Manual Stata Basico - Juan Carlos Abanto Orihuela

Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica

Juan Carlos Abanto Orihuela 25 de enero de 2013

2

Stata B´ asico Aplicado a la Investigaci´ on Económica

www.giddea.com [email protected]

Índice general Índice general

3

1. Introducci´ on al Stata 1.1. Iniciando Stata . . . . . . . . . . . 1.2. Tipos de Archivos en Stata . . . . . 1.3. Estructura Básica de Stata . . . . . 1.4. Principales Comandos de Trabajo y 1.4.1. Las Bitácoras . . . . . . . . 1.4.2. La Base de Datos . . . . . . 1.4.3. Append, Merge, Collapse . .

. . . . . . . . . . . . . . . Análisis . . . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

5 5 6 6 7 7 7 9

2. Manejo de Datos 2.1. Cargando los Datos en Stata . . . . 2.2. Etiquetas . . . . . . . . . . . . . . 2.3. Comando IF . . . . . . . . . . . . . 2.4. Comando SUMMARIZE . . . . . . 2.5. Comando SPLIT . . . . . . . . . . 2.6. Creando Variables . . . . . . . . . . 2.7. KEEP y DROP . . . . . . . . . . . 2.8. Reestructurando los Datos . . . . . 2.9. Muestreos Probabil´ısticos . . . . . . 2.10. Generación de N´ umeros Aleatorios 2.11. Percentiles, Cuartiles, Deciles . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

15 15 15 17 18 18 19 22 24 26 26 27

. . . . . . . .

31 31 33 38 40 40 40 43 47

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

3. An´ alisis Grafico con Stata 3.1. Visualizando Algunos Comandos . . . . . . . . . 3.2. TWOWAY . . . . . . . . . . . . . . . . . . . . . . 3.3. TWOWAY y SCATTERPLOT . . . . . . . . . . 3.4. Combinando TWOWAY Y SCATTERPLOT . . . 3.4.1. Filtro de Gráficos . . . . . . . . . . . . . . 3.4.2. Unión de Gráficos . . . . . . . . . . . . . . 3.5. Opciones para Edición de Gráficos . . . . . . . . . 3.6. Trabajando con Esquemas y Gráficos Adicionales 3

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

ÍNDICE GENERAL

4 3.6.1. 3.6.2. 3.6.3. 3.6.4. 3.6.5.

Esquemas . . . . . . . . . . . . Gráficos de Barras Verticales . . Gráficos de Barras Horizontales Gráficos de Cajas . . . . . . . . Gráficos de Pastel . . . . . . . .

4. An´ alisis de Regresi´ on Lineal 4.1. Regresión Lineal . . . . . . . 4.2. Diagnostico de los Resultados 4.2.1. Efecto Influencia . . . 4.3. Normalidad del Residuo . . . 4.4. Homocedasticidad del Residuo 4.5. Multicolinealidad . . . . . . . 4.6. Linealidad . . . . . . . . . . . 4.7. Especificación del modelo . . 4.8. Independencia . . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

5. Variables Categ´ oricas 5.1. Estimación con Variables Categóricas 5.2. El Comando Xi . . . . . . . . . . . . 5.3. Pruebas de Hipótesis . . . . . . . . . 5.4. Creación de Variables Dummys . . . 5.5. Bucles y Programas . . . . . . . . . . Bibliograf´ıa


. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

. . . . . . . . .

. . . . .

. . . . .

47 49 49 50 51

. . . . . . . . .

55 55 59 59 62 63 64 64 65 66

. . . . .

69 69 70 72 75 75 79


Sesi´ on 1 Introducci´ on al Stata 1.1.

Iniciando Stata

Stata es una poderosa herramienta en aplicaciones económicas. Puede ayudarnos a analizar fácil y eficientemente, series de tiempo, paneles, y data de sección cruzada. Nos dará las herramientas que necesitamos para organizar y manejar un gran tama˜ no de data, obteniendo resultados de análisis estad´ısticos. En esta sesión introduciremos las nociones básicas del software, para posteriormente realizar un análisis estad´ıstico y familiarizarnos con el manejo y modificación de la base de datos. Veamos como se presenta Stata al iniciarse. (ver Figura 1.1)

Figura 1.1: Pantalla de Inicio 5

6

1. Introducci´ on al Stata

Los comandos de stata están implementados en el men´ u el cual esta organizado por tópicos. As´ı nosotros podemos trabajar interactivamente y de manera muy simple, sin embargo sigue siendo u ´til el uso de comandos para realizar el análisis dado que da pie al manejo de programas, o estructuras de programación. (ver Figura 1.2)

Figura 1.2: Barra de Comandos

1.2.

Tipos de Archivos en Stata

En STATA, distinguimos 3 tipos de archivos importantes: Archivo de extensión dta, para la generación de base de datos, en ella se almacenara información de las variables con su respectiva extensión. Archivo de extensión log, smcl, para la generación de bitácoras, en ella se guardaran los resultados de manera ordenada, sin tener que pasarlos a ning´ un tipo de archivo de texto. Archivo de extensión do, que es un archivo de ejecución, donde se elabora el programa. Archivo de extensión gph, para la generación de gráficos almacenados en la carpeta de trabajo

1.3.

Estructura B´ asica de Stata

Siempre que trabajemos en STATA, es recomendable que mantengamos cierta estructura. (ver Figura 1.3) Stata B´ asico Aplicado a la Investigaci´ on Económica


1.4. Principales Comandos de Trabajo y An´ alisis

7

Figura 1.3: Estructura Básica

1.4.

Principales Comandos de Trabajo y An´ alisis

Ahora veamos los principales comandos de trabajo, los cuales harán que los futuros análisis econométricos sean simples de realizar.

1.4.1.

Las Bit´ acoras

En estos objetos se guardara la información tal y cual aparecen en la ventana Result, aunque también podr´ıamos indicarle al programa que deseamos solo guardar los comandos y no los resultados. log using clase1.log o también cmdlog using clase1.log

1.4.2.

La Base de Datos

El uso de la base de datos es vital para nuestro análisis, a continuación presentamos los comandos que nos ense˜ nara a trabajar con esta.

use auto.dta Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


8


use auto.dta if foreign==1 use auto.dta in 1/10 use make mpg using auto.dta save auto01.dta Repasemos lo que hemos aprendido: Ya sabemos como limpiar la memoria de Stata, también sabemos como ampliar esta memoria para trabajar con data de gran capacidad. Sabemos como fijar el path de trabajo, como crear una rutina y como cargar la base de datos a nuestro espacio de trabajo. Ahora vamos a trabajar con la base de datos para empezar nuestro análisis. use auto01.dta browse replace mpg=20 if mpg==19 save, replace list make list make price describe codebook summarize summarize summarize summarize summarize

mpg weight mpg weight if foreign price if mpg<21.3 price if mpg>=21.3 price, detail

tabulate mpg table table table table

mpg rep78, contents(n mpg) rep78, contents(n mpg mean mpg sd mpg median mpg) rep78, c(n mpg mean mpg sd mpg median mpg) format(%9.2f)

sort mpg gsort mpg gsort -mpg sort foreign by foreign: summarize price Stata B´ asico Aplicado a la Investigaci´ on Económica



9

count count if foreign==0 count if foreign==1 by foreign: count generate orden=_n rename orden num_obs by foreign: egen prom_mill=mean(mpg) drop num_obs keep make price mpg prom_mill

1.4.3.

Append, Merge, Collapse

El comando append y merge nos ayudara a unir bases de datos integrándolas en una sola. Append, pegara hacia abajo o verticalmente y Merge, pegara hacia el costado o de forma horizontal. clear use base1, list use base2, list use base3, list use base4, list

clear clear clear clear

Vamos a empezar observando cada una de las bases de datos que tenemos, veamos la figura1.4 Empecemos nuestra tarea en Stata, podemos observar que

Figura 1.4: Bases de Datos Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


10


la base de datos Base1 tiene los mismos campos (columnas) que la base de datos Base2, pero diferentes filas, seria u ´til, unir ambas bases. Abramos entonces, la base de datos Base1 y peguemosla con la base de datos Base2, una unión vertical. use base1.dta, clear list append using base2 list save base12.dta, replace list Hagamos lo mismo con las bases de datos Base3 y Base4 y observemos los resultados: use base3.dta, clear list append using base4 list save base34.dta, replace list ¿Por qué la variable la variable sexo se a˜ nadió 2 veces como columna?¿por qué no se unió en una sola columna? use base3.dta, clear list rename Sexo sexo list save base03.dta, replace use base03.dta, clear list append using base4 list save base034.dta, replace Ahora si resulto bien la unión vertical. Veamos la base12 que ten´ıamos antes. Ahora mi interés es fusionar ambas bases de datos, para ello, primero debemos ordenar ambas bases seg´ un la variable con la que vamos a fusionar (la variable com´ un). use base034.dta, clear list sort nombre list Stata B´ asico Aplicado a la Investigaci´ on Económica



11

save base034s.dta, replace use base12.dta, clear list sort nombre list save base12s.dta, replace Ya tenemos las 2 bases de datos ordenadas, ahora vamos a fusionarlas clear use base12s.dta, clear list merge nombre using base034s.dta list save basetotal.dta, replace La figura1.5 nos muestra la base de datos total.

Figura 1.5: Base Total Podemos tabular la variable merge para ver si se pegaron correctamente las bases de datos, o también observar la columna final merge en caso de bases chicas como esta. tab _merge Analicemos los resultados. Hay tres posibles valores que puede tomar esta variable seg´ un lo muestra la figura1.6. Si toma el valor de 1 nos indicara que es una observación que solo se encuentra en la base matriz, si toma el valor de 2 nos indicara que es una observación que proviene de la base esclava, y si toma el valor de 3, nos indicara que la observación proviene de ambas bases.



12


Figura 1.6: tab merge El comando collapse sirve para convertir una base de datos que contiene variables para diversas unidades de estudio, en una base de datos que contiene estad´ısticos de dichas variables (medias, medianas, sumas etc). Permite obtener estad´ısticos para unidades más grandes (en un sentido jerárquico), como por ejemplo, pasar de datos por individuo a datos por hogar, de datos por distritos a datos por provincia (agregación) En el comando se especifican aquellas variables que se ”colapsan” y las condiciones que se imponen para dicha transformación. Algunas variables pueden ser colapsadas seg´ un su suma, otras seg´ un su media, etc. (ver figura1.7) Aquellas variables que no se especifican desaparecen automáticamente de la base de datos. Este comando crea una nueva base de datos y cierra la base de partida. Si deseamos quedarnos con esta base debemos grabarla.

Figura 1.7: Estructura del comando “split” Basado en los WDI, genere una base de datos con los totales de CO2 emitidos por región, para el a˜ no 2002. Genere también una base con la población mundial a lo largo del tiempo. Stata B´ asico Aplicado a la Investigaci´ on Económica



13

use kids, clear list collapse age list use kids, clear collapse age, by(famid) list use kids, clear collapse(mean) avgage=age, by(famid) list use kids, clear collapse (mean) avgage=age avgwt=wt, by(famid) list use kids, clear collapse (mean) avgage=age avgwt=wt (count) numkids=birth, by(famid) list use kids, clear tabulate sex, generate(sexdum) list famid sex sexdum1 sexdum2 collapse (count) numkids=birth (sum) girls=sexdum1 boys=sexdum2, by(famid) list famid boys girls numkids

Basado en los WDI, genere una base de datos con los totales de CO2 emitidos por región, para el a˜ no 2002. Genere también una base con la población mundial a lo largo del tiempo. use wdi,clear collapse (sum) co2 if year==2002, by(region) graph hbar (asis) co2, over(region) use wdi, clear collapse (sum) pop, by(year)



14


RETO 1 . La base “enaho01-2004-300-oct-nov.dta” contiene datos del módulo 300 de la ENAHO recopilados entre octubre y noviembre de 2004, mientras que “enaho01-2004-300-dic.dta” contiene los datos del mismo módulo para diciembre de ese mismo a˜ no. Ambas bases están a nivel de individuos. Se pide juntar estos datos en un solo archivo que debe ser grabado con el nombre: “Personas.dta”. . A la base “Personas.dta” a˜ nada las siguientes variables: Las 5 variables de Necesidades Básicas Insatisfechas (nbi1 al nbi5) desde la base de datos “enaho01-2004-100.dta”. Recuerde que esta base fue recopilada a nivel de hogares en el mismo periodo. La variable sobre tipo de vivienda (p101). . Usando el archivo “enaho01-2004-300-oct-nov.dta” (módulo de educación a nivel de individuos) realice las siguiente tarea: Obtenga una nueva base (colapsada) que contenga para cada hogar: el promedio de edad de sus miembros (ver p208a), el porcentaje de hombres en el hogar (ver p207), el máximo nivel educativo aprobado por alg´ un miembro del hogar (ver p301a).



Sesi´ on 2 Manejo de Datos 2.1.

Cargando los Datos en Stata

Ahora vamos a empezar el tratamiento de los datos pero antes, hagamos un peque˜ no ejercicio con la base de datos auto.dta use auto.dta describe summarize generate price2=2*price describe save auto2.dta generate price3=3*price save auto2.dta save auto2.dta, replace generate price4=4*price use auto.dta use auto.dta, clear clear

2.2.

Etiquetas

Aprendamos a etiquetar a nuestras bases de datos o variables para poder identificarlas en un futuro y as´ı poder trabajar de forma mas ordenada. use auto.dta describe label data "Este archivo contiene datos de autos para el a~ no 1978" describe label variable rep78 "Record de reparaci´ on en 1978" label variable price "Precio del carro en 1958" label variable mpg "Millas por galon para el carro" 15

16

2. Manejo de Datos

label variable foreign "Origen del carro, extranjero o domestico" describe label define foreignl 0 "domestico" 1 "extranjero" label values foreign foreignl describe table foreign ttest mpg, by(foreign) save auto3.dta Hagamos un ejercicio similar con la base de datos iraninos.dta clear use iraninos.dta set more off label define sexow 0 "mujer" label define sexow 1 "hombre", add describe browse label values sexo sexow describe browse label drop sexow label label label label label

define define define define values

getareow 0 "prematuro" getareow 1 "rec.nac.", add getareow 2 "lactante", add getareow 3 "escolares", add getareo getareow

label define oliguriaw 0 "no oliguria" label define oliguriaw 1 "oliguria", add label values oliguria oliguriaw label define congenitow 0 "no congenito" label define congenitow 1 "congenito", add label values congenito congenitow label define sepsisw 0 "no sepsis" label define sepsisw 1 "sepsis", add label values sepsis sepsisw label define tipodaow 0 "asfixia neonat" Stata B´ asico Aplicado a la Investigaci´ on Económica


2.3. Comando IF label label label label

define define define values

17

tipodaow 1 "nta", add tipodaow 2 "nti", add tipodaow 3 "nefro tox", add tipodao tipodaow

label define finalw 0 "vivo" label define finalw 1 "muerto", add label values final finalw Observemos que la variable dependiente en esta base de datos es final, muerte de una persona debido a una falla renal aguda. Las variables explicativas serian sepsis y tipoda˜ no, mientras que las de control serian sexo, getareo. Probablemente oliguria y congenito sean variables que me indiquen el nivel especifico de la enfermedad (serian variables no tan claras en este ejemplo).

2.3.

Comando IF

La estructura del comando IF es fácil de recordar, la figura2.1 nos muestra el esquema base.

Figura 2.1: Estructura del comando “if” clear use auto.dta keep make rep78 foreign mpg price tabulate rep78 foreign tabulate rep78 foreign if (rep78 >=4) tabulate rep78 foreign if (rep78 >=4), column nofreq list if (rep78 >= 4) list if (rep78 >= 4) summarize summarize summarize summarize summarize

price price price price price

if if if if if

&

!missing(rep78)

(rep78 (rep78 (rep78 (rep78 (rep78

== <= == >= >=

1) | (rep78 == 2) 2) 3) | (rep78 == 4) | (rep78 == 5) 3) 3) & !missing(rep78)

Cabe resaltar que luego de la sentencia “if” usamos “ & ” para decir “y”, usamos “ == ” para decir “igual a”, y usamos “ ! ” para negar algo o decir “no”. Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


18

2. Manejo de Datos

2.4.

Comando SUMMARIZE

Esta estructura es mas compleja y más dif´ıcil de recordar, sin embargo la siguiente forma general (ver figura2.2), nos ayudara a recordarla y usarla de manera más apropiada.

Figura 2.2: Estructura del comando “summarize”

use auto summarize summarize summarize summarize summarize

price mpg mpg price if (foreign == 1) mpg price if (foreign == 1) & (mpg <30) mpg price if (foreign == 1) & (mpg <30) , detail

Si queremos trabajar con observaciones del 1 al 10 summarize in 1/10 También podr´ıa estar interesado en el resumen estad´ıstico para carros extranjeros y domésticos, por separado, para ello usamos el comando by: by foreign: summarize

2.5.

Comando SPLIT

El comando split separa el contenido de una variable tipo string en dos o más partes, usando un carácter que indica separación, de modo que se generan nuevas variables tipo string. (ver figura2.3) Es u ´til para separar palabras, códigos u otras partes de una variable tipo string de información m´ ultiple. Por ejemplo, en el siguiente caso (ver figura2.4), queremos separar el tipo de documento del n´ umero, en dos variables. Aqu´ı, el objetivo es que la variable string “documento” se parta en dos variables string, una que contenga el tipo de documento y otra el n´ umero de este documento. Stata B´ asico Aplicado a la Investigaci´ on Económica


2.6. Creando Variables

19

Figura 2.3: Estructura del comando “split”

Figura 2.4: Base Documentos use "split y destring", clear split documento, parse("-") destring use "split y destring", clear split documento, parse("-") destring documento2, replace Si deseáramos concatenar dos variables cualquiera sean estas, y generar una variable tipo string, el comando a usar deberá ser: egen docum=concat(documento1 documento2), punct("/") Donde la opción punct permite especificar el separador entre las distintas partes al conformar una u ńica variable. Por ejemplo, espacio será punct(“ ”), o coma , punct(,) o guión , punct(-).

2.6.

Creando Variables

Trabajemos con la base de datos auto, y con la variable length (longitud del auto en pulgadas) use auto, clear summarize length generate length_feet = length / 12 Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


20

2. Manejo de Datos

generate length_feet = length / 12 replace length_feet = length / 12 summarize length lenght_feet generate length2 = length^2 summarize length2 generate loglen = log(length) summarize loglen summarize length generate zlength = (length - 187.93) / 22.27 summarize zlength Observemos la variable mpg (millaje por galón) tabulate mpg No nos es muy fácil el análisis de esta variable, podr´ıamos mejorar su presentación si la clasificáramos por rangos. generate replace replace replace tabulate

mpg3 = mpg3 = mpg3 = mpg3 = mpg mpg3

. 1 if (mpg <= 18) 2 if (mpg >= 19) & (mpg <=23) 3 if (mpg >= 24) & (mpg <.)

Ahora podemos hacer un cruce de tablas entre la variable mpg3 y la variable foreign y observar el millaje de los carros domésticos y extranjeros. ¿Qué es lo que se observa? Mediante una remodificación de los datos, podemos hacer lo mismo en unas cuantas l´ıneas, mediante el uso de rangos y el comando recode. generate mpg3a = mpg recode mpg3a min/18=1 19/23=2 24/max=3 tabulate mpg mpg3a Veamos un ejemplo con categor´ıas, ahora deseamos crear una variable que nos muestre el millaje de los carros respecto a su origen, esta tomara el valor de “0” para valores por debajo de la media de mpg en el grupo domestico y extranjero y “1” para valores por encima de la media de mpg en los grupos domestico y extranjero. sort foreign by foreign: summarize mpg, detail ¿Qué observamos? Stata B´ asico Aplicado a la Investigaci´ on Económica


2.6. Creando Variables

21

generate mpgfd = mpg recode mpgfd min/18=0 19/max=1 if foreign==0 recode mpgfd min/24=0 25/max=1 if foreign==1 by foreign: tabulate mpg mpgfd El comando recode cambia los valores de una variable de acuerdo a las reglas especificadas. recode opiniongob (1=4 nada) (2=3 poco) (3=2 "mas o menos") /// (4=1 bastante) (.=0 "no opina"), gen(opina) También podemos usar una extensión del commando generate, egen me permitirá crear expresiones mas complejas aun, tales como medias, desviaciones estándar, máximos, m´ınimos, etc. egen minimo_p=min(price) egen median_p=median(price) egen std_p=std(price), mean(0) std(1) Nota1: Tipo de Datos En Stata existen dos clases de datos a usar: . Datos numéricos, dentro de estos podemos encontrar la siguiente clasificación:

Figura 2.5: Datos Tipo Numéricos . Datos cadena de texto, dentro de estos podemos encontrar la siguiente clasificación:

Figura 2.6: Datos Tipo Cadena



22

2. Manejo de Datos

Lógicamente debemos considerar que un uso de datos con mayor poder de almacenaje se traducirá en mayor tama˜ no de bytes usados, lo cual restara espacio a nuestro disco de almacenaje. Generemos algunas variables como ejemplo: generate double x=2 generate str2 y="maria" list y ¿Qué notamos?, ¿Cómo saber rápidamente si una variable es de cierto tipo? Si deseáramos convertir una variable string a una variable numérica o una variable numérica a una string, podr´ıamos usar los comandos encode y decode, veamos esto: clear use auto.dta encode make, generate(A) label list A describe make A decode A, generate(B) describe make A B O también podr´ıamos usar la siguiente sentencia: generate str2 generate int describe Z P

2.7.

Z="am" P=real(Z)

KEEP y DROP

A veces no desearemos tener todas las variables en el espacio de trabajo, muchas veces desearemos trabajar solo con algunas variables de nuestra base de datos. use auto describe keep make mpg price describe use auto, clear drop displacement gear_ratio describe Stata B´ asico Aplicado a la Investigaci´ on Económica


2.7. KEEP y DROP

23

use auto , clear tabulate rep78 , missing drop if missing(rep78) tabulate rep78 , missing use auto , clear keep if (rep78 <= 3) tabulate rep78, missing clear Ya hemos visto como el uso de keep, drop, keep if y drop if, puede sernos u ´til si queremos eliminar variables innecesarias y as´ı tener mas memoria de trabajo. Ahora veamos en la figura2.7 la estructura del comando use y los criterios de selección.

Figura 2.7: Estructura del comando “use”

use make price mpg using auto.dta describe clear use auto.dta if (rep78 <= 3) tabulate rep78, missing clear use auto.dta if (rep78 >= 4) & (rep78 <.) tabulate rep78, missing clear use make mpg price rep78 if (rep78 <= 3) using auto.dta describe tabulate rep78 Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


24

2. Manejo de Datos

clear use make mpg price rep78 using auto.dta if (rep78 <= 3) describe tabulate rep78 clear use make mpg if (rep78 <= 3) using auto ¿Qué sucedió con esta sentencia?

2.8.

Reestructurando los Datos

A veces nos será u ´til reestructurar la forma como los datos son presentados, especialmente para trabajar con datos panel, para ello nos será de utilidad aprender los comandos con anticipación. clear use ingfam.dta list

Figura 2.8: Base “ingfam” La forma como se presenta la data, es la forma ancha o “wide”, a nosotros nos podr´ıa interesar, sin embargo, trabajar con la forma larga o “long” de la data, para ello debemos modificar la estructura de esta base de datos de la siguiente manera: reshape long ingfam, i(codfam) j(a~ no) list “Long” le dice al comando reshape, si se desea ir de una forma long a una wide o viceversa, “ingfam” le dice a Stata que la ra´ız de la variable a ser convertida a la forma long es ingfam, “i” le dice a stata que la variable codfam será considerada como identificador de los individuos, “j” indica a Stata que la parte variable de ingfam será considerada e incorporada como una variable a˜ no. Stata B´ asico Aplicado a la Investigaci´ on Económica


2.8. Reestructurando los Datos

25

reshape wide list reshape long list Veamos una base de datos que nos brinda información sobre los las alturas de un conjunto de ni˜ nos de 1 y 2 a˜ nos de edad use ni~ noaltpes, clear list codfam nacimiento alt1 alt2

Figura 2.9: Base “ni˜ noaltpes” Veamos como podemos transformar esta base de datos a una forma “long”. ¿Cuál es la ra´ız de la variable que será convertida de la forma wide a la forma long? ¿Qué variables identifican a los individuos en la estructura wide? ¿Cómo llamaremos a la variable que contendrá a los sufijos de la variable ra´ız? reshape long alt, i( codfam nacimiento) j(edad) list codfam nacimiento edad alt use ni~ noaltpes,clear list codfam nacimiento alt1 alt2 pes1 pes2 reshape long alt pes, i( codfam nacimiento) j(edad) list codfam nacimiento edad alt pes use ingpadmad.dta, clear list A nosotros nos podr´ıa interesar que la variable “nombre” y la variable “ing” se estructuren de una forma long, pero los sufijos “p” y “m” son del tipo cadena o string, ya no son n´ umeros. ¿Cómo podemos estructurar nuestro comando en este caso? reshape long nombre ing, i(codfam) j(padmad) string list Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


26

2. Manejo de Datos

Figura 2.10: Base “ingpadmad”

2.9.

Muestreos Probabil´ısticos

En las encuestas, las observaciones son escogidas a partir de un proceso aleatorio. As´ı, las probabilidades de selección para distintas observaciones pueden diferir en función a la forma como se lleve a cabo dicho proceso de selección aleatorio. Las ponderaciones de muestreo son iguales (o proporcionales) al inverso de la probabilidad de selección. En otras palabras, los ponderadores (o factores de expansión) pueden ser interpretados como el n´ umero de elementos de la población que el elemento muestreado representa. En consecuencia, no tener en cuenta los ponderadores de la muestra en los procedimientos estad´ısticos genera estimaciones sesgadas al valor verdadero de la población. As´ı mismo, su omisión altera las desviaciones estándar de nuestras estimaciones. Los factores de expansión nos permiten pasar de la muestra al conjunto de la población. Ellos son necesarios también para tener en cuenta las diferentes tasas de muestreo seg´ un dominios geográficos, etc. La mayor´ıa de comandos de stata pueden ponderar datos. Stata proporciona cuatro tipos de ponderaciones, la que más se emplea es la asociada a los factores de expansión, que se indica con la opción pweight que permite identificar los pesos que indican la inversa de la probabilidad de que la observación sea incluida debido al dise˜ no del muestreo. table x1 x2 [pweight=pesopob] table x1 x2 [pw=pesopob]

2.10.

Generaci´ on de N´ umeros Aleatorios

Crearemos un archivo vac´ıo para 100 observaciones: set obs 100 Generamos n´ umeros aleatorios con distribución uniformes U(0,1) gen x = uniform() Luego generamos n´ umeros aleatorios con distribución normal N(0,1) Stata B´ asico Aplicado a la Investigaci´ on Económica


2.11. Percentiles, Cuartiles, Deciles

27

gen y = invnorm(uniform()) Para generar una variable con distribución uniforme U(a,b) generate y = a + (b-a) * uniform() Para generar una variable con distribución normal N(u,ô) generate z = u + o ^ * invnorm(uniform()) Generemos una variable notas, igual a U(0,20) + N(0,1) gen notas = 20*uniform() + invnorm(uniform()) Trunquemosla en el rango de 0 a 20 replace notas = clip(notas, 0, 20) format notas %3.1f Generemos una variable sexo que sea 1 si es hombre y 0 si es mujer gen sexo = uniform() > 0.5 Generemos una variable ingreso que valla del 2000 al 2007 gen ingreso = 2000 + floor(8*uniform())

2.11.

Percentiles, Cuartiles, Deciles

Las medidas de posición son muy importantes en el análisis estad´ıstico, probabil´ıstica y regresional. Los cuartiles son medidas estad´ısticas de posición que tienen la propiedad de dividir la serie estad´ıstica en cuatro grupos de n´ umeros iguales de términos. De manera similar los deciles dividen a la serie en diez partes iguales y los percentiles dividen a los términos de la serie en cien grupos iguales. As´ı como la mediana divide la serie o distribución en dos partes iguales, existen tres cuartiles, nueve deciles y noventa y nueve percentiles que dividen en cuatro, diez y cien partes iguales a la distribución. De estas tres u ´ltimas medidas de posición los cuartiles son las de mayor aplicación. Se emplean generalmente en la determinación de estratos o grupos correspondientes a fenómenos socio-económicos, monetarios o teóricos. XTILE El comando xtile genera una variable categórica (eg: 1, 2, 3) seg´ un el cuantil en que se encuentra cada observación. Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


28

2. Manejo de Datos

xtile nuevavar = variable , nquantiles(#) xtile tercio = notas, n(3) PCTILE El comando pctile genera una variable con los puntos de corte entre cada cuantil. pctile nuevavar = variable , nquantiles(#) pctile cortes = notas, n(3) Por ejemplo, generemos una variable décimo que sea 1 si es décimo superior, y 0 caso contrario. Hágalo de 2 formas distintas xtile es_decimo = notas, n(10) replace es_decimo= (es_decimo==10) summarize notas, detail gen es_decimo = notas > r(p90) pctile corte_dec = notas, n(10) gen es_decimo = notas > corte_dec[9] Muestre en las notas, el promedio, el máximo, el m´ınimo, por sexo. Muestre la probabilidad de ser décimo superior, por a˜ no de ingreso tab es_decimo tercio tabstat notas, by(es_decimo) tabstat notas, by(sexo) stat(mean max min) tabstat es_decimo, by(ingreso) format(%3.2f)



2.11. Percentiles, Cuartiles, Deciles

29

RETO 2 El sostenido crecimiento de la econom´ıa peruana en los u ´ltimos a˜ nos ha provocado que en la actualidad observemos un boom de inversiones a nivel descentralizado. As´ı, diversas actividades económicas que antes se desarrollaban solo en Lima han empezado a mirar el interior del pa´ıs como plazas alternativas para expandir sus negocios. Con este fin, la recientemente fundada empresa de consultor´ıa Grupo IDDEA S.A.C. le ha pedido su colaboración para desarrollar las siguientes tareas en Stata. . En el módulo “sumarias” (que contiene variables calculadas de ingreso y gasto) se le pide identificar cada hogar con el nombre de la localidad que representa seg´ un la variable “ubigeo” (distrito). Además, en este módulo deberá crear una nueva variable que indique el departamento al que pertenece cada hogar (esta variable debe tener un value map con los nombres de los 24 departamentos y el Callao). Para esta tarea usted cuenta con la base de datos ubigeo.dta. . Con una sola instrucción (un solo comando) muestre las siguientes estad´ısticas descriptivas para el gasto per capita en todos los departamentos del pa´ıs (percentil 99, media, desviación estándar, rango). . El INEI calcula las estad´ısticas de pobreza bajo el método del gasto, para lo cual utilizará la variable “gasto total” y la dividirá entre el total de personas en el hogar para calcular el gasto per capita. Luego generará una variable que valga uno en caso el hogar supere la l´ınea de pobreza per capita (linea06) y cero en caso contrario. Finalmente, se le pide estimar para cada departamento cual es el nivel de pobreza considerando que un individuo es pobre si pertenece a un hogar pobre. . Con el módulo de educación construya una tabla que muestre para cada dominio geográfico el porcentaje de personas seg´ un nivel educativo alcanzado, para lo cual considerará solo tres niveles: 1, al menos primaria incompleta, 2, Al menos secundaria completa y 3, superior. . Al módulo educación a˜ nada la variable gasto per cápita, calculado en la base sumaria como el cociente entre gasto total y total de miembros del hogar. Luego, cree una variable que contenga los cuartiles (1,2,3,4) del gasto per capita y construya una tabla cruzada entre el nivel educativo y la nueva variable que ha creado para todas aquellas personas que no residen en Lima Metropolitana.



30


2. Manejo de Datos


Sesi´ on 3 An´ alisis Grafico con Stata Ahora vamos a trabajar con los principales gráficos en Stata. Muchos de estos gráficos son de bastante utilidad para observar los problemas inherentes al análisis de regresión que observaremos en la próxima sección.

3.1.

Visualizando Algunos Comandos

clear use auto.dta histogram mpg

Figura 3.1: Histograma

graph box mpg graph box mpg, by(foreign)

31

32

3. An´ alisis Grafico con Stata

Figura 3.2: Grafico de Cajas

Figura 3.3: Scatter y Ajuste Lineal

Figura 3.4: Grafico Matricial



3.2. TWOWAY

3.2.

33

TWOWAY

El S&P 500 es el ´ındice más seguido para tener una idea del desempe˜ no general de las acciones estadounidenses. Este ´ındice consiste de las acciones de 500 empresas que fueron seleccionadas por su tama˜ no, liquidez (qué tan fácil es comprar o vender sus t´ıtulos) y representatividad por actividad económica, incluyendo 400 industriales, 20 del sector transporte, 40 de servicios y 40 financieras. Sólo se toman en cuenta empresas estadounidenses. Vale la pena destacar que el peso de cada acción dentro del ´ındice corresponde a la proporción que representa el valor de mercado de la empresa dentro del total de las 500 empresas que conforman el ´ındice. El valor de mercado del capital es igual al precio por acción multiplicado por el n´ umero total de acciones. Usemos la base de datos S&P 500.(ver figura3.5 clear use s&p.dta describe

Figura 3.5: Índice S&P



34


Figura 3.6: Opciones del “twoway”





3.2. TWOWAY

35




36

3. An´ alisis Grafico con Stata Usemos una nueva base de datos:

clear use highschool.dta describe

Figura 3.10: Base Highschool

graph graph graph graph

twoway twoway twoway twoway

histogram read kdensity read (histogram read) (kdensity read) function y=normden(x), range(-4 4)

Figura 3.11: Histograma y Kernel



3.2. TWOWAY

37

Figura 3.12: Más opciones del “twoway”



38

3.3.


TWOWAY y SCATTERPLOT

twoway scatter read write , scheme(economist) twoway scatter write read, msymbol(square) msize(small) mcolor(black) twoway scatter write read, mfcolor(red) mlcolor(black) mlwidth(medthick)

twoway scatter read write if id <=10, mlabel(id) mlabposition(2) /// mlabsize(large) mlabcolor(green) twoway scatter read write if id <=10,mlabel(ses) mlabangle(90) /// mlabposition(2) mlabgap(3)

egen mread = mean(read), by(write) label variable mread "Nota prom lectura x grupo de escritura" twoway scatter mread write, connect(l) sort twoway scatter mread write, connect(l) twoway scatter mread write, connect(l) clwidth(thick) clcolor(red) /// clpattern(shortdash) sort

egen sdread = sd(read), by(write) label variable sdread "SD prom nota de lectura x grupo de escritura" twoway scatter sdread write, connect(l) sort cmissing(n) twoway scatter sdread write, connect(l) sort cmissing(y)



3.3. TWOWAY y SCATTERPLOT

39

Figura 3.13: Connect

Figura 3.14: Connect sort cmissing



40

3.4. 3.4.1.


Combinando TWOWAY Y SCATTERPLOT Filtro de Gr´ aficos

twoway scatter read write, by(female) twoway scatter read write, by(female ses) twoway scatter read write, by(ses female, cols(2))

Figura 3.15: Opción “by”

3.4.2.

Uni´ on de Gr´ aficos

twoway (scatter read write) (lfit read write) , ytitle(Nota /// de lectura)



3.4. Combinando TWOWAY Y SCATTERPLOT

41

Figura 3.16: Opción “ytitle” de un grafico twoway (scatter read write) (lfit read write),

name(scatter)

twoway (scatter read write, mlabel(id)) (lfit read write, /// range(30 70)), by(ses female) ytitle(Nota de lectura)

Figura 3.17: Nombre a un grafico twoway (scatter read write) (scatter math write) twoway (scatter read write) (scatter math write) (lfit read /// write) (lfit math write)



42


twoway (scatter read write) (scatter math write) (lfit read /// write) (lfit math write), legend(label(3 "Ajuste Lineal") /// label(4 "Ajuste Lineal")) legend(order(1 3 2 4)) twoway (scatter read write) (scatter math write) (lfit read /// write, pstyle(p1) range(25 80) ) (lfit math write, /// pstyle(p2) range(25 80) ), legend(label(3 "Ajuste Lineal") /// label(4 "Ajuste Lineal")) legend(order(1 3 2 4))

Figura 3.18: Editando la legenda de un grafico separate write, by(female) graph twoway (scatter write0 read) (scatter write1 read), /// ytitle(Nota de Escritura) legend(order(1 "Hombres" 2 "Mujeres")) graph twoway (scatter write0 read) (scatter write1 read) /// (lfit write0 read) (lfit write1 read), ytitle(Nota de /// Escritura) legend(order(1 "Hombres" 2 "Mujeres" 3 "Aj. /// Lineal Hombres" 4 " Aj. Lineal Mujeres")) Stata B´ asico Aplicado a la Investigaci´ on Económica


3.5. Opciones para Edici´ on de Gr´ aficos

43

Figura 3.19: Ordenando la legenda de un grafico

3.5.

Opciones para Edici´ on de Gr´ aficos

El esquema siguiente nos ayudara a entender los principales comandos de edición de gráficos. Podemos guiarnos de estos para poder tener una mejor presentación en nuestros gráficos.

graph twoway scatter read write, title("Grafica de Dispersi´ on /// entre Lectura y Escritura")

Figura 3.20: Antes de la edición



44


graph twoway scatter read write, /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura ", /// size(large) color(red) position(12) ring(1)) /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura ", /// size(large) color(red) position(12) ring(1) box bcolor(white) /// blcolor(red) bmargin(medium)) /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura " /// "Muestra de 200 Estudiantes", linegap(3) size(large) color(red) /// position(12) ring(1) box bcolor(white) blcolor(red) /// bmargin(medium)) /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura ", /// size(large) color(red) position(12) ring(9) box bcolor(white) /// blcolor(red) bmargin(medium)) /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) /// subtitle("Muestra de 200 Estudiantes") /// note(Datos de Escuela Secundaria y Superior) /// caption(Grupo IDDEA.SAC) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura ", /// size(large) color(red) position(12) ring(9) box bcolor(white) /// blcolor(red) bmargin(medium)) /// ytitle(Nota del Examen de Escritura) /// xtitle(Nota del Examen de Lectura) /// subtitle("Muestra de 200 Estudiantes") /// note(Datos de Escuela Secundaria y Superior, size(medium) /// Stata B´ asico Aplicado a la Investigaci´ on Económica


3.5. Opciones para Edici´ on de Gr´ aficos

45

position(5)) caption(Grupo IDDEA.SAC, size(vsmall) position(5)) graph twoway scatter read write, /// title("Grafica de Dispersi´ on entre Lectura y Escritura ", /// size(large) color(red) position(12) ring(9) box bcolor(white) /// blcolor(red) bmargin(medium)) /// ytitle(Nota del Examen de Escritura, color(white)) /// xtitle(Nota del Examen de Lectura, color(white)) /// subtitle("Muestra de 200 Estudiantes", color(white)) /// note(Datos de Escuela Secundaria y Superior, color(white) /// size(medium) position(5)) /// caption(Grupo IDDEA.SAC,color(green) size(small) position(5)) /// graphregion( color(navy) ) /// plotregion( fcolor(teal) )

Figura 3.21: Después de la edición



46


use encuesta.dta graph hbar commute, over(division) graph hbar commute, over(division) asyvar graph bar propval100, over(nsw) over(division) nofill asyvars /// ylabel(0(10)80) twoway scatter ownhome propval100, xlabel(#10) ylabel(#5) twoway scatter ownhome propval100, xscale(alt) twoway scatter propval100 rent700 ownhome, ylabel(0(10)100) /// yscale(alt) twoway (scatter propval100 ownhome) (scatter rent700 ownhome, /// yaxis(2)) twoway scatter ownhome propval100 [aweight=rent700], msize(small) /// scheme(vg_outm) yscale(alt) xscale(alt)

Figura 3.22: Grafico de burbujas

use s&p.dta



3.6. Trabajando con Esquemas y Gr´ aficos Adicionales tw (rarea

high low date) (spike

volmil date)

tw (rarea

high low date) (spike

volmil date, yaxis(2))

tw (rarea high low date) (spike yscale(range(500 1400) axis(1))

47

volmil date, yaxis(2)), ///

tw (rarea high low date) (spike volmil date, yaxis(2)), /// yscale(range(500 1400) axis(1)) yscale(range(0 5) axis(2)) tw (rarea high low date) (spike volmil date, yaxis(2)), /// yscale(range(500 1400) axis(1)) yscale(range(0 5) axis(2)) /// scheme(vg_teal)

Figura 3.23: Diferentes escalas

3.6. 3.6.1.

Trabajando con Esquemas y Gr´ aficos Adicionales Esquemas

use encuesta.dta scatter propval100 rent700 ownhome, scheme(vg_blue)



48


Figura 3.24: Scatter y esquema vg blue



3.6. Trabajando con Esquemas y Gr´ aficos Adicionales

3.6.2.

49

Gr´ aficos de Barras Verticales

use nlsw.dta graph bar ttl_exp graph bar prev_exp tenure ttl_exp graph bar (median) prev_exp tenure ttl_exp graph bar (median) prev_exp tenure (mean )ttl_exp graph bar (mean) meanwage=wage (median ) medwage=wage graph bar prev_exp tenure, over(occ5) graph bar prev_exp tenure, over(occ5) percentages graph bar prev_exp tenure, over(occ5) percentages stack use highshool.dta graph bar write, over( race) over( female) over( ses) /// legend(rows(1) stack) blabel(bar, format(%4.1f) size(vsmall)) /// bargap(10) percent scheme(vg_blue)

Figura 3.25: Bar y esquema vg green

3.6.3.

Gr´ aficos de Barras Horizontales

use nlsw.dta graph hbar wage, over(occ5) graph hbar wage, over(occ5) over(collgrad) graph hbar wage,over(urban2) over(occ5) over(collgrad) Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


50


graph hbar wage,over(urban3) over(union) missing graph hbar wage,over(grade4) over(union) graph hbar wage,over(grade4, gap(*.3)) over(union) graph hbar wage,over(grade4, gap(*3)) over(union) graph hbar wage,over(occ7) graph hbar wage,over(occ7, sort(1)) graph hbar wage,over(occ7, sort(1) descending) graph hbar wage hours,over(occ7) graph hbar wage hours,over(occ7, sort(1)) graph hbar wage hours,over(occ7, sort(2)) graph hbar wage hours,over(occ7, sort(2)) over(married) graph hbar wage hours,over(occ7, sort(2)) over(married, /// descending) asyvars graph hbar wage hours,over(occ7, sort(2)) over(married, /// descending) asyvars stack graph hbar wage,over(occ7, label(alternate)) over(collgrad)

Figura 3.26: Hbar y esquema vg rose

3.6.4.

Gr´ aficos de Cajas

use nlsw.dta graph box wage, graph box wage, graph box wage, graph box wage,

over(grade4) over(grade4) nooutsides over(grade4) nooutsides over(union) over(grade4) nooutsides over(union) ///




51

asyvars graph box wage, over(grade4) nooutsides over(union) /// asyvars over(urban2) graph hbox tenure, nooutsides over(occ7) graph hbox tenure, nooutsides over(occ7, sort(1)) graph hbox prev_exp tenure, nooutsides over(occ7, /// sort(1)) graph hbox prev_exp tenure, nooutsides over(occ7, /// sort(1)) over(collgrade) graph hbox prev_exp tenure, nooutsides over(occ7, /// sort(1)) over(collgrad) graph hbox ttl_exp tenure, nooutsides over(urban2) /// over(married) by(union) graph hbox ttl_exp tenure, nooutsides over(urban2) /// over(married) by(union, total) graph hbox ttl_exp tenure, nooutsides over(urban2) /// over(married) by(union, total row(1)) graph hbox ttl_exp tenure, nooutsides over(urban2) /// over(married) by(union, total cols(1))

Figura 3.27: Hbox y esquema vg teal

3.6.5.

Gr´ aficos de Pastel

use nlsw.dta graph pie, over(occ7) Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


52


graph pie, over(union) graph pie, over(union) missing graph pie, over(occ7) graph pie, over(occ7) noclockwise graph pie, over(occ7) noclockwise sort graph pie, over(occ7) sort pie(3, explode) graph pie, over(occ7) sort pie(3, explode color(cyan)) /// pie(7, explode(5) color(gold)) graph pie, over(occ7) graph pie, over(occ7) plabel(_all sum) graph pie, over(occ7) plabel(_all sum) scheme(economist) graph pie, over(occ7) plabel(_all percent) scheme(economist) graph pie, over(occ7) plabel(_all name) scheme(economist) graph pie, over(occ7) plabel(_all name, gap(-5)) /// plabel(_all percent, gap(5) format("%2.0f")) scheme(economist) graph pie, over(occ7) plabel(_all name, gap(-5)) /// plabel(_all percent, gap(5) format("%2.0f")) /// legend(title(Ocupaci´ on) position(9) cols(1) stack) /// scheme(economist)

Figura 3.28: Pie y esquema economist




53

RETO 3 ´ DE RIESGOS CLASIFICACION La base de datos “deudores”, tiene información acerca de la edad, sexo, distrito, ingresos, deuda, y calificación de la deuda, para 19,000 deudores. . ¿Cuál es la edad promedio de la muestra? Analice la distribución de la edad, con un histograma. . ¿Qué AFP tiene más clientes? Realice una grafica sustentando su respuesta. . Genere una dummy mal pagador, que sea 1 si el deudor está atrasado con sus deudas . ¿Que % de hombres y mujeres son mal pagadores? ¿Quienes ganan más, en promedio? . ¿A qué edad las personas se atrasan menos? Realice una grafica sustentando su respuesta. . Genere una nueva base de datos a nivel de distrito, con el n´ umero de personas, el salario promedio, y el % de deudores atrasados. . Guarde solo los distritos con al menos 100 personas. . ¿Qué distritos son los más ricos? ¿En cuáles la gente es peor pagadora? Realice una grafica sustentando sus resultados.



54




Sesi´ on 4 An´ alisis de Regresi´ on Lineal 4.1.

Regresi´ on Lineal

Ahora vamos a trabajar con las herramientas que hemos aprendido y vamos a generar relaciones econométricas. Empecemos con evaluar una regresión MCO. use elemapi.dta regress api00 acs_k3 meals full

Nuestras expectativas son que un mejor rendimiento académico, este relacionado con un tama˜ no de clase peque˜ no, pocos estudiantes recibiendo comida 55

56

4. An´ alisis de Regresi´ on Lineal

gratuita, y un alto porcentaje de profesores que tengan sus credenciales de ense˜ nanza completa. regress api00 acs_k3 meals full Ahora debemos observar los coeficientes de los resultados de nuestra regresión, y su significancia. Estos coeficientes deben ser coherentes con nuestras expectativas. ¿Qué es lo que observamos? Antes de decir que esta regresión es correcta debemos hacer un conjunto de pruebas. describe list in 1/5 list api00 acs_k3 meals full

in 1/10

codebook api00 acs_k3 meals full yr_rnd summarize api00 acs_k3 meals full summarize acs_k3, detail tabulate acs_k3 list snum dnum acs_k3 if acs_k3 < 0 list dnum snum api00 acs_k3 meals full if dnum == 140 histogram acs_k3 graph box acs_k3 stem acs_k3 stem full tabulate full tabulate dnum if full <= 1 count if dnum==401 Hemos encontrado 3 problemas en la data, valores perdidos, valores negativos insertados de manera incorrecta y proporciones introducidos como porcentajes. Stata B´ asico Aplicado a la Investigaci´ on Económica


4.1. Regresi´ on Lineal

57

regress api00 acs_k3 meals full Luego de corregir la data podemos volver a estimar la regression y observar: use elemapi2.dta regress api00 acs_k3 meals full Digamos que estamos interesados en saber cual es la relación entre el numero de estudiantes y el rendimiento académico. regress api00 enroll Primero debemos fijarnos en el test F, y ver si es significativo, lo cual nos mostrara la significancia del modelo. El R2 nos dirá que tanto de la varianza de nuestra variable endógena, es explicado por los regresores. Luego debemos observar la significancia de los parámetros, ver si sus signos son acorde con la teor´ıa. La constante es el valor predecido para cuando nuestra explicativa sea cero. Podemos observar también que Stata nos presenta la descomposición de la varianza. La varianza total esta particionada en la varianza explicada por las variables independientes (model) y la varianza que no es explicada por dichas variables(residual). Sabemos que existe una suma de cuadrados asociada a las tres partes de la varianza. Conceptualmente estas son: X SST = (y − y¯)2 X SSR = (y − yˆ)2 X SSM = (ˆ y − y¯)2 As´ı pues se puede comprobar que SST=SSM+SSR, además debemos recordar también que R2=SSM/SST. También podemos observar los grados de libertad, asociados con cada parte de las varianzas. La varianza total tiene N-1 gl, los gl del modelo son K-1, los gl del residuo simplemente es la diferencia entre el total menos el modelo. Observamos también las medias cuadráticas, es decir la división de la suma de cuadrados entre sus gl. Con estas nosotros podemos calcular el valor del test F=MSM/MSR, lo cual nos da el ajuste del modelo. El Root MSE es la desviación estandar del error (ra´ız cuadrada de MSR). Obtengamos los valores predichos o estimados para el rendimiento académico con nuestro modelo y guardemos dichos valores en la variable fv predict fv Veamos los valores estimados y los reales: Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


58


list api00 fv in 1/10 scatter api00 enroll twoway (scatter api00 enroll) (lfit api00 enroll) Veamos los outliers twoway (scatter api00 enroll, mlabel(snum)) (lfit api00 enroll) Ahora obtengamos el residuo de la regresión predict e, residual Ups, problemas en los coeficientes y sus significado, entonces ¿Qué hacer? regress api00 ell meals yr_rnd mobility acs_k3 acs_46 full /// emer enroll, beta De esta manera podemos comparar un coeficiente con otro, dado que todos tienen la misma medida ahora. Un nuevo comando, busquemos en la red. findit listcoef listcoef Observación SD=desviación estándar observada, desviación estándar de la variable Y SD del Error= desviación estándar del error: MSE (error estándar de la predicción) bstdx=coeficientes de la regresión con las variables x(estandarizadas) y la variable Y(en su unidad original) bstdy=coeficientes de la regresión con las variables x(en su unidad original) y la variable Y(estandarizada) bstdxy=coeficientes de la regresión con las variables x(estandarizadas) y la variable Y(estandarizada) Veamos una prueba de hipótesis test ell==0 test ell Veamos una prueba de hipótesis conjunta test acs_k3 acs_46 Veamos la correlación entre las variables correlate api00 ell meals yr_rnd mobility acs_k3 acs_46 full /// emer enroll Stata B´ asico Aplicado a la Investigaci´ on Económica


4.2. Diagnostico de los Resultados

59

Veamos otra opción para correlacionar variables pwcorr api00 ell meals yr_rnd mobility acs_k3 acs_46 full /// emer enroll, obs sig La normalidad Solo el residuo necesita tener una distribución normal, no las variables para que se validen los test. Los coeficientes estimados no requieren una normalidad de residuos. Seria bueno sin embargo poseer variables que posean una distribución normal. histogram enroll histogram enroll, normal bin(20) histogram enroll, normal bin(20) xlabel(0(100)1600) kdensity enroll, normal graph box enroll symplot enroll qnorm enroll pnorm enroll Veamos todas las posibilidades ladder enroll gladder enroll Ajustemos a nuestra mejor eleccion generate lenroll = log(enroll) hist lenroll, normal

4.2. 4.2.1.

Diagnostico de los Resultados Efecto Influencia

Ahora vamos a centrarnos en el diagnostico de nuestros resultados. Vemos los problemas que podr´ıan presentarse. Para ello debemos considerar los efectos de outliers (una observación con un amplio residuo, que indica una muestra peculiar o un error en la data), leverage (medida de cuan lejos una variable independiente esta desviada de su media, puede afectar los coeficientes de la regresión) y el efecto influencia (observación que al removerla, cambia la estimación de los coeficientes radicalmente. dicho problema se le atribuye a un leverage o a un outlier) Usemos para esto, la base de datos dise˜ nada por Alan Agresti y Barbara Finlay (Prentice Hall, 1997). Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


60


use crimen.dta describe sum crimenes asesinatos pcturb pctblanco pctnivedu pobreza soltero graph matrix crimenes pcturb pobreza soltero

Figura 4.1: Crimenes, pcturb, pobreza y soltero Observamos algunas irregularidades. Vemos en muchos gráficos puntos que están apartados del resto ¿de que estados serán? scatter scatter scatter

crimenes pcturb, mlabel(estado) crimenes pobreza, mlabel(estado) cr´ ımenes soltero, mlabel(estado)

¿Qué observamos? regress

crimenes pcturb pobreza soltero

predict r, rstudent stem r sort r list estadoid estado r in 1/10 list estadoid estado r in -10/l findit hilo hilo r estado Stata B´ asico Aplicado a la Investigaci´ on Económica


4.2. Diagnostico de los Resultados

list r

61

crimenes pcturb pobreza soltero if abs(r) > 2

predict lev, leverage stem lev hilo lev estado, show(5) high Analizar aquellos puntos con leverage mayores a (2k+2)/n display (2*3+2)/51 list crimenes pcturb pobreza soltero estado lev if lev >.156 Veamos el leverage y los residuos cuadrados lvr2plot, mlabel( estado) list estado crimenes pcturb pobreza soltero if estado=="ms"

estado=="dc" |

///

Veamos los Cook’s D predict d, cooksd list crimenes pcturb pobreza soltero estado d if d>4/51 Veamos la influencia predict dfit, dfits list crimenes pcturb pobreza soltero estado dfit if abs(dfit)> /// 2*sqrt(3/51) Evaluemos que pasar´ıa con los coeficientes si se borrara la información en algunas variables, ¿estos cambiar´ıan? Es decir, ¿nuestros coeficientes son robustos o no? dfbeta list estado DFpcturb DFpobreza DFsoltero in 1/5 El valor de dfbeta para una observación, significara que de ser incluida en el análisis (comparativamente a no ser incluida) incrementara el coeficiente de beta, en dicho valor multiplicado por el error estándar del beta correspondiente. Un dfbeta mayor a 2/sqrt(n) necesita ser investigado. display 2/sqrt(51) scatter DFpcturb DFpobreza DFsoltero estadoid, ylabel(-1(.5)3) /// yline(.28 -.28) scatter DFpcturb DFpobreza DFsoltero estadoid, ylabel(-1(.5)3) /// yline(.28 -.28) mlabel(estado estado estado) list DFsoltero estado crimenes pcturb pobreza soltero if /// abs( DFsoltero) > 2/sqrt(51) Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


62


Veamos el efecto influencia a través de regresiones parciales, de manera grafica. avplot soltero, mlabel( estado) avplots regress regress

crimenes pcturb pobreza soltero if

estado !="dc"

Si bien podemos buscar outliers con variables pertenecientes al modelo, también podemos hacerlo con variables que no están incluidas en el modelo. regress crimenes pcturb pobreza soltero avplot pctblanco regress crimenes pcturb pobreza soltero pctblanco

4.3.

Normalidad del Residuo

La normalidad del residuo es requerida por muchas investigaciones si nosotros deseamos validar las pruebas de hipótesis sobre t-value y F-value. Ojo, la no normalidad del residuo no invalidad la regresión. Una regresión valida requiere que el residuo sea idéntica e independientemente distribuida, no requiere que las variables explicativas sean distribuidas de forma normal. Si no como explicar´ıamos el uso de variables dummys en nuestras regresiones. use elemapi2,clear regress api00 meals ell emer predict r, resid An´ alisis grafico de normalidad

kdensity r, normal pnorm r qnorm r Stata B´ asico Aplicado a la Investigaci´ on Económica


4.4. Homocedasticidad del Residuo

63

Test de Normalidad Test de Lawrence C. Hamilton findit iqr iqr r Test de Shapiro-Wilk W (Ho: Normalidad) swilk r

4.4.

Homocedasticidad del Residuo

Supuesto crucial en un modelo MCO, la varianza de sus residuos debe ser constante. Si la varianza no es constante entonces hay heterocedasticidad que bien podr´ıa ser modelada a través de un modelo de volatilidad. Detección rvfplot, yline(0)

Figura 4.2: Homocedasticidad del residuo Test de Heterocedasticidad (Ho: Varianza constante) Test de White estat imtest Test de Breusch y Pagan Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


64


estat hettest El análisis grafico no nos muestra un problema serio de heterocedasticidad. As´ı que no lo corregiremos por ahora.

4.5.

Multicolinealidad

Cuando dos variables explicativas están altamente relacionadas, podemos hablar de multicolinealidad. Para detectar la multicolinealidad nosotros usaremos el factor de inflación de varianza (VIF) Aquella variable cuyo vif sea mayor a 10 deberá ser investigada. regress api00 meals ell emer vif regress api00 acs_k3 avg_ed grad_sch col_grad some_col vif ¿Qué podriamos decir de esta regresión?, ¿porqué presentaria problemas de multicolinealidad? regress api00 acs_k3 grad_sch col_grad some_col vif findit collin collin acs_k3 avg_ed grad_sch col_grad some_col collin acs_k3 grad_sch col_grad some_col

4.6.

Linealidad

Uno de los supuestos del Modelo Lineal General es la linealidad de parámetros especificada en mi regresión. Si estamos frente a un ajuste no lineal, entonces nosotros tendremos problemas dado que estamos forzando una l´ınea como ajuste de nuestra relación no lineal. Analicemos solo a una variable. regress api00 enroll twoway (scatter api00 enroll) (lfit api00 enroll) (lowess api00 enroll) regress predict scatter scatter

api00 meals some_col r, resid r meals r some_col



4.7. Especificaci´ on del modelo

65

No se vio una clara no linealidad, entonces usemos algo mas efectivo acprplot meals, lowess lsopts(bwidth(1)) acprplot some_col, lowess lsopts(bwidth(1)) Tampoco se ve un problema grave de no linealidad. Usemos una data mas interesante. use nations.dta describe regress birth gnpcap urban acprplot gnpcap, lowess acprplot urban, lowess graph matrix birth gnpcap urban, half kdensity gnpcap, normal Transformemos un dato generate lggnp=log(gnpcap) label variable lggnp "log-10 of gnpcap" kdensity lggnp, normal Regresionemos con el dato transformado regress birth lggnp urban acprplot lggnp, lowess

4.7.

Especificaci´ on del modelo

Un error en la especificación del modelo puede ocurrir cuando uno o mas variables relevantes son omitidas del modelo o una o mas variables relevantes son incluidas en el modelo. Una mala especificación puede afectar los parámetros estimados. Digamos que estamos corriendo una regresión entre el tama˜ no de la clase y el rendimiento académico, un incremento en la primera influirá incrementando la segunda, evaluaremos la especificación del modelo, para ello usaremos los siguientes comandos use elemapi2, clear regress api00 acs_k3 Un par de métodos Linktest, esta basado en la idea de que si el modelo esta bien especificado, entonces no deber´ıamos encontrar variables independientes Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


66


que sean significativas. El comando crea 2 variables nuevas, una variable estimada, y el cuadrado de dicha estimación. Se eval´ ua el modelo con ambas variables, la estimación y hat deber´ıa ser significativa pues es el valor estimado, pero su cuadrado no deber´ıa serlo, pues de estar bien especificado el modelo, la estimación al cuadrado no deber´ıa tener mucho poder explicativo. Linktest Ovtest regress api00 acs_k3 full linktest ovtest regress api00 linktest ovtest

4.8.

acs_k3 full meals

Independencia

Los errores asociados a una observación no deber´ıan estar asociados a los errores de alguna otra observación. En nuestro caso, al haber recolectado datos de 8 tipos de escuela es probable que estudiantes dentro de sus escuelas tiendan a ser mas parecidos que estudiantes de otra escuela, esto producir´ıa errores no independientes. El problema de autocorrelacion es muy com´ un en series de tiempo, en la cual nosotros evaluamos el test DW para ver la autocorrelación de primer orden. Si quisiéramos especificar este análisis en nuestra data, podr´ıamos considerar a la variable snum como el tiempo use elemapi2, clear tsset snum regress api00 enroll dwstat predict r, resid scatter r snum ¿Qué observamos?



4.8. Independencia

67

RETO 4 . Trabajar con el archivo “gobusa5089.dta” y contestar las siguientes preguntas: ¿Identificar las variables y opinar respecto a cada variable, realizar un análisis gráfico y estad´ıstico para comprender la base de datos?. ¿Identificar las variables de pol´ıtica y las variables apol´ıticas? ¿Elaborar una tabla de correlaciones entre la variable tax y las variables pol´ıticas y comentar los resultados sobresalientes?. Responder a lo siguiente: ¿Quiénes cobran más impuestos, los estados con gobiernos divididos o los estados con gobiernos unificados?, ¿qué tan seguro estás de su respuesta?. Marco teórico m´ınimo. Existen varias teor´ıas respecto del impacto de los factores pol´ıticos y económicos sobre la pol´ıtica tributaria en cada estado: Las teor´ıas apol´ıticas dicen que las variables socioeconómicas y demográficos (ingreso, población, grupos de edad) son los principales determinantes de los impuestos. Entre las teor´ıas pol´ıticas, algunos dicen que los factores pol´ıticos partidistas (partido en el gobierno y/o congreso local, mayor´ıa demócrata en el congreso o no, etc.) también son importantes. Mientras que otros dicen que son las variables pol´ıticas no-partidistas (gobierno dividido, margen de la primera fuerza en el congreso local, etc.) las que afectan los impuestos, y no tanto la ideolog´ıa o identidad del partido en el poder (demócrata vs. republicano). Especifica al menos tres regresiones (con errores estándar robustos) para la variable tax y compara sus resultados. Interpreta brevemente los coeficientes, su bondad de ajuste, etc. y explica cuál de ellos es preferible a los otros. (Tip: no incluyas la variable spend en tu regresión). Pruebas de hip´ otesis Controlando por otros factores, la relación entre población e impuestos es no lineal. Controlando por otros factores, los gobernadores demócratas cobran más impuestos que los no demócratas. Manteniendo otros factores constantes, los estados con mayor´ıa demócrata en el congreso local cobran más impuestos que los gobiernos sin mayor´ıa demócrata. Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


68

4. An´ alisis de Regresi´ on Lineal Manteniendo otros factores constantes, los gobiernos divididos cobran menos impuestos que los gobiernos no divididos. El impacto del gobierno dividido cambia si sólo consideramos el per´ıodo 1975-1989 en la regresión. Manteniendo otros factores constantes, una vez que controlamos por quién tiene la mayor´ıa en el congreso (demmaj1), el margen de esta mayor´ıa (dem1) no tiene un impacto en los impuestos.

Interpretando regresiones: ¿Cuál es la bondad de ajuste de un modelo sin variables pol´ıticas? ¿Cuánto poder explicativo adicional se consigue al incluir las variables pol´ıticas? ¿Qué variables pol´ıticas importan más, las partidistas o las no partidistas? (ojo, esta pregunta requiere cierta interpretación de la R2 ajustada de varios modelos, as´ı como la magnitud y significancia de tus coeficientes). Predicciones: ¿Cuánto cambian los impuestos per cápita si el ingreso per cápita aumenta en una desviación estándar? Calcula este cambio en dólares y como proporción de los impuestos promedio de la muestra. ¿Cuánto cambian los impuestos cuando la mayor´ıa demócrata en el congreso local pasa de 10 a 30 %? Calcula este cambio en dólares y como proporción de los impuestos promedio de la muestra.



Sesi´ on 5 Variables Categ´ oricas 5.1.

Estimaci´ on con Variables Categ´ oricas

Hab´ıamos usado variables continuas anteriormente, sin embargo es posible usar variables categóricas en un análisis de regresión pero requiere un trabajo extra en la interpretación, el análisis y diagnostico de los resultados. use elemapi2.dta, clear describe api00 some_col yr_rnd codebook api00 codebook some_col codebook yr_rnd codebook mealcat

mealcat

Uso de variables dummy Regresionemos el rendimiento académico con la variable que nos indica si el alumno esta en el programa year-round o no regress api00 yr_rnd twoway (scatter api00 yr_rnd) (lfit api00 yr_rnd) tabulate yr_rnd, sum(api00) Observamos un parámetro negativo en la regresión, para nuestra variable dummy. Esto significa que si dicha variable toma el valor de cero la medida del rendimiento de los alumnos será su media considerando solo a aquellos alumnos que no están en el programa o sistema de ense˜ nanza, mientras que si la variable toma el valor de uno, la medida del rendimiento será la media considerando solo a aquellos alumnos que si están bajo este sistema de ense˜ nanza. ttest api00, by(yr_rnd) anova api00 yr_rnd display 10.7815^2 codebook mealcat regress api00 mealcat 69

70

5. Variables Categ´ oricas

Pero esta variable mealcat es una variable intervalo, podr´ıamos generar tres variables a partir de esta, de tal forma que podamos definir a cada sub variable como un valor cada vez que mealcat pertenezca a cierto intervalo. tabulate mealcat, gen(mealcat) list mealcat mealcat1 mealcat2 mealcat3 in 1/10, nolabel regress api00 mealcat2 mealcat3 La constante es la media para el grupo1. El coeficiente de mealcat2 es la media del grupo 2 menos la media del grupo1, y el coeficiente de mealcat3 es la media del grupo3 menos la media del grupo1. Los resultados nos dicen que los tres grupos difieren de sus medidas de rendimientos. test mealcat2 mealcat3 tabulate mealcat, summarize(api00)

5.2.

El Comando Xi

Lo mismo podemos hacer con el comando “xi”, xi : regress api00 i.mealcat test _Imealcat_2 _Imealcat_3 Si deseáramos omitir el tercer grupo y no el primero, entonces deber´ıamos usar el siguiente comando: char mealcat[omit] 3 xi : regress api00 i.mealcat Nosotros podemos hacer el mismo análisis usando el comando “anova” anova api00 mealcat anova, regress Aqu´ı vemos que siempre la ultima categor´ıa es borrada y reemplazada con la constante. Los beneficios del comando “anova” es que te da el efecto total de mealcat sin necesitar el uso del comando test como lo hac´ıamos con el comando “regress”. Volvamos a nuestras regresiones: regress api00 yr_rnd xi : regress api00 i.mealcat Stata B´ asico Aplicado a la Investigaci´ on Económica


5.2. El Comando Xi

71

Y ahora vamos a estimar el rendimiento académico usando una variable dicotomica mas: xi : regress api00 i.mealcat yr_rnd test _Imealcat_1 _Imealcat_2 anova api00 yr_rnd mealcat anova, regress Dado que este modelo solo tiene efectos principales, sin interacciones, la interpretación del coeficiente de ”yr rnd”, es la diferencia entre escuelas con sistema year round y escuelas sin ese sistema de ense˜ nanza, el primer coeficiente para la variable “mealcat” es la diferencia entre mealcat=1 y mealcat=3, el segundo es la diferencia entre mealcat=2 y mealcat=3 (siendo mealcat=3 la variable categórica de referencia y la cual es estimada por la variable)

Finalmente los resultados indican que las diferencias entre un sistema de ense˜ nanza year-round y un sistema de ense˜ nanza sin year-round es significativo y las diferencias entre los tres grupos mealcat también son significativos. Veamos algunas interacciones con las variables categóricas: xi : regress api00 i.mealcat*yr_rnd Ahora incluiremos la interacción entre mealcat y yr rnd Y testeamos la significancia: test _ImeaXyr_rn_1 _ImeaXyr_rn_2 Si deseamos testear el efecto de yr rnd para mealcat=1: test _b[yr_rnd] +_b[_ImeaXyr_rn_1] ==0 Puedo ver un testeo sobre todos los efectos principales e iteraciones sin la necesidad de recurrir al comando test: anova api00 yr_rnd mealcat yr_rnd*mealcat regress api00 yr_rnd some_col predict yhat scatter yhat some_col Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


72


Para correr un Anova necesitamos indicarle que la variable a evaluar tiene caracter´ısticas de continuidad: anova api00 yr_rnd some_col, cont(some_col) INTERACCIONES regress api00 some_col if yr_rnd==0 predict yhat0 if yr_rnd==0 scatter yhat0 api00 some_col if yr_rnd==0, connect(l i) msymbol(i o) sort regress api00 some_col if yr_rnd==1 predict yhat1 if yr_rnd==1 scatter yhat1 api00 some_col if yr_rnd==1, connect(l i) msymbol(i o) sort

5.3.

Pruebas de Hip´ otesis

El GPA (Grade Point Average, o promedio de notas) es una medida de la calidad de su trabajo académico a nivel universitario. Algunos patrones suelen utilizar al GPA como un factor clave cuando les ofrezcan trabajo a egresados de la universidad. Es por eso que resulta de suma importancia mantener un buen GPA durante toda su carrera universitaria. El examen de aptitud SAT (Scholastic Aptitude Test - Examen de aptitudes escolares) es un examen estandarizado para admisión a universidades en EEUU. El rango de este, varia entre los 600 y 2400 puntos, consta de 3 secciones, matemática, lectura critica, y escritura. use GPA.dta, clear desc sum reg colgpa sat verbmath tothrs hsperc hsize, robust reg colgpa sat verbmath tothrs hsperc hsize hsizesq, robust display _b[hsize] / (2*_b[hsizesq]) ¿Si el SAT score aumenta 100 puntos, que tan probable es que el GPA aumente 0.25 puntos? display display display display display

(_b[sat] - .0025) / _se[sat] ttail(4130, 15.52) ttail(4130, 1.52) ttail(413, 1.52) ttail(41, 1.52)



5.3. Pruebas de Hip´ otesis

73

Afortunadamente, Stata hace pruebas de hipótesis de manera muy “intuitiva” test sat = .0025 Otras pruebas: test sat = .002 test sat = .0014 reg colgpa sat verbmath tothrs hsperc hsize hsizesq, robust ¿Qué pasa con la regresión si solo tomamos las primeras 2000 observaciones de la muestra? reg colgpa sat verbmath tothrs hsperc hsize hsizesq /// if _n<2000, robust ¿Qué pasa si solo incluimos a las mujeres en la regresión? reg colgpa sat verbmath tothrs hsperc hsize hsizesq /// if female==1, robust ¿Qué pasa si incluimos sólo a las mujeres blancas? reg colgpa sat verbmath tothrs hsperc hsize hsizesq /// if female==1 & white==1, robust ¿Como les va a los hombres y mujeres en el SAT? summ sat summ sat if female ==1 summ sat if female ==1 & white==1 generate lhsize = log(hsize) reg colgpa sat verbmath tothrs hsperc lhsize, robust reg colgpa sat verbmath tothrs hsperc lhsize female /// white black athlete, robust generate mm = female * white * athlete summ mm female white athlete reg colgpa sat verbmath tothrs hsperc lhsize female /// white black athlete mm, robust Un modelo simple con variables interactivas: xi: reg colgpa sat i.female*i.white USEMOS LA BASE DE DATOS Salario2.dta



74


use Salario2.dta, clear describe Esta es una base de datos para explicar los salarios mensuales (wage) summ summ IQ, detail hist IQ hist wage summ wage, detail sktest IQ wage REGRESIONES ROBUSTAS PARA SALARIOS reg wage educ exper IQ, robust summ educ exper corr IQ educ exper predict yhat, xb summ yhat wage Introduciendo una variable mas: MARRIED reg wage educ exper IQ married, robust EFECTOS INTERACTIVOS ENTRE VARIABLES CONTINUAS generate edex=educ*exper generate edumarr= educ*married summ educ exper marr edex edumarr Modelo Base: reg wage educ exper IQ married , robust Modelo con EDEX: reg wage educ exper IQ married edex, robust Modelo con EDUC*MARRIED y EDUC*EXPER: reg wage educ exper IQ married edex edumarr, robust corr educ exper edex Modelo sin interacción EDEX y dejando EDUMARR: reg wage educ exper IQ married edumarr, robust xi: reg wage educ exper i.black*i.married IQ, robust reg wage educ exper IQ, robust Stata B´ asico Aplicado a la Investigaci´ on Económica


5.4. Creaci´ on de Variables Dummys

75

¿Que pasa si tienes 10 a˜ nos de educación y 5 de experiencia? lincom 10*educ + 5*exper reg wage educ exper IQ married , robust lincom 10*educ + 5*exper + married ´ VARIABLES: HACIENDO PRUEBAS DE HIPOTESIS PARA UNA O MAS Pruebas F test educ test educ = 70 test educ = 80 Una prueba F también prueba la significancia CONJUNTA de un GRUPO de variables reg wage educ exper IQ married tenure urban black meduc feduc, robust test feduc meduc test meduc test tenure meduc test tenure meduc black

5.4.

Creaci´ on de Variables Dummys

Existen tres formas de crear variables dicotomicas: Si partimos de una variable cualitativa de m´ ultiples categor´ıas, entonces con la especificación “XI” será posible la creación de variables dicotomicas, reestructurando la variable categórica. Una segunda forma de crear variables dicotomicas, es a través de un comando “if” condicionando a una variable continua, la variable que se obtendrá, será entonces, mi variable latente. La u ´ltima forma de creación es mediante el comando “input”, donde se especificara el nombre de las variables y la introducción de datos es de manera manual.

5.5.

Bucles y Programas

El uso de bucles en Stata o Eviews, no es muy usual, dado que estos programas implementan una plataforma orientada al usuario en lugar de a un programador. Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


76


input famid 1 3281 3413 2 4042 3084 3 6015 6123 end

inc1-inc12 3114 2500 2700 3500 3114 3319 3514 1282 2434 2818 3108 3150 3800 3100 1531 2914 3819 4124 4274 4471 6113 6100 6100 6200 6186 6132 3123 4231 6039 6215

Ahora vamos a visualizarlo con un listado. list famid inc1-inc12, clean Si deseamos calcular una cantidad de 10 % en impuestos pagados por cada mes, una manera simple de hacer esto computo a las 12 variables es mediante una multiplicación simple: generate generate generate generate generate generate generate generate generate generate generate generate

taxinc1 = taxinc2 = taxinc3 = taxinc4 = taxinc5 = taxinc6 = taxinc7 = taxinc8 = taxinc9 = taxinc10= taxinc11= taxinc12=

inc1 * .10 inc2 * .10 inc3 * .10 inc4 * .10 inc5 * .10 inc6 * .10 inc7 * .10 inc8 * .10 inc9 * .10 inc10 * .10 inc11 * .10 inc12 * .10

Lo cual resulta algo tedioso, imag´ınense si tuvieran mas de 12 variables dentro del computo. Ahora aplicaremos un criterio de programación simple, estructurando un bucle que nos ayude a implementar el cálculo de manera rápida y ordenada. foreach var of varlist inc1-inc12 { generate tax‘var’ = ‘var’ * .10 } Ahora “var” es el contador, que cambiara de acuerdo al listado de variables, desde inc1 hasta inc12; dentro del looping, se podra acceder a “var” mediante comillas, tales como “ ‘var’ ”. ¿Que sucede si usamos un contador numérico? generate generate generate generate

incqtr1 incqtr2 incqtr3 incqtr4

= = = =

inc1 + inc4 + inc7 + inc10+

inc2 + inc5 + inc8 + inc11+

inc3 inc6 inc9 inc12

list incqtr1 - incqtr4 Stata B´ asico Aplicado a la Investigaci´ on Económica


5.5. Bucles y Programas

77

En forma más rápida. foreach qtr of numlist 1/4 { local m3 = ‘qtr’*3 local m2 = (‘qtr’*3)-1 local m1 = (‘qtr’*3)-2 generate incqtr‘qtr’ = inc‘m1’ + inc‘m2’ + inc‘m3’ } list incqtr1 - incqtr4 ¿Si comparamos ingresos?, digamos que deseamos generar dummys tales que, indiquen “1” cuando el ingreso del mes actual sea menor que el ingreso del mes anterior, y “0” cuando el ingreso del mes actual sea mayor o igual que el ingreso del mes anterior. foreach curmon of numlist 2/12 { local lastmon = ‘curmon’ - 1 generate lowinc‘curmon’ = 1 if ( inc‘curmon’ < inc‘lastmon’ ) replace lowinc‘curmon’ = 0 if ( inc‘curmon’ >= inc‘lastmon’ ) } Listamos para observar los resultados list famid inc1-inc12, clean noobs list famid lowinc2-lowinc12, clean noobs Otra manera de hacer lo mismo: forvalues curmon = 2/12 { local lastmon = ‘curmon’ - 1 generate lowinc‘curmon’ = 1 if ( inc‘curmon’ < inc‘lastmon’ ) replace lowinc‘curmon’ = 0 if ( inc‘curmon’ >= inc‘lastmon’ ) } Veamos ahora un comando también u ´til para programar, el comando WHILE:

Ejemplo: Stata B´ asico Aplicado a la Investigaci´ on Econ´ omica


78


local i=1 while ‘i’ <=10 { display ‘i’ local i=‘i’+1 } Stata provee de la especificación de programas que el usuario bien podria crear. Crearemos un programa básico, “HOLA MUNDO” program define Super display "HOLA MUNDO" end Si deseamos crear otro programa con el mismo nombre, Stata nos mostrara un mensaje de error diciéndonos que existe un programa con ese nombre por lo que debemos eliminarlo primero: program drop Super y ahora si podemos correr el programa.



Bibliograf´ıa [1] Moya, Rufino - Estad´ıstica Descriptiva. [2] Moya, Rufino; Saravia, Gregorio. -Probabilidad e Inferencia Estad´ıstica. [3] Wooldridge, Jeffrey M. - Introducción a la Econometr´ıa. [4] Gujarati, Damodar - Fundamentos de Econometr´ıa

79

Manual Stata Basico - Juan Carlos Abanto Orihuela

Recommend Documents