Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Stata 12 PDF
Manual Stata 12 PDF
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.
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
3
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
4
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
2
Para conocer todas las diferencias entre las versiones de Stata, dirigirse a la ayuda por medio del comando
help limits
5
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
6
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
BARRAS
Barra de Nombre
Barra de Mens
Barra de Herramientas
Figura 2. Mens de Stata
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.
Para acceder a los manuales de ayuda debe seguir la ruta Help PDF Documentation
7
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
9
BRAYAN RICARDO ROJAS O.
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:
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
10
BRAYAN RICARDO ROJAS O.
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.
update all
11
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Antes de iniciar una sesin de trabajo es importante tener en cuenta que Stata opera a travs de
diferentes tipos de archivos.
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
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
12
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Comando
Ejecutar y
Ayuda de Copiar mantener la
la como ventana
instruccin comando activa
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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:
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.
El comando asociado es
4
Se recomienda revisar la ayuda sobre el comando set y el comando memory
14
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
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
Variable numrica
Formato general g, Notacin cientfica e,
formato fijo f
sysuse auto
describe Price
recast float price
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.
16
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
MS Excel, texto, SQL, SAS, entre otros, de igual forma permite exportar archivos a dichos
formatos.
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.
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.
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
BRAYAN RICARDO ROJAS O.
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
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:
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
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.
Por ejemplo:
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
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
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
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
Nota: Para poder importar la base de datos debe tener cerrada la base de datos de lo
contrario el asistente no realizar la importacin.
21
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Hay otro tipo de archivos que Stata le permite importar automticamente como archivo
para ello se recomienda tener en cuenta las siguientes recomendaciones:
Como los datos han sido cargados en la memoria RAM, slo puede modificarse la base de datos
original de tres formas
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.
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
BRAYAN RICARDO ROJAS O.
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
Figura 9. Browse
23
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
.
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
Por medio del men Data podemos encontrar opciones como crear nuevas variables Data Create
or Change Data Create New Variable:
24
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
25
BRAYAN RICARDO ROJAS O.
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
26
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Podemos utilizar algunos comandos adicionales para la creacin de variables con algunas
condiciones, tales como el comando egen y la funcin cond()
Ejemplos:
27
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Para ordenar en forma descendente se recomienda usar el comando gsort de la siguiente forma:
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.
Ejemplos
28
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
codebook foreign
foreign
codebook price
price
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
sealan en Stata mediante un punto (.). Se considera que un missing value es mayor que cualquier
valor.
. inspect rep78
1 5 74
(5 unique values)
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.
Ejemplos de filtros
Uso del in
Se puede combinar con que realizar el filtro puede usar los comandos browse, edit, keep, drop y list.
30
BRAYAN RICARDO ROJAS O.
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.
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
31
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
2.6.1 Rename
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
debe seleccionar la variable que codificar, luego debe dar clic en Manage que se encuentra
a la derecha de la opcin Value label
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
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
34
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Split divide una variable texto en nuevas variables por el espacio o un carcter especfico
35
BRAYAN RICARDO ROJAS O.
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
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:
En la nueva base de datos se ha combinado la informacin hombres y mujeres en una nica base de
datos.
d
36
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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)
Para verificar que usted tenga un identificador nico se recomienda que lo verifique por medio del
comando isid.
37
BRAYAN RICARDO ROJAS O.
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:
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.
use PERSONAS
sort numero e01
d
save PERSONAS, replace
3. Aplicamos el comando merge para pegar horizontalmente las dos bases as:
38
BRAYAN RICARDO ROJAS O.
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:
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:
39
BRAYAN RICARDO ROJAS O.
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
Para mostrar un ejemplo, utilizaremos la base de datos reshapeState descrita en el libro [1]:
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:
40
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
>
Number of obs. 6 -> 24
Number of variables 6 -> 4
j variable (4 values) -> ao
xij variables:
pop1970 pop1980 ... pop2000 -> pop
list
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
41
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
42
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
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
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.
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
make price
expand 3
43
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
De acuerdo al comando usado, los datos se encontrarn 3 veces en la base de datos, tal y como se
presenta a continuacin.
make price
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
44
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
Uno de los problemas comunes en el manejo de una base de datos es analizar si hay
presencia de observaciones duplicadas
45
BRAYAN RICARDO ROJAS O.
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:
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.
46
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
4 12 Linc. Versailles
4 13 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.
47
BRAYAN RICARDO ROJAS O.
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
48
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
make
1. Cad. Eldorado
2. Cad. Seville
3. Linc. Mark V
4. Linc. Versailles
5. Peugeot 604
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.
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.)
COMANDOS USADOS
append bysort
browse cd
by clear
49
BRAYAN RICARDO ROJAS O.
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
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
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
BRAYAN RICARDO ROJAS O.
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:
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
52
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
fweight: frequency weights, indica el nmero de casos que representa realmente cada observacin
muestral. La variable debe contener enteros positivos.
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.
. mean price
53
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Intervalos de confianza Statistics Summarize, tables and test Summary and descriptive
. ci price
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
54
BRAYAN RICARDO ROJAS O.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
Finalmente puede crear una variable dummy para cada categora, simplemente, agregue la opcin
generate.
56
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
compare Stem
Ereturn tabi
ktau Weight
ladder set level 90
Return outreg2
Signtest outreg
spearman
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Ejemplos:
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..
4.1 HISTOGRAMAS
59
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
60
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
3.0e-04
2.0e-04
Density
1.0e-04
61
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
29.73%
70.27%
Domestic Foreign
GRAFICAS DE TORTAS
62
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Prof
Mgmt
Sales
Cler.
Operat.
Labor
Other
63
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
13.58% 14.11%
12.73% 11.75%
10.95%
4.54% 32.32%
Other Prof
Labor Mgmt
Operat.
Cler. Sales
64
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
nonunion union
Prof Mgmt
Sales Cler.
Operat. Labor
Other
Graphs by union worker
66
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
15,000
Price 10,000
5,000
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
40
30
Mileage (mpg)
20
10
68
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Podemos agregar lneas horizontales o verticales indicando el valor del eje Y/o X donde deseamos
agregar la lnea
69
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Usando los comandos para hacer esta grfica solo es necesario escribir
Domestic Foreign
40
30
Mileage (mpg)
20
10
70
BRAYAN RICARDO ROJAS O.
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.
71
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
40
30
20
10
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
sysuse uslifeexp
twoway line le_wm year || line le_bm year
72
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
80
70
60
50
40
73
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
1400
1300
High price/Low price
1200
1100
1000
900
Hacer con los mismos datos usando las opciones de: area, rarea, rconnected, rcap y rbar
74
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
10
8 lgnppc
6
100
safewater 50
0
80
70 Life
expectancy
60 at birth
50
0 2 4 0 50 100
net spjanfeb2001.dta
twoway (dropline close tradeday, sort)
75
BRAYAN RICARDO ROJAS O.
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
76
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
77
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
8
6
4
2
0
78
BRAYAN RICARDO ROJAS O.
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.
60
50
40
20 40 60 80
% born in state of residence
79
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
100
80
60
40
20
0
Generando Funciones:
80
BRAYAN RICARDO ROJAS O.
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:
81
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
82
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
10
5
0
-5
-10
0 5 10 15 20
Age category
malmil fenmil
83
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
20
15
Age category
10
5
0
-10 -5 0 5 10
malmil fenmil
84
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
85
BRAYAN RICARDO ROJAS O.
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
86
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
4.12.1 Kdensity
sysuse auto
kdensity length
.005
4.12.2 Qnorm
qnorm price
15,000
Price 10,000
5,000
87
BRAYAN RICARDO ROJAS O.
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
88
BRAYAN RICARDO ROJAS O.
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.
El siguiente cuadro le indica las etiquetas que debe crear para cada variable:
89
BRAYAN RICARDO ROJAS O.
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
- 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.
- 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
BRAYAN RICARDO ROJAS O.
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.
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
BRAYAN RICARDO ROJAS O.
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.5 Podras decirme cul es tu grado de dedicacin en las siguientes tareas de tu hogar?
P9. Vamos a hablar ahora de tus estudios. En que centro realizaste la totalidad o la mayor parte de
tus estudios?
P10. Excluyendo los libros de texto, Cuntos libros has ledo en los ltimos doce meses?
92
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
______________ LIBROS
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?
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?
P15. Sexo:
-Hombre 1 GNERO
-Mujer 2
1. Cree una variable ingreso bruto que va a ser la suma de ingreso1, ingreso2 e ingreso3.
93
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
2. Calcule los estadsticos descriptivos de cada una de las variables y analice cules tienen
valores perdidos?
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
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)
6
omando aboutreg
Findit aboutreg
95
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Por ejemplo
summ lny lnm edu007 exp exp2 e03
Se puede obtener ms detalles estadsticos de cada una de las variables con la opcin detail as:
lny 1.0000
96
BRAYAN RICARDO ROJAS O.
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.
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.
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:
97
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
98
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
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)
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.
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)
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
102
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
7
WHITE H. 1980. A Heteroscedasticity Consistent Covariance Matriz Estimator and Direct Test of
Heteroscedasticity. Econometrica, vol 48.
103
BRAYAN RICARDO ROJAS O.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
3. Estimamos el modelo que suponemos consistente y eficiente (tiene en cuenta la variable lnm)
regress lny lnm edu007 exp exp2, robust
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
16. Cmo decidir cul de los dos modelos estimados (sin sexo y con sexo) es el mejor y como lo
hara en Stata?
106
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
6 MODELOS ARIMA9
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.
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
BRAYAN RICARDO ROJAS O.
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:
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Al listar las variables fecha, inflacion y rezago se puede visualizar la nueva variable rezago
correspondiente a la inflacin rezagada un perodo.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
tsline inflacion
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
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
113
BRAYAN RICARDO ROJAS O.
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
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:
114
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Finalmente, a travs del comando tsset es posible visualizar los valores observados y pronosticados
de la inflacin hasta diciembre de 2006.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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:
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
BRAYAN RICARDO ROJAS O.
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.
Participacin y Gnero
4,000,000
3,000,000
PARTICIPAN
2,000,000
1,000,000
Hombre Mujer
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Hombre Mujer
1
.8
.6
.4
.2
0
BASICA INC
BASICA INC
BASICA COMP
BASICA COMP
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
BRAYAN RICARDO ROJAS O.
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.
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.
119
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
INTERPRETACIN DE RESULTADOS
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
BRAYAN RICARDO ROJAS O.
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.
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.
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:
( 1) [PARTI]_IECIVIL_2 = 0
( 2) [PARTI]_IECIVIL_3 = 0
14
Para una prueba formal ver Applied Logistic Regression p.50.
121
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
( 3) [PARTI]_IECIVIL_4 = 0
( 4) [PARTI]_IECIVIL_5 = 0
( 5) [PARTI]_IECIVIL_6 = 0
( 6) [PARTI]_IECIVIL_7 = 0
( 7) [PARTI]_IECIVIL_9 = 0
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.
[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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
123
BRAYAN RICARDO ROJAS O.
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.
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).
Desventajas
124
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
126
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
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
BRAYAN RICARDO ROJAS O.
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.
De manera general
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
128
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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?
130
BRAYAN RICARDO ROJAS O.
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?
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
131
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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?
132
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
133
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
list, clean
Convert from wide form to long form (observation is a state-year pair)
Ejercicio
Replique los ejemplos presentados sobre este comando en help reshape
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
Recordar hacer descripcin de las variables y adems decirle a Stata que es una base tipo panel.
. reg lwage educ exper exper2 tenure tenure2 black south union educ
note: educ omitted because of collinearity
134
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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:
sigma_u .32904965
sigma_e .19511039
rho .73986872 (fraction of variance due to u_i)
135
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Estimated results:
Var sd = sqrt(Var)
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.
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
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
. xtreg lwage educ exper exper2 tenure tenure2 black south union educ, fe
note: educ omitted because of collinearity
note: black omitted because of collinearity
note: educ omitted because of collinearity
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.
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.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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
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
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fijos aleatorios Difference S.E.
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
BRAYAN RICARDO ROJAS O.
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.
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.
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.
139
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
F(5,2143) = 281.50
corr(u_i, Xb) = -0.1087 Prob > F = 0.0000
rho_ar .60413957
sigma_u .41798855
sigma_e .20057178
rho_fov .81283897 (fraction of variance because of u_i)
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
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.
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
incluso ms retardos de la variable dependiente ms otras variables exgenas que tambin pueden
incluir retardos de Xit.
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.
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)
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
9 INTRODUCCIN A LA PROGRAMACIN
Help comments
Capture
Ejecuta el comando y no muestra resultados ni errores
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
Comando IF
If expression {
Comandos Stata
}
else if expression {
comandos stata
}
143
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
else {
comandos stata
Comando For
Comando Forvalues
Comando While:
while condicion {
comandos Stata
}
local i = 1
while `i' <= 10 {
display `i'
local i = `i' + 1
}
Los estadsticos, pruebas y resultados que genera Stata es posible visualizarlos por medio del
comando return y ereturn. Por ejemplo
144
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Price
Percentiles Smallest
1% 3291 3291
5% 3748 3299
10% 3895 3667 Obs 74
25% 4195 3748 Sum of Wgt. 74
. 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.
BLACK WHITE
Promedio
Varianza
145
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Mediana
No. Observaciones
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
A[4,2]
c1 c2
r1 8.0829994 6.8445578
r2 6.5458913 5.434783
r3 35.462848 25.767671
r4 1637 583
A[4,2]
Blanco Negro
Promedio 8.0829994 6.8445578
Media 6.5458913 5.434783
Varianza 35.462848 25.767671
Observacio~s 1637 583
146
BRAYAN RICARDO ROJAS O.
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
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
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.
147
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
}
matrix rown C = tenure hours wage grade
matrix coln C = Prom1 Obs1 Prom2 Obs2 Dif ErrSt T-test
matrix list C
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)
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
di `c(ALPHA)
ABCDEFGHIJKLMNOPQRSTUVWXYZ
16
Retomado del libro Seventy-six of Stata tips.
148
BRAYAN RICARDO ROJAS O.
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;
Ejemplo
quietly summarize x
149
BRAYAN RICARDO ROJAS O.
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
150
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
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.
Ejemplo 2.
Ejemplo 3.
Ejemplo 4.
151
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
quietly {
summarize mpg, detail
local a=r(mean)
noisily summarize price, detail
local a=r(mean)
}
help quietly
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
BRAYAN RICARDO ROJAS O.
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.
153
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
log close
154
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Adems, en Stata 12 se puede producir un PDF de un grfico desde Stata. Por ejemplo
155
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
40
30
Mileage (mpg)
20
10
Al exportar a PDF
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
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
Definicin:
** Ejemplo 1
Generacin de observaciones que son una secuencia de nmeros igual al nmero de
observacin de Stata. Variable de resultado: number
clear all
set obs 10
generate number=_n
generate number_T=_N
+-------------------+
| 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
El resultado de ejecutar lo anterior es:
+-------------------+
157
BRAYAN RICARDO ROJAS O.
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
list, sepby(famid)
158
BRAYAN RICARDO ROJAS O.
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
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
BRAYAN RICARDO ROJAS O.
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 |
+----------------------------------+
MATERIAL DE APOYO
- 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
BRAYAN RICARDO ROJAS O.
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