hace inferencia con respecto a las caractersticas de
una poblacin o solo respecto a los efectos que estn en la muestra.
8.13 AUTOCORRELACIN Y HETEROSCEDASTICIDAD
Los modelos de datos panel, modelan tanto la heterogeneidad temporal y la espacial, de

acuerdo a los supuestos de MCO los errores deben ser independientes entre si y se deben
distribuir idnticamente con varianza constante. . Pero los datos panel generalmente
presentan problemas en el cumplimiento de este supuesto. La independencia se viola
cuando los errores de diferentes individuos se correlacionen entre ellos, es decir correlacin
contempornea, o cuando los errores dentro de cada unidad se correlacionan
temporalmente, correlacin serial, o ambos. De igual forma en el momento de la presencia
de heteroscedasticidad no se cumple la distribucin idntica.
Solo se tratar el tema de la correlacin temporal es decir la autocorrelacin, es muy

probable que existan correlaciones entre los salarios durante los perodos de estudio.
Existen varias pruebas para verificar autocorrelacin entre ellas panelauto, pantest2 y
xtserial. La prueba ms robusta es la xtserial desarrollada por Wooldridge, la hiptesis
nual consiste en que No existe Autocorrelacin, el comando xtserial requiere el listado de
variables dependientes e independientes.
Si se rechaza la hiptesis nual entonces hay problemas de autocorrelacin, y para corregirlo

se hace a travs de un modelo de efectos fijos o aleatorios con trmino p autorregresivo de
grado AR(1) que controla la dependencia de t a t -1 . El modelo es dado por
Donde , es decir, los errores tienen una correlacin de primer grado. El

modelo AR1 es ejecutable con xtregar
139
INSTRUCTOR
. xtregar lwage exper exper2 tenure south union black edu, fe

note: black dropped because of collinearity
note: educ dropped because of collinearity
FE (within) regression with AR(1) disturbances Number of obs = 2864


between = 0.1091 avg = 4.0
F(5,2143) = 281.50
corr(u_i, Xb) = -0.1087 Prob > F = 0.0000
exper .2108687 .0074041 28.48 0.000 .1963487 .2253888

exper2 -.0062753 .0003279 -19.14 0.000 -.0069184 -.0056323
tenure .0026851 .0027579 0.97 0.330 -.0027233 .0080935
south -.0334198 .0483105 -0.69 0.489 -.1281602 .0613205
union .0569314 .0160276 3.55 0.000 .0255002 .0883627
black (omitted)
educ (omitted)
_cons .3561069 .0216711 16.43 0.000 .3136082 .3986055
rho_ar .60413957
sigma_u .41798855
sigma_e .20057178
rho_fov .81283897 (fraction of variance because of u_i)
F test that all u_i=0: F(715,2143) = 4.13 Prob > F = 0.0000
La correlacin contempornea se da cuando ciertos individuos estn correlacionados con

las observaciones de otros individuos en el mismo perodo de tiempo. El problema de la
correlacin contempornea se refiere a la correlacin de los errores en al menos dos
unidades en el mismo tiempo t. Es decir existen caractersticas inobservables de ciertos
individuos que se relacionan con las caractersticas inobservables de otros individuos.
El comando xttest2 ejecuta la prueba de Breusch-Pagan para identificar autocorrelacin
contempornea en los residuales de efectos fijos. La hiptesis nula es que existen
Independencia Transversal, es decir que los errores son independientes entre s.
Breusch-Pagan LM test of independence: chi2(255970) = 3.92e+05, Pr = 0.0000
Based on 5 complete observations
En este caso se rechaza Ho. Por lo tanto es necesario corregir la correlacin contempornea.
En el momento de que la varianza de los errores no sea contante en cada unidad transversal,
se est violando uno de los supuestos, para verificar si existe o no heteroscedasticidad es
por medio del test de Lagrange de Breusch-Pagan. La Ho consiste en que No hay
Heteroscedasticidad, es decir, , para todo i. Para verificar la violacin de este
supuesto utilizamos xttest3 despus de estimar efectos fijos.
. xttest3
Modified Wald test for groupwise heteroskedasticity

in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (716) = 1.6e+06

Prob>chi2 = 0.0000
La prueba indica que no existe homocedasticidad.

140
INSTRUCTOR
8.14 CORRECCIN DE HETEROCEDASTICIDAD Y AUTOCORRELACIN
La solucin se realiza por medio de Mnimos Cuadrados Generalizados Factibles (FGLS) o

por medio de Errores Estndar Corregidos para Panel (PCSE), algunos estudios han
demostrado que PCSE es ms preciso que FGLS pero para muestras pequeas.
Los comandos son
xtgls
xtpcse
Estos modelos no estimando efectos fijos, por lo tanto es necesario incluir variables
dicotmicas con el comando xi.
De acuerdo al problema la solucin es dada de acuerdo al siguiente cuadro:
PROBLEMA HETEROSCEDASTICID CORRELACIN AUTOCORRELACI
AD CONTEMPORAN N
EA
HETEROSCEDASTICID xtgls vardep varsind, xtgls vardep varsind, xtgls vardep varsind,
AD panel(h) p(c) p(h) c(ar1)
xtpcse vardep varsind, het xtpcse vardep xtpcse vardep varsind,
varsind, het c(ar1)
CORRELACIN xtgls vardep varsind, p(c)
CONTEMPORANEA xtpcse vardep varsind,
AUTOCORRELACIN xtgls vardep varsind, p(h) xtregar vardep varsind,
c(ar1) fe re
xtpcse vardep varsind, het
c(ar1)
En caso de presentar los trs problemas Heterocedasticidad, correlacin contempornea y

autocorrelacin se corrige por:
xtgls vardep varsind, p(c) c(ar1)
xtpcse vardep varsind, c(ar1)
TALLER 2
1. Usando la base de datos nls_panel.dta, que esun panel de datos para 716 mujeres
por 5 aos.
a. Abra la base de datos y realice anlisis descriptivo de las variables claves
(lwage, exper, exper2, tenure, tenure2, south, union, black y educ)
b. Utilizando el archivo Ejemplo datos panel.do, realice los procedimientos
para calcular el modelo por MCO Agrupados, EF y EA y seleccione el mejor
modelo.
8.15 MODELOS DINMICOS CON DATOS PANEL
Es habitual que los investigadores utilicen los modelos de panel con retardos de la variable
dependiente. En estos casos se incluye en el modelo, como variable dependiente, un retardo o
141
INSTRUCTOR
incluso ms retardos de la variable dependiente ms otras variables exgenas que tambin pueden
incluir retardos de Xit.
Donde k = 1, , K variables independientes de inters, i = 1, , N unidades sociales y t = 1, , T

observaciones en el tiempo. La variable Yt es la endgena y Yt-1 es la variable endgena rezagada
un perodo en el tiempo, xt son las variables explicativas o exgenas cuyos retardos en el tiempo
tambin pueden ser incluidos en el modelo causal y ut es el error del modelo.
Lo anterior es una solucin para evitar el problema de errores correlacionados entre s cuando se
realiza la estimacin por MCO.
Adems el hecho de que yt-1 se incluya en el modelo permite controlar por el efector qu valores
precios de la variable endgena tienen en el valor presente, y con ello, el efecto de las variables
independientes puede ser ms acertado y preciso que en cualquier otro caso. El coeficiente
asociado con yt-1 representa lo que se denomina la tasa de descuento, es decir, la tasa de
decrecimiento del efecto de valores pasado de yt-1.
Incluir rezagos genera problemas de estabilidad de los parmetros y adems la inclusin de rezagos
no necesariamente soluciona totalmente el problema de autocorrelacin serial, para ello se podra
incluir un comportamiento autorregresivo para el error. Otro problema es que las estimaciones
pueden ser sesgadas dificultando muchas veces la estimacin del modelo. Una solucin a este
problema es la realizacin de modelos incluyendo variables instrumentales.
MTODO DE ARELLANO BOND PARA PANEL CON REZAGOS
Comando xtabond
use http://www.stata-press.com/data/r9/abdata
xtabond n l(0/1).w l(0/2).(k ys) yr1980 yr1981 yr1982 yr1983 yr1984, lags(2)
RAICES UNITARIAS Y COINTEGRACIN
Los contrastes de races unitarias con datos de panel son similares a los contrastes de races
unitarias efectuados en modelos de nica seria. Se parte de la siguiente ecuacin:
Se evala por medio de los test de Fisher ADF y Fisher PP para contrastar la existencia de races
unitarias en datos de panel, combinan lo p valores de los test de races unitarias individuales. La
hiptesis nula de que hay una raz unitaria en todos los N cortes transversales, una de las formas
ms sencillas para verificar COINTEGRACIN es comprobar mediante un contraste de races
unitarias de panel, que los residuos del modelo de panel estn exentos de races unitarias.
142
INSTRUCTOR
9 INTRODUCCIN A LA PROGRAMACIN
Help comments
Capture
Ejecuta el comando y no muestra resultados ni errores
9.1 LOCAL MACROS
Las macros locales de Stata le van a permitir trabajar ms fcilmente con Stata, estas
macros le permitirn alojar objetos como nmeros, variables o varios conjuntos de objetos.
Estos objetos pueden contener caracteres alfanumricos y hasta 8000 caracteres. El
comando para definir una macro es con local seguido por el nombre del objeto y sus
caractersticas.
Ejemplos:
local country US UK DE FR
local ctycode 111 112 136 134
display country
US UK DE FR
El comando global le permite crear nombres de listas de variables, para as poder referirse a ellas de
forma conjunta y evitar tener que escribir cada una de ellas cada vez que vayamos a utilizarlas.
Por ejemplo
global grupo1 var1 var2 var3
Luego para hacer referencia al grupo de variable utilizando algn comando, se debe anteponer el
smbolo $ al nombre del grupo
Por ejemplo keep $grupo1
9.2 CREANDO CICLOS
Una de las utilidades principales de la programacin es la creacin de loops estos le permiten al

usuario crean rutinas para evaluar diferentes alternativas o para crear ciclos de comandos. Los
comandos ms importantes para estos ciclos son forvalues y foreach.
Comando IF
If expression {
Comandos Stata
}
else if expression {
comandos stata
}
143
INSTRUCTOR
else {
comandos stata
Comando For
set obs 100

For new u1-u10: gen x=uniform()
For any . : replace z=. If y= X
For new x2-x5 \ num 2/5: gen X =variable^Y
Comando Forvalues
forvalues nueva_macro = rango {

comandos referidos a nueva_macro
}
program define diez

forvalues i = 1(1)10 {
display "ì'"
}
End
Comando While:
while condicion {
comandos Stata
}
local i = 1
while ì' <= 10 {
display ì'
local i = ì' + 1
}
9.3 ESCALARES Y MATRICES
scalar raiz2 = sqrt(9)

generate raizPIB = PIB*raiz2
Los estadsticos, pruebas y resultados que genera Stata es posible visualizarlos por medio del
comando return y ereturn. Por ejemplo
144
INSTRUCTOR
. sum price, detail
Price
Percentiles Smallest
1% 3291 3291
5% 3748 3299
10% 3895 3667 Obs 74
25% 4195 3748 Sum of Wgt. 74
50% 5006.5 Mean 6165.257

Largest Std. Dev. 2949.496
75% 6342 13466
90% 11385 13594 Variance 8699526
95% 13466 14500 Skewness 1.653434
99% 15906 15906 Kurtosis 4.819188
Luego se obtienen los resultados
. return list
scalars:
r(N) = 74
r(sum_w) = 74
r(mean) = 6165.256756756757
r(Var) = 8699525.97426879
r(sd) = 2949.49588476892
r(skewness) = 1.653433511704859
r(kurtosis) = 4.819187528464004
r(sum) = 456229
r(min) = 3291
r(max) = 15906
r(p1) = 3291
r(p5) = 3748
r(p10) = 3895
r(p25) = 4195
r(p50) = 5006.5
r(p75) = 6342
r(p90) = 11385
r(p95) = 13466
r(p99) = 15906
Veamos en este caso, al hacer un comando de sum e indicando la opcin de detail, Stata nos
muestra los resultados generales ms otras medidas de percentiles, la curtosis y la simetra. Ahora
suponiendo que se quiere armar una tabla que muestre para la base de nlsw.dta, por raza, el
promedio del salario, la mediana, la varianza y el nmero de observaciones. Para ello se usar la
construccin de una matriz.
Para la creacin de la matriz se construye indicando el tamao que se quiere.
La matriz a generar es:
BLACK WHITE
Promedio
Varianza
145
INSTRUCTOR
Mediana
No. Observaciones
Usamos el comando matrix, help matrix_functions
matrix define A=J(4,2,0)
. sum wage if race ==1, d
hourly wage
Percentiles Smallest
1% 2.090301 1.004952
5% 2.875546 1.032247
10% 3.344482 1.392914 Obs 1637
25% 4.516906 1.501798 Sum of Wgt. 1637
50% 6.545891 Mean 8.082999

Largest Std. Dev. 5.955069
75% 9.758451 40.19808
90% 13.14009 40.19808 Variance 35.46285
95% 17.34411 40.19808 Skewness 3.00474
99% 38.70926 40.19808 Kurtosis 14.74577
matrix A[1,1] = r(mean)

matrix A[2,1] = r(p50)
matrix A[3,1] = r(Var)
matrix A[4,1] = r(N)
Debe hacer lo mismo para los negros

. matrix list A
A[4,2]
c1 c2
r1 8.0829994 6.8445578
r2 6.5458913 5.434783
r3 35.462848 25.767671
r4 1637 583
Ahora a continuacin le damos los nombres a las filas y a las columnas
matrix rown A = Promedio Media Varianza Observaciones

matrix coln A = Blanco Negro
. matrix list A
A[4,2]
Blanco Negro
Promedio 8.0829994 6.8445578
Media 6.5458913 5.434783
Varianza 35.462848 25.767671
Observacio~s 1637 583
Para pasar de matriz a variable, se usa el comando svmat.
146
INSTRUCTOR
svmat A
Ejercicio.
1. Ahora haga una prueba de igualdad de medias de los salarios, por la raza
2. Cree una tabla de resultados tal como se presenta a continuacin
BLANCO NEGRO ESTADSTICAS

Promedio Observaciones Promedio Observaciones Diferencia Error std T-test
La primera fila no es posible crearla en Stata, entonces solamente ingrese como nombres la segunda
fila.
Ahora utilizando loops realice la siguiente tabla por las variables tenure, hours, wage grade
SINGLE MARRIED ESTADSTICAS

Promedio Observaciones Promedio Observaciones Diferencia Error std T-test
tenure
hours
wage
grade
global grupo tenure hours wage grade
Definimos una matriz 4x7
matrix def C=J(4,7,0)
Se genera el indicador del loop i que comience desde cero
local i = 0
Utilizando el comando foreach me dice que para cada variable en el grupo que acabo de formar
realice los comandos dentro del loop.
foreach var in $grupo {

local i = ì'+1
preserve
qui ttest `var', by(married)
matrix C[ì',1]=r(mu_1)
matrix C[ì',2]=r(N_1)
matrix C[ì',3]=r(mu_2)
matrix C[ì',4]=r(N_2)
matrix C[ì',5]=r(mu_1) - r(mu_2)
matrix C[ì',6]=r(se)
matrix C[ì',7]=r(t)
restore
147
INSTRUCTOR
}
matrix rown C = tenure hours wage grade
matrix coln C = Prom1 Obs1 Prom2 Obs2 Dif ErrSt T-test
matrix list C
10 TRUCOS CON Stata
ALGUNOS CONSEJOS CON Stata16
1. Si quiere redondear los nmeros en su base de datos podr usar los comandos floor(),
round() y ceil().
Ejemplos:
Sysuse auto
gen g_ratio = floor(gear_ratio)
gen g_ratio = ceil(gear_ratio)
2. En algunas ocasiones se recomienda que el usuario antes de ejecutar algn comando o un

archivo .do, verifique que las condiciones se cumplan, una de las formas para verificarlo es
usando el comando assert.
Ejemplo:
Sysuse bplong
Assert sex == 0 | sex ==1
Replace sex = 3 in 1
Assert sex == 0 | sex == 1
3. Para ingresar carcteres de texto en grficas, crear variables, tablas, puede utilizar el
comando char() , en su interior debe ingresar el cdigo ASCII
Ejemplos
gen arroba = char(64)

local copyr = char(169)
scatter Price mpg, xtitle(MPG) ytitle(Precio `copyr)
4. El commando creturn, c(), le permite al usuario obtener la informacin parametrizada del

sistema, tal como, meses, das, fecha actual, versin de Stata. Algunos ejemplos son:
display `c(alpha)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
di `c(ALPHA)
ABCDEFGHIJKLMNOPQRSTUVWXYZ
16
Retomado del libro Seventy-six of Stata tips.
148
INSTRUCTOR
di `c(Mons)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
di `c(current_date)
di `c(current_time)
di `c(sysdir_stata)
di `c(N)
di `c(k)
di `c(memory)
di `c(more)
di `c(virtual)
di `c(pi) - Genera el nmero Pi
5. Fillin
Clear
Set obs 20
Gen y = _n
Gen x = y
Fillin y x
6. Predefiniendo teclas, Stata, le permite al usuario la posibilidad de usar las teclas funtions,
para el llamado de comandos, funciones, caracteres, entre otros.
Ejemplo:
Global F4 = char(96)
Global F4 = char(180)
Global F4 = list;
7. Si desea ejecutar un comando y que el resultado no aparezca utilice el comando quietly
Ejemplo
quietly summarize x
8. Descargar programas escritos por usuarios

net from http://www.stata.com
net cd stb
net cd stb42
net install sbe16_1
9. Actualizacin Menores de Stata

Stata es un programa que continuamente se encuentra en desarrollo, adems, al contar con
una amplia comunidad de usuarios en diferentes partes del mundo le brinda la oportunidad
de estar frecuentemente mejorado por los Statistical Software Components (SSC) que
continuamente generan los usuarios.
149
INSTRUCTOR
Pero Stata en su versin 11.0 ha generado ya dos actualizaciones menores dentro de esta
versin, siendo la ms actual la versin 11.2, los usuarios que tengan registrado el software
y que cuenten con una conexin a Internet podrn acceder a la ltima actualizacin de
forma gratuita, lo primero que debe verificar es la conexin a internet, si se encuentra en un
equipo que pertenece a una red deber consultar si su conexin requiere proxy, para
configurar el proxy en Stata debe ir a Edit Preferences General Preferences
Posteriormente en la pestaa de Internet, configur el proxy, el puerto y el usuario y

contrasea en caso de ser necesario.
En la misma pestaa de Internet podr activar la opcin de actualizacin automtica, si

activa esta opcin debe tener en cuenta que cada vez que Stata se inicie se actualizar con
la frecuencia que usted seleccione y el tiempo de la actualizacin depender de su conexin
a internet.
En caso de no activar la actualizacin automtica, usted podr realizar la actualizacin en el
momento que lo desee, ingresando en la ventana de comandos el comando update all el
cual le indicar paso a paso las instalaciones que desea.
150
INSTRUCTOR
Recomendamos tambin ver la ayuda de

help update
help ssc
help net
help sj
10. Ejecutando comandos en Stata sin resultados (quietly)
El comando quietly de Stata permite ejecutar otros comandos de Stata sin presentar los
resultados o salidas en la ventana de resultados, la instruccin se ubica como prefijo al
comando principal. Esta es una herramienta clave si se requiere retornar algunos resultados
por ejemplo: media, varianza, coeficientes, etc., (ver listado de la opcin r() por medio de
help return list) sin necesidad de ver la salida completa.
Ejemplo 1.
sysuse auto, clear

quietly summarize mpg, detail
Ejemplo 2.
quietly: summarize mpg, detail
De igual forma se pueden ejecutar un bloque o grupo de comandos con quiet
Ejemplo 3.
sysuse auto, clear

quietly {
summarize mpg, detail
local a=r(mean)
summarize price, detail
local a=r(mean)
}
En el caso que se desee mostrar un resultado completo en un bloque de comandos, se usa el

comando noisily como prefijo al comando principal.
Ejemplo 4.
sysuse auto, clear
151
INSTRUCTOR
quietly {
summarize mpg, detail
local a=r(mean)
noisily summarize price, detail
local a=r(mean)
}
Para ms informacin ver:
help quietly
11. HERRAMIENTA DE CALIFICACIN DE Stata 12
La versin de Stata 12 liberada el pasado mes de agosto, incluy una nueva herramienta
denominada Installation Qualification Tool (IQT) la cual verifica que el software y todas
sus actualizaciones estn instaladas correctamente, en ste momento se cuenta con IQT
para Windows y Mac y tambin para las versiones 11 y 12.
Para descargar la herramienta ingrese a http://www.stata.com/support/installation-
qualification/, una vez descargado el programa, instlelo, se requiere que tenga permisos de
administrador para ejecutar la aplicacin.
152
INSTRUCTOR
Una vez ejecutado la IQT deber instalar un recurso de evaluacin, para ello haga clic en
Browse de la opcin de Qualification source, seleccione una ubicacin, puede ser la carpeta
de Stata 12, e instale el complemento.
Al instalar el complemento, la aplicacin buscar la versin de Stata actual y las

actualizaciones realizadas, seleccione la que desee y de clic en RUN TEST.
El programa empezar a evaluar su correcta instalacin del software y generar un reporte

sobre los resultados del anlisis el cual podr exportar a PDF haciendo clic en Export.
153
INSTRUCTOR
Para mayor informacin dirjase a http://www.stata.com/support/installation-qualification/
12. Archivos en PDF de logs y grficas con Stata 12

En Stata 12 los archivos log (archivos de registro) se siguen generando como SMCL o texto. Pero
en esta ltima versin estos archivos pueden ser convertidos a formato PDF. Esto se puede hacer
fcilmente con el comando translate, por ejemplo:
log using c:/log1, replace
sysuse auto, clear
tab rep78 foreign
log close
translate c:/log1.smcl c:/log1.pdf , translator(smcl2pdf)
154
INSTRUCTOR
La visualizacin del PDF ser la siguiente:
Adems, en Stata 12 se puede producir un PDF de un grfico desde Stata. Por ejemplo
sysuse auto, clear
scatter mpg weight //, name(g1)
graph export c:/graph.pdf //name(windowname)
155
INSTRUCTOR
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
Al exportar a PDF
Para ayuda sobre un comando especfico digite:

help
Y por ejemplo especifique un comando
help translate
help graph export
Utilizar variables del sistema _n y _N
Las variables del sistema de Stata _n y _N se puede utilizar para hacer un gran nmero de
tareas que de otra manera sera difcil. En este truco vamos a ilustrar algunas de las cosas en
que estos pueden ser utilizados.
156
INSTRUCTOR
Definicin:
_n: la observacin actual

_N: El nmero total de observaciones en el conjunto de datos actualmente en la memoria
** Ejemplo 1
Generacin de observaciones que son una secuencia de nmeros igual al nmero de
observacin de Stata. Variable de resultado: number
Genera observaciones igual al nmero de la ltima observacin. La variable resultante:

number_T
clear all
set obs 10
generate number=_n
generate number_T=_N
El resultado de ejecutar lo anterior es:
+-------------------+
| number number_T |
|-------------------|
1. | 1 10 |
2. | 2 10 |
3. | 3 10 |
4. | 4 10 |
5. | 5 10 |
|-------------------|
6. | 6 10 |
7. | 7 10 |
8. | 8 10 |
9. | 9 10 |
10. | 10 10 |
+-------------------+
** Ejemplo 2
Invertir los datos para que la _N (ltima) observacin se convierta en la primera. Se realiza
para una variable en particular.
clear
set obs 10
generate number=_n
generate rev_number=number[_N-_n+1]
list
+-------------------+
157
INSTRUCTOR
| number rev_nu~r |
|-------------------|
1. | 1 10 |
2. | 2 9|
3. | 3 8|
4. | 4 7|
5. | 5 6|
|-------------------|
6. | 6 5|
7. | 7 4|
8. | 8 3|
9. | 9 2|
10. | 10 1|
+-------------------+
** Ejemplo 3
Usando _N el comando con bysort para generar una variable que tiene el nmero total de
nios en las familias.
clear
input ///
famid child
11
21
22
23
31
32
33
34
end
bysort famid: generate number=_N
list, sepby(famid)
The result of running the above is:

+------------------------+
| famid child number |
|------------------------|
1. | 1 1 1|
|------------------------|
2. | 2 1 3|
3. | 2 2 3|
4. | 2 3 3|
|------------------------|
5. | 3 1 4|
6. | 3 2 4|
7. | 3 3 4|
8. | 3 4 4|
158
INSTRUCTOR
+------------------------+
** Ejemplo 4
_n y _N tambin pueden ser utilizados como un calificativo. En este ejemplo se marca, para
cada familia, el nio que tiene el mayor ingreso. La variable ingreso est entre parntesis
que indica a Stata ordenar por esta variable. Cuando se ordena por la ltima observacin
(_N), por familia, es el ingreso mayor por familia.
clear
input ///
famid child income
1 1 100
2 1 150
2 2 200
2 3 250
3 1 10
3 2 100
3 3 500
3 4 250
end
bysort famid (income): generate number=1 if _n==_N
l, sepby(famid)
+------------------------+
| famid child number |
|------------------------|
1. | 1 1 1|
|------------------------|
2. | 2 1 3|
3. | 2 2 3|
4. | 2 3 3|
|------------------------|
5. | 3 1 4|
6. | 3 2 4|
7. | 3 3 4|
8. | 3 4 4|
+------------------------+
** Ejemplo 5
Generacin de rezagos y adelanto de datos.
clear
input ///
159
INSTRUCTOR
time sales
1 100
2 150
3 200
4 250
5 10
6 100
7 500
8 250
end
generate lead=sales[_n+1]
generate lag=sales[_n-1]
generate lags=(sales[_n-1]+sales[_n-2])/2
list
+----------------------------------+
| time sales lead lag lags |
|----------------------------------|
1. | 1 100 150 . .|
2. | 2 150 200 100 . |
3. | 3 200 250 150 125 |
4. | 4 250 10 200 175 |
5. | 5 10 100 250 225 |
|----------------------------------|
6. | 6 100 500 10 130 |
7. | 7 500 250 100 55 |
8. | 8 250 . 500 300 |
+----------------------------------+
Para obtener ayuda sobre el cdigo anterior, vase:

Gua de usuario: [U] 13.4 Variables del Sistema (variables)
help bysort
MATERIAL DE APOYO
Algunos recursos en Internet para usuarios Stata:
- http://www.ats.ucla.edu/stat/stata/
- http://econpapers.hhs.se/paper/bocbocoec/531.htm
- http://fmwww.bc.edu/ec/res.info.php
- http://ideas.repec.org/s/boc/bocins.html
160
INSTRUCTOR
11 BIBLIOGRAFIA
[1] Adkins, L. & Hill, R. (2008). Using Stata for Principles of Econometrics. Wiley, Third Edition.
[2] Baum, Christopher. (2006). An Introduction to Moderm Econometrics Using Stata. Stata Press,
Second Edition.
[3] Baum, Christopher. (2009). An Introduction to Stata Programming.. Stata Press, First Edition.
[4] Cameron, A. & Trivedi, P. (2009). Microeconometrics Using Stata. Stata Press, Second Edition.
[5] Cox, N. & Newton, H. (2009) Seventy-six Stata Tips. Stata Press, Second Edition.
[6] Freese, J. & Long. S. (2006). Regression Models for Categorial Dependent Variables Using
Stata. Stata Press, Second Edition.
[7] Mitchell, Michael. (2008). A Visual Guide to Stata Graphics. Stata Press, Second Edition.
[8] Mitchell, Michael. (2010). Data Management Using Stata, A Practical Handbook. Stata Press,
Second Edition.
161

Manual Stata 12 PDF

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 Stata 12 PDF

Cargado por

Copyright:

Formatos disponibles

SOFTWARE SHOP

MANEJO DE BASES DE DATOS Y ANLISIS

DESCRIPCIN DEL LIBRO

1. MANEJO FUNDAMENTAL DE Stata 12 ....................................................... 5

3.8 PRUEBAS NO PARAMTRICAS .................................................................................. 56

1. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO

Stata es un programa estadstico para investigadores de diferentes disciplinas, como bioestadsticos

Stata est disponible en 4 tipos de versin.

Small Stata Versin estudiantil de Stata

A continuacin se presentan las principales diferencias entre las versiones Intercooled y SE de

Small Stata/IC Stata/MP and Stata/SE

Nmero de Variables 99 2,047 32,767

1.1 CONOCIENDO EL ENTORNO DE Stata

Figura 1. Ventanas de Stata

Ventana de Variables: Muestra el listado de variables de la base de datos activa.

Ventana de Comandos: En este cuadro se escriben y almacenan las lneas de comandos, si

Ventana de Resultados: Permite visualizar la sintaxis, y los resultados de los procedimientos

problema en la realizacin, rojo indicar error y el azul es un

Ventana de Propiedades: Presenta la informacin de cada variable, como nombre, tipo de

Barra de Nombre: Indica la versin de Stata disponible, el nombre y la ruta de la base

Barra de Herramientas: Es el conjunto de conos de acceso rpido a herramientas

1.2 EL MEN DE AYUDA

Stata ha incorporado en la versin 11 un conjunto de nuevas opciones en el men de ayuda para

El men de ayuda de Stata le permite:

- Ver el ndice de contenidos del programa

Figura 3. La Ayuda de Stata

La ayuda de Stata ofrece informacin sobre:

- La sintaxis completa y abreviada de letra(s) subrayadas) de cada comando,

- Los ejemplos oficiales de Stata disponibles en su sitio web,

Se despliega el siguiente cuadro de ayuda:

ACTUALIZACIONES DE Stata: Automticamente Stata hace actualizaciones peridicas del

1.3 TIPOS DE ARCHIVOS

Tipo de Archivo Extensin

1.4 ESTRUCTURA DE COMANDOS

1.5 VENTANAS DE COMANDOS

File Import ASCII data created by a Spreedsheet

En este caso es el comando insheet. A continuacin se explican algunas caractersticas generales de

Limpiar la Ejecutar No Ejecutar

Figura 5. Caractersticas de una ventana

1.6 CONFIGURANDO LA MEMORIA DE Stata

set mem 100m

no room to add more observations

1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata

1.8 BASES DE DATOS DE EJEMPLO

En el momento en que Stata se instala en su equipo se incluyen bases de datos de ejemplo

sysuse dir * para ver el directorio de bases de ejemplo en su equipo

1.9 TIPOS DE VARIABLES

Una de las preguntas comunes en el manejo de un software estadstico es cmo el programa

Las variables las podemos dividir de acuerdo al siguiente esquema

Inicio de un formato nmero de caracteres

% 10. 0 g c opcional, separados de

Si desea cambiar el formato de una variable utilice el comando recast.

Para mayor informacin: help data_types y help recast

2. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO DE

Entre opciones avanzadas se encuentran la proteccin de bases de datos, la creacin de firmas y

El captulo se divide en cuatro secciones, la primera un manejo de bases de datos bsico, en la

1.1 FUNDAMENTOS DE BASES DE DATOS

1.1.1 Creacin de un archivo log

Figura 6. Creacin de un archivo Log

Para la creacin de un archivo log por medio de comandos debe usar

log using tables.log, replace

1.1.2 Abrir una base de datos

use "C:\Users\Brayan\Desktop\ipc_raw.dta", clear