Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO ENCARGADO
TOBIT
CURSO:
ECONOMETRÍA II
𝒚𝒊 = 𝒙𝒊 𝜷 + (𝒗𝒊 − 𝒖𝒊 ), 𝒊 = 𝟏, 𝟐, 𝟑, . . , 𝑵
Dónde:
1: si el municipio es eficiente
0: si el municipio es ineficiente
---------------------------------------------------------------------------------
m2 | Coef. Std. Err. z P>|z| [95% Conf. Interval]
----------------+----------------------------------------------------------------
osolesafirmados | 6.00e-06 4.78e-07 12.54 0.000 5.06e-06 6.93e-06
_cons | 2.207834 .1860011 11.87 0.000 1.843279 2.57239
----------------+----------------------------------------------------------------
/lnsig2v | -.0502871 .0654366 -0.77 0.442 -.1785405 .0779663
/lnsig2u | -6.852436 10.98599 -0.62 0.533 -28.38458 14.67971
----------------+----------------------------------------------------------------
sigma_v | .9751699 .0319059 .9145984 1.039753
sigma_u | .0325097 .1785754 6.86e-07 1540.49
sigma2 | .9520133 .0612616 .8319428 1.072084
lambda | .0333374 .1868443 -.3328706 .3995455
---------------------------------------------------------------------------------
Warning: convergence not achieved
Likelihood-ratio test of sigma_u=0: chibar2(01) = 0.00 Prob>=chibar2 = 1.000
. predict u_e, te
.
. mean u_e
--------------------------------------------------------------
| Mean Std. Err. [95% Conf. Interval]
-------------+------------------------------------------------
u_e | .9664967 .0020057 .9625558 .9704376
--------------------------------------------------------------
INTERPRETACIÓN
---------------------------------------------------------------------------------
m2 | Coef. Std. Err. z P>|z| [95% Conf. Interval]
----------------+----------------------------------------------------------------
csolesafirmados | .0000135 2.33e-06 5.82 0.000 8.98e-06 .0000181
_cons | 1.71881 .5976518 2.88 0.004 .5474339 2.890186
----------------+----------------------------------------------------------------
/lnsig2v | -.3407273 .477537 -0.71 0.476 -1.276683 .595228
/lnsig2u | -2.705148 4.897428 -0.55 0.581 -12.30393 6.893634
----------------+----------------------------------------------------------------
sigma_v | .8433581 .2013673 .5281678 1.346642
sigma_u | .2585738 .6331733 .0021293 31.40029
sigma2 | .7781133 .1414906 .5007968 1.05543
lambda | .3066003 .820779 -1.302097 1.915297
---------------------------------------------------------------------------------
Warning: convergence not achieved
Likelihood-ratio test of sigma_u=0: chibar2(01) = 0.03 Prob>=chibar2 = 0.426
. . predict u_e, te
.
. . mean u_e
--------------------------------------------------------------
| Mean Std. Err. [95% Conf. Interval]
-------------+------------------------------------------------
u_e | .7944792 .0063415 .7817987 .8071597
--------------------------------------------------------------
INTERPRETACION
Promedio los municipios podrían proveer 1 m2 de construcción de caminos rurales
afirmados con 20.6% menos recursos (1-0.794=0.206) es decir con solo menos de la
mitad de su presupuesto programado.
Modelo tobit
El modelo Tobit es una extensión del modelo Probit aunque se trata en realidad de un modo de
afrontar el problema de datos censurados. Para nuestro tema de investigación el problema es el
siguiente: la oferta de trabajo remunerado medido en horas semanales. En los trabajadores
secundarios, esta variable adquiere diversos valores. Para cierta fracción significativa, la cantidad
de horas laboradas a la semana es cero, el cual es nuestro punto de censura. Antes de desarrollar
el modelo Tobit vamos a presentar con más detalle el caso de los datos o muestras censuradas.
. generate lcanon=ln(canon)
. generate lfcm=ln(fcm)
. tobit eficiencia lcanon lfcm pvial denspob, ll(0)
------------------------------------------------------------------------------
eficiencia | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lcanon | -.0015146 .0019829 -0.76 0.445 -.0054108 .0023817
lfcm | .0017746 .0026807 0.66 0.508 -.0034927 .0070419
pvial | .0019886 .0054356 0.37 0.715 -.008692 .0126692
denspob | 1.23e-07 2.21e-06 0.06 0.956 -4.22e-06 4.46e-06
_cons | .9621141 .0286326 33.60 0.000 .9058531 1.018375
-------------+----------------------------------------------------------------
/sigma | .0441423 .000142 .0438634 .0444213
------------------------------------------------------------------------------
1 left-censored observation at eficiencia <= 0
482 uncensored observations
0 right-censored observations
Efectos marginales
. twoway (scatter m2 eficiencia)
.
. * Tobit model marginal effects for the censored sample
. margins, dydx(*) atmeans predict (ystar(0,.))
------------------------------------------------------------------------------
| Delta-method
| dy/dx Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lcanon | -.0015146 .0019829 -0.76 0.445 -.005401 .0023718
lfcm | .0017746 .0026807 0.66 0.508 -.0034794 .0070285
pvial | .0019886 .0054356 0.37 0.714 -.008665 .0126423
denspob | 1.23e-07 2.21e-06 0.06 0.956 -4.21e-06 4.45e-06
------------------------------------------------------------------------------
------------------------------------------------------------------------------
eficiencia | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lcanon | .0004559 .0060564 0.08 0.940 -.0116673 .012579
lfcm | .0099283 .008902 1.12 0.269 -.007891 .0277477
pvial | -.003412 .0152275 -0.22 0.823 -.0338933 .0270692
denspob | 5.04e-06 .000011 0.46 0.650 -.0000171 .0000272
_cons | .6436105 .1007516 6.39 0.000 .4419343 .8452866
-------------+----------------------------------------------------------------
/sigma | .0483899 .0043454 .0396916 .0570882
------------------------------------------------------------------------------
0 left-censored observations
62 uncensored observations
0 right-censored observations
.
. * Tobit model marginal effects for the censored sample
. margins, dydx(*) atmeans predict (ystar(0,.))
------------------------------------------------------------------------------
| Delta-method
| dy/dx Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lcanon | .0004559 .0060564 0.08 0.940 -.0114144 .0123262
lfcm | .0099283 .008902 1.12 0.265 -.0075193 .027376
pvial | -.003412 .0152275 -0.22 0.823 -.0332575 .0264334
denspob | 5.04e-06 .000011 0.46 0.648 -.0000166 .0000267
------------------------------------------------------------------------------
lcanon: si los ingresos del canon incrementan en 1% el puntaje de eficiencia municipal en
inversión(construcción) de caminos rurales afirmados incrementa en 0.00045
lfcm: si los ingresos del fondo común incrementan en 1% el puntaje de eficiencia municipal en
inversión (construcción) de caminos rurales afirmados incrementa en 0.0099
Pvial: si las municipalidades tienen plan vial el puntaje de eficiencia municipal en inversión
(construcción) de caminos rurales afirmados disminuye en 0.034
INTERPRETACION
Eficiente
Distrito de catache provincia de santa cruz departamento de Cajamarca el más eficiente en la
construcción de caminos rurales afirmados con una eficiencia del 86 % en el manejo de recursos
públicos.
Ineficiente
Distrito de alto inambari provincia de sandía departamento de puno el mas ineficiente en la
construcción de caminos rurales afirmados con una ineficiencia del 62 % en el manejo de recursos
públicos.
DO file
cd "F:\datos\"
mean u_e
rename u_e eficiencia
mean eficiencia
generate losolesafirmados=ln(osolesafirmados)
twoway (scatter m2 losolesafirmados)
generate lcanon=ln(canon)
generate lfcm=ln(fcm)
tobit eficiencia lcanon lfcm pvial denspob, ll(0)
twoway (scatter m2 eficiencia)
***02: EFICIENCIA EN
CONSTRUCCION******************************************
use construccion_afirmados.dta, clear
describe
generate m2=log(cm2afirmados)
*generate lcanon=log(canon)
*generate lfcm=log(fcm)
*generate soles=log(csolesafirmados)
*frontier m2 soles, distribution(exponential)
frontier m2 csolesafirmados, distribution(exponential) iterate(4)
. predict u_e, te
. mean u_e
rename u_e eficiencia
mean eficiencia
generate lcsolesafirmados=ln(csolesafirmados)
twoway (scatter m2 lcsolesafirmados)
*keep nom_dpto nom_prov nom_dist eficiencia
*sort eficiencia
* MODELO TOBIT CENSURADO PARA ANALIZAR LOS DETERMINATES DE LA EFICIENCIA
generate lcanon=ln(canon)
generate lfcm=ln(fcm)
tobit eficiencia lcanon lfcm pvial denspob, ll(0)