CURSO: ECONOMETRÍA Y

ANÁLISIS DE POLÍTICAS FISCALES

INSTRUCTOR: HORACIO CATALÁN ALONSO
Análisis Estadístico
con STATA
• Stata se considera un “paquete para análisis
estadístico”

• Trabaja con datos de sección cruzada, series de

tiempo y datos panel

• Se puede utilizar es sistemas operativos de

Windows, Macintosh, Unix y Linux

http://www.stata.com
• Stata/MP: The fastest version of Stata (for dual-core
and multicore/multiprocessor computers)

• Stata/SE: Stata for large datasets

• Stata/IC: Stata for moderate-sized datasets

• Small Stata: A version of Stata that handles small

datasets (for educational purchases only)

• Numerics by Stata: Stata for embedded and web

applications
 Lista de
Historial variables
de
instrucciones

Ventana de
Resultados

Editor de comandos

Características de
las variables
Comandos básicos
Syntax
[prefix :] command [varlist] [=exp] [if] [in] [weight]
[using filename] [, options]

Cambio de directorio

cd c:\practica\stata_1\

Log files guarda los resultados de

Stata la extensión es .log
se puede cambiar a txt

File/Log/Begin..
Se debe iniciar abriendo este archivo
Seleccionar
Hacer una copia y pegar en Stata
Comandos básicos
Syntax
command [nombre var] [=operación] [if] [in] [, opciones]

• Crear un archivo con extensión “do”

• Permite editar y ejecutar las
instrucciones
 Evolución del PIB 1965-2014
(miles de millones de dólares USA de 2010)
1200
1000
800
pib
600
400
200

1960 1980 2000 2020

tiempo
Fuente: Con base en información de INEGI
 PIB per cápita 1965-2014 Consumo de Energía 1965-2014
(Dólares por persona de 2010) (tons eq petróleo por persona)
10000

1.21.4 1.61.8
9000
8000

engp
pibp
7000
6000

1
5000

.8
1960 1980 2000 2020 1960 1980 2000 2020
tiempo tiempo
Fuente: Con base en información de INEGI Fuente: Con base en información de SENER

Emisiones CO2 1965-2014 Intensidad Energética 1965-2014

(tons CO2 eq por persona) (barriles por cada 1000 dólares)

1.2 1.3 1.4 1.5 1.6

4
3.5
3
co2p

ieng
2.5
2
1.5

1960 1980 2000 2020 1960 1980 2000 2020

tiempo tiempo
Fuente: Con base en información de IEA Fuente: Con base en información de IEA
GRÁFICOS DE DISPERSIÓN: Permite
representar la evolución conjunta de ambas
variables
Dadas dos variables (Y, X) tomadas sobre el mismo
elemento de la población, el diagrama de dispersión es
simplemente un gráfico de dos dimensiones, donde en un
eje (la abscisa) se sitúa una variable, y en el otro eje (la
ordenada) se sitúa la otra variable

Si las variables están correlacionadas, el gráfico mostraría

algún nivel de correlación (tendencia) entre las dos
variables. Si no hay ninguna correlación, el gráfico
presentaría una figura sin forma, una nube de puntos
dispersos en el gráfico.
 Representación gráfica de una relación
Variable Y

Variable Y

Variable Y
Variable X Variable X Variable X

Relación lineal positiva Sin relación Relación lineal negativa

 Energía vs PIB Emisiones CO2 vs PIB

5
2

4
1.5

3
1

2
.5

1
5000 6000 7000 8000 9000 10000 5000 6000 7000 8000 9000 10000
pibp pibp

95% CI Fitted values 95% CI Fitted values

Fitted values engp Fitted values co2p

Emisiones CO2 vs ENG

4
3
2
1

.8 1 1.2 1.4 1.6 1.8

engp

95% CI Fitted values

Fitted values co2p
 1965-1969 1970-1979 1980-1989
4

3.2
3

2.3
2

1.5 1.5 1.5

1.2 1.3
1.1
.86
1
0

1990-1999 2000-2014
3.7
4

3.3
3

1.8
2

1.5 1.4 1.4

1
0

mean of engp mean of co2p

mean of ieng
Graphs by periodo
 Tasas de crecimeinto
15
10
5
0
-5

1960 1980 2000 2020

tiempo

dpib deng
dco2
 Modelo de Regresión Lineal

CO2p = 𝛼 + 𝛽𝑃𝐼𝐵𝑝

El modelo establece que un cambio en una unidad de del

PIB per cápita produce u ocasiona un cambio en las
emisiones per cápita de CO2, medido por el parámetro 𝛽

Este modelo podría ser adecuado si la línea recta pasará

por todos los puntos del diagrama de dispersión

Debido a que los valores observados de la línea recta del

modelo se define un erro
 Yi    X i
𝑢𝑖

La diferencia entre el valor observado de la variable y la

recta estimada se denomina error
CO2p = 𝛼 + 𝛽𝑃𝐼𝐵𝑝
CO2p = −0.655 + 0.000479𝑃𝐼𝐵𝑝
TABLA DE ANALISIS DE LA VARIANZA (ANOVA)
𝑁
2
𝑅𝑒𝑔𝑆𝑆 = ෍ 𝑌෠𝑖 − 𝑌ത
𝑖=1
Regression Sum of Squares
Variabilidad explicada por el modelo

𝑁
2
𝑅𝑆𝑆 = ෍ 𝑌𝑖 − 𝑌෠𝑖
𝑁 𝑖=1
2 Total Sum of Squares Residual Sum of Squares
𝑇𝑆𝑆 = ෍ 𝑌෠𝑖 − 𝑌ത Variabilidad Total Variabilidad NO EXPLICADA
𝑖=1

MS (Mean Square)

𝑇𝑆𝑆 = 𝑅𝑒𝑔𝑆𝑆 + 𝑅𝑆𝑆

 N

 uˆ 2
i
 1
2 i 1
R N

 Y  Y 
2
i
i 1
 𝛽 𝑠𝑒(𝛽) 𝛽መ
𝑡= 𝛽±𝑡 0.975,𝑁−𝑘 𝑠𝑒(𝛽)
𝑠𝑒(𝛽)
𝛼ො 𝛼±𝑡 𝑠𝑒(𝛼)
𝛼 𝑠𝑒(𝛼) 𝑡=
𝑠𝑒(𝛼)
0.975,𝑁−𝑘

N N

 CO2 YP  CO2 YP
i 1
i i
i 1
i
̂ 
 N N 

 i 1

 YPi 2  YP YPi 

i 1


La curva ambiental de Kuznets, representada por una U invertida,
es una de las hipótesis básicas para explicar la relación entre nivel
de ingreso per cápita y el medio ambiente

Las causas económicas que originan este comportamiento son

múltiples

Tres efectos principales: de escala, de composición y tecnológico

 𝑘
𝐶𝑂2𝑡 = 𝛽0 + 𝛽1 𝑌𝑃𝑡 + 𝛽2 𝑌𝑃𝑡2 + 𝛽3 𝑌𝑃𝑡3 + ෍ 𝛾𝑗 𝑋𝑗,𝑡 + 𝑢𝑡
𝑗=1
 4
3.5
3
2.5
2
1.5
5000 6000 7000 8000 9000 10000
pibp

Fitted values co2p

CURSO: ECONOMETRÍA Y
ANÁLISIS DE POLÍTICAS FISCALES
INSTRUCTOR: HORACIO CATALÁN ALONSO