Econometría Espacial 09/06/2021

Tercer Taller

Nombre: Sebastián Díaz

¿Existe alguna relación estadística entre la tasa de homicidios y los cultivos ilícitos de hoja de
coca en el país? Para esta misma relación, ¿existe algún efecto de dependencia o
heterogeneidad espacial que podamos cuantificar para la muestra de municipios con cultivos de
hoja de coca?

El modelo relacional que se propone es el siguiente:

tasahomicidios = β0 + β1cultivoscoca + β2discapital + β3gandina + β4gpacifica + ε

- Cree una matriz de contigüidad de primer orden normalizada por fila:

Se realiza la matriz de contigüidad posteriormente a los ajustes y depuraciones a la base para el

uso en los modelos. Comando usado y denominación de las misma:

** Matrices para el análisis:

nearstat _CY _CX, near (_CY _CX) distvar(distancia) kth (1) cart

spwmatrix gecon _CY _CX1, wn(K1) knn (5) cart row eignval(E) xport(K1,txt) replace

spwmatrix gecon _CY _CX1, wn(I1) wtype(inv) dband (0 1.5) cart row xport(I1,txt) replace

Matriz de Contigüidad:

spmatrix create contiguity C2, normalize(row) replace

spmatrix import K2 using K1.txt

spmatrix import I2 using I1.txt

Realice las siguientes tareas:

1. Realice una estimación del modelo por MCO. Guarde los resultados. Sobre esta estimación,
realice la prueba de Moran (estat moran) para determinar presencia de autocorrelación
espacial. Reporte el valor -p. ¿Qué puede concluir sobre el contraste?

Regresión del modelo:

Dada la base final para la estimación de los modelos, se genera el modelo simple multivariado
por mínimos cuadrados ordinarios, obteniendo los siguientes resultados:
La interpretación de los coeficientes es la siguiente:
Cultivos: Un aumento de una unidad en hectáreas cultivadas en coca aumenta en promedio
un 0.007 el indicador de tasa de homicidio por cada 100.00 habitantes, manteniendo todo lo
demás constante.
Discapital: Ante un aumento de un kilometro en la distancia del municipio a la capital del
departamento, aumenta en promedio un 0.02 el indicador de tasa de homicidio por cada
100.00 habitantes, manteniendo todo lo demás constante.
Gandina: Pertenecer a la región andina aumenta en 4.29% la probabilidad de aumentar la tasa
de homicidio por cada 100.00 habitantes, manteniendo todo lo demás constante.
Gpacifica: Pertenecer a la región pacifica aumenta en 21.95% la probabilidad de aumentar la
tasa de homicidio por cada 100.00 habitantes, manteniendo todo lo demás constante.

- Ahora se procede a realizar unos estadísticos para inferir sobre la presencia de la

autocorrelación espacial:

Prueba de Moran:
 A un grado de significancia del 0.01, 0.05 y 0.1 se rechaza la Ho, por lo que se infiere que hay
un esquema espacial detrás del error, y las variables incluidas.

2. Realice un modelo espacial para variable dependiente y uno para el término de

perturbación, rezagados espacialmente. Estime e interprete el coeficiente de la variable
rezagada espacialmente y los efectos directos, indirectos y totales de la variable cultivos.
¿Cuál es el modelo que mejor ajuste presenta? Justifique su respuesta con los estadísticos
calculados (R2, CI Akaike y Bayesiano, Test Wald para efectos espaciales, significancia).

Antes de lo solicitado, se generan los estadísticos del multiplicador Lagrangeano para saber si es
importante incluir efectos especiales, y, además, evaluar el P valor menor para saber a qué factor
(variable dependiente, independiente o error) se aplica los efectos espaciales:
Se escoge el que tenga el menor valor P, dados los resultados anteriores para la prueba de
Lagrange, se concluye que es importante incluir efectos espaciales.

- Se procede a realizar el modelo según las pruebas anteriores, espacial autorregresivo

dominado SAR, primero para la variable dependiente rezagada:

- Aun no se puede hacer inferencia sobre estos coeficientes ya que estan estimados bajo
MCO siendo efectos espaciales, por lo que posteriormente, cuando se generen los efectos
marginales, se interpretaran para la variable cultivo.

- Se procede a realizar el modelo según las pruebas anteriores, espacial autorregresivo

dominado SEM, ahora para el termino de perturbación rezagado:
- Ahora comparamos los estadísticos para la selección del modelo.

Como se puede observar, los criterios ACAICE y bayesianos son muy bajos, por lo que el
criterio final de selección será con el R cuadrado ajustado, adoptando finalmente el modelo
SAR como mejor opción.
- Efectos marginales para la variable cultivo

 Efectos directos en donde la variación promedio de y ante la variación de unidad de X para

toda la muestra, se dice ante un aumento de una hectárea de cultivo ilícito, aumenta
0.0075 la tasa de homicidios, sin considerar efectos espaciales.
 Efectos indirectos, Ante la variación unitaria de la variable cultivos, se afecta
positivamente la tasa de homicidios en 0.0006 en las unidades definidas como vecinas en
la matriz de pesos espaciales.
 Efecto total, es la suma de los efectos directos e indirectos, en general la tasa de
homicidios varia positivamente en un 0.0082 por cada aumento de una unidad en cultivos.
3. Estime una Regresión Geográficamente Ponderada para el modelo mencionado (use 100
repeticiones). ¿Qué puede concluir acerca de la no estacionariedad de los coeficientes
estimados para la variable cultivos1? Mapee los βi para la variable cultivos. Realice
comentarios sobre el mapa que permitan entender la heterogeneidad en la asociación de la
tasa de homicidios por 100 mil habitantes y el número de hectáreas cultivadas de hoja de
coca.

Se procede a estimar la regresión y se obtienen los siguientes resultados:

Dada la banda de tolerancia .69940054 esta medido en kilómetros y los consideramos como la
banda optima, esta es la que se debería escoger. Aceptamos estacionariedad ya que el p valor es
mayor que los grados de significancia considerados, siendo este de un 0.24.

- Conclusión: Si existe una relación entre los cultivos y las tasa de homicidio, sin embargo,
según los resultados no es muy drástica la influencia de estos, es por ello que la tasa
puede estar explicada por muchos mas factores estacionales y paramétricos de la realidad
municipal.