0 calificaciones0% encontró este documento útil (0 votos)
984 vistas3 páginas
Este documento proporciona una guía de comandos estadísticos en Stata. Incluye comandos para importar y renombrar datos, crear etiquetas de variables, generar gráficos de dispersión y regresiones, predecir valores y realizar pruebas de normalidad sobre residuos. Los pasos propuestos son: 1) preparar las variables, 2) crear gráficos, 3) ejecutar múltiples regresiones, 4) almacenar y comparar los resultados, 5) predecir valores, 6) analizar la normalidad de
Este documento proporciona una guía de comandos estadísticos en Stata. Incluye comandos para importar y renombrar datos, crear etiquetas de variables, generar gráficos de dispersión y regresiones, predecir valores y realizar pruebas de normalidad sobre residuos. Los pasos propuestos son: 1) preparar las variables, 2) crear gráficos, 3) ejecutar múltiples regresiones, 4) almacenar y comparar los resultados, 5) predecir valores, 6) analizar la normalidad de
Este documento proporciona una guía de comandos estadísticos en Stata. Incluye comandos para importar y renombrar datos, crear etiquetas de variables, generar gráficos de dispersión y regresiones, predecir valores y realizar pruebas de normalidad sobre residuos. Los pasos propuestos son: 1) preparar las variables, 2) crear gráficos, 3) ejecutar múltiples regresiones, 4) almacenar y comparar los resultados, 5) predecir valores, 6) analizar la normalidad de
1 Import “nombre_del_archivo.extensión” Importar una base de datos.
2 rename nombredevariables nuevonombredevariable Renombrar variable label variable y “etiqueta” 3 Nombrar etiqueta label variable x “etiqueta” 4 twoway (scatter y x) Diagrama de Dispersión Interfaz de ingreso de comando 5 doedit parecido a R. Abrir base de datos de solo lectura 6 br (cuando ya se ingresó una) Abrir base de datos editable (cuando 7 edit ya se ingresó una) generate variable_new = Crear una nueva variable en función 8 operaciones_con_variable_old de una ya existente. Realizar una regresión lineal con las 9 regress Y X1 X2 X3 …. variables que yo indique. 10 use “nombre_de_la_base_datos” Jalar una base de datos stata (.dta). Se realiza una tabla de frecuencia de 11 tabulate nombre_de_la_variable la variable indicada Muestra la tabla de correlaciones 12 cor variable_1 variable _2 variable _3 … para las variables seleccionadas. Calcula el estadístico Durbin 13 estat dwatson Watson. 14 rename nombre_actual nombre_nuevo Renombrar variable 15 label nombre_variable “nombre_caption” Nombrar etiqueta para graficos 16 twoway (scatter Y Xi) Diagrama de Dispersión Diagrama de Dispersión con línea de 17 twoway (scatter Y Xi) (lfit Y Xi) tendencia 18 reg y x Regresión g nuevonombre = (1/nombrex) Crear una nueva variable o forma 19 generate Nuevonombre = lnx funcional *PASO N°01: RENOMBRAR VARIABLES* rename Beneficios Y rename Númerodeclientes X *PASO N°02: NOMBRAR ETIQUETAS* label variable Y "BENEFICIOS" label variable X "NUMERO DE CLIENTES" *PASO N°03: GRAFICO DE DISPERSIÓN* twoway (scatter Y X) *PASO N°04: GRAFICO DE DISPERSION CON LINEA DE TENDENCIA* twoway (scatter Y X) (lfit Y X) *PASO N°05: CREAR UNA VARIABLE* generate lX =ln(X) generate recX = 1/X *PASO N°06: CREAR UNA REGRESIÓN* reg Y X reg Y lX reg Y recX *PASO N°07: GUARDAR LAS REGRESIONES Y POSTERIORMENTE GENERAR TABLA* * 7.1 Regresión Nivel Nivel* reg Y X estimate store eq01 * 7.2 Regreción Semilogaritmica* reg Y lX estimate store eq02 * 7.3 Regreción Reciproca* reg Y recX estimate store eq03 * 7.4 Generar Tabla Resumen* * 7.4.1 Tabla Resumen Simple* estimates table eq01 eq02 eq03 *7.4.2 Tabla Resumen Compuesta* estimates table eq01 eq02 eq03, b(%9.3f) star stats(r2 aic bic) *PASO N°08: PREDECIR VARIBLES* *8.1. PREDICIENDO Yest BENEFICIOS EN EL MODELO NIVEL - NIVEL* reg Y X predict estYlineal, xb *8.2. PREDICIENDO BENEFICIOS EN EL MODELO SEMILOGARITMICO* reg Y lX predict estYsemilog, xb *8.3. PREDICIENDO BENEFICIOS EN EL MODELO RECIPROCO* reg Y recX predict estYrec, xb *8.4. PREDECIR LOS RESIDUOS EN EL MODELO RECIPROCO* predict residuos, residuals *PASO 9: PRUEBA DE NORMALIDAD* *9.1. PRUEBA DE NORMALIDAD DE ASIMETRIA Y KURTOSIS* sktest residuos sktest Y sktest recX *9.2. PRUEBA DE SHAPIRO WILK* swilk residuos swilk Y swilk recX *PASO 10: RESIDUOS ESTANDARIZADOS* predict residuos_e, rstandard
Pasos de cada procedimiento
Capit 10 11 12 autoco 13 espe del modelo
23 teorico 24 practico PREGUNTA 3 Regression- prediccion- estandarizados para hacer normalidades Terminus porcentuales