Download Nolazco y Esparta (2012) - Guia_Stata_11 PDF

TitleNolazco y Esparta (2012) - Guia_Stata_11
File Size4.1 MB
Total Pages365
Table of Contents
                            Apendice de tablas
Apendice de figuras
Introducción
I Introducción al STATA
	Aspectos Generales del STATA
		Entorno de STATA
		La Barra de Herramientas
		Tipos de Archivo
		Sintáxis de los Comandos del STATA
		Expresiones Lógicas del STATA
		Organizando un Proyecto de Trabajo
		Recursos del STATA
		Comandos de Ayuda
		Instalación de Nuevos Comandos
		Ejercicio Propuesto
	Gestión de Base de Datos
		El Do-File
			Comentarios en el Do-File
		Iniciando la Estrucutra de un Do-File
		Asignando Memoria
		Manejo de Directorios
		Guardar Resultados en Bitácoras
		Creando Base de Datos
		Cargando Base de Datos
			Abriendo base de datos del STATA.
			Importando Base de Datos
			Convertir Base de Datos
		Guardar Base de Datos
		Inspección Base de Datos
		Generando y Transformando Variables
		Nombrando y Etiquetando Variables
		Tipo y Formato de Variables
			Tipo de Variables
			Formato de Variables
		Conversión de Variables
			De una Variable String Numérica a una Variable Numérica
			De una Variable Numérica a una Variable String
			De una Variable String No-Numérica a una Variable Numérica
		Selección de Muestra y Variables
		Manipulación de Base de Datos
			Ordenar Observaciones y Variables
		Preservar y Restaurar Base de Datos
		Tablas y Tabulaciones
			Tabulate
			Table
			Tabstat
		Formas de Base de Datos
			Formas Long y Wide
		Colapsar Base de Datos
		Fusión de Base de Datos
		Ejercicio Propuesto
	Gráficos en STATA
		Introducción a STATA GRAPH
		Tipos de Gráficos
			Histograma
			Graph Toway
			Gráfico de Caja y Bigote (Box Plot)
			Gráfico de Pastel (Pie)
			Gráfico de Barras (Bar)
			Gráfico de Puntos (Dot Plot)
		Añadiendo Textos a los Gráficos
		Múltiples Ploteos
		Guardar, Combinar y Exportar Gráficos
		Ejercicio Propuesto
	Programación en STATA
		Generando Números Seudo-Aleatorios
		Macros Local y Global
			Macro Global
			Macro Local
		Comandos para Bucles
			El comando foreach
			El comando forvalues
			El comando while
		Escalares y Matrices
			Escalar
			Matrices
		Usando los Resultados de los Comandos de STATA
			Usando los Resultados con el Comando r-class
			Usando los Resultados con el Comando e-class
		Ejercicio Propuesto
	Diseño Muestral
		Muestra vs Censo
		Diseño Muestral
		Técnicas de Muestreo
		La Encuesta Nacional de Hogares (ENAHO)
		Aplicación - ENAHO
		Ejercicio Propuesto
II Modelos de Regresión Lineal
	Modelo de Regresión Lineal General
		Especificación y Supuestos del Modelo General
		Formas Funcionales
		Bondad de Ajuste
			Coeficiente de Determinación
			Coeficiente de Determinación Ajustado
		Prueba de Hipótesis e Intervalo de Confianza
		Criterios para elección de modelos
			Criterio de Información de AKAIKE (AIC)
			Criterio de Información de SCHWARZ (BIC)
		Pruebas de Hipotesis y Estimacion MCO con Variables Dummy
		Ejercicio Propuesto
	Heteroscedasticidad
		Problema de Heteroscedasticidad
		Test de Heteroscedasticidad
			Método Informal (Método Gráfico)
			Método Formal
		Medidas Correctivas
		Ejercicio Propuesto
	Autocorrelación
		Problema de Autocorrelación
		Test de Autocorrelación
			Método Informal (Método Gráfico)
			Método Formal
		Medidas Correctivas
			Método de Estimación Prais-Winsten
			Método de Estimación Cochrane-Orcutt
			Estimación de Modelos Dinámicos
			Estimación de Modelos Dinámicos
		Ejercicio Propuesto
	Multicolinealidad
		Problema de Multicolinealidad
		Detección de Multicolinealidad
		Medidas Correctivas
		Ejercicio Propuesto
III Modelos de Elección Discreta
	Modelo de Elección Discreta Binaria
		Tipos de Variables de Elección Discreta
		Modelos de Elección Discreta para Variables Dicotómicas
			Modelo Lineal de Probabilidad (MLP)
			Modelo Logistico (Logit)
			Modelo Probabilístico (Probit)
			Relaciones entre Modelos Logit y Probit
		Ejercicio Propuesto
IV Econometría de Series de Tiempo
	Introducción a Series de Tiempo en STATA
		Análisis de Serie Temporal Univariado en STATA
		Operadores de Serie de Tiempo
			Operador de Rezagos
			Operador de Adelanto
			Operador de Diferencia
			Operador de Diferencia Estacional
			Combinando Operadores de Serie Temporales
			Expresiones con Operadores
			Cambios Porcentuales
		Ejercicio Propuesto
	Series de Tiempo Estacionarios
		La Naturaleza de Series de Tiempo
		Estacionariedad
		Procesos Autoregresivos y de Media Móvil
			Procesos de Media Móvil (MA)
			Procesos Autoregresivos (AR)
			Procesos Autoregresivos y Medias Móviles (ARMA)
		Función de Autocorrelación Muestral (FAS) y Parcial (FAP)
			Función de Autocorrelación Muestral (FAS)
			Función de Autocorrelación Parcial (FAP)
		Ejercicio Propuesto
	Procesos Estocásticos No Estacionarios
		Serie No Estacionaria en Media
			Proceso Estacionario de Tendencia Determinística
			Proceso Estacionario de Tendencia Estocástica
		Proceso de Raíz Unitaria
			Pruebas de Raíz Unitaria
			Transformación de Series No estacionarias
		Ejercicio Propuesto
	Modelos de Vectores Autoregresivos
		Ejercicio Propuesto
	Modelos de Correción de Errores
		Ejercicio Propuesto
V Modelos de Panel de Datos
	Modelos de Datos de Panel Estáticos
		Modelo Agrupado (Pooled)
		Modelos con efectos individuales (One-Way)
		Modelo de Efectos Fijos (FE)
		Modelo de Efectos Aleatorios (RE)
		Comparación de Modelos
			Modelo Pooled vs. Modelo de Efectos Fijos: Prueba F
			Modelo Pooled vs. Modelo de Efectos Aleatorios: Prueba LM
			Modelo de Efecto Fijo vs. Modelo de Efecto Aleatorio: Prueba Hausman
		Ejercicio Propuesto
                        
Document Text Contents
Page 1

GUIA DE USUARIO DE STATA 11
Primera Versión

Jos�e Luis Nolazco Cama

(UNALM)
[email protected]

David Joel Esparta Polanco

(UNAC)
[email protected]

Page 2

Índice general

Apendice de tablas II

Apendice de figuras 0

1 Introducción 1

I Introducción al STATA 3

2 Aspectos Generales del STATA 5
2.1 Entorno de STATA . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 La Barra de Herramientas . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Tipos de Archivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Sintáxis de los Comandos del STATA . . . . . . . . . . . . . . . . . 8
2.5 Expresiones Lógicas del STATA . . . . . . . . . . . . . . . . . . . . 9
2.6 Organizando un Proyecto de Trabajo . . . . . . . . . . . . . . . . . 10
2.7 Recursos del STATA . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.8 Comandos de Ayuda . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.9 Instalación de Nuevos Comandos . . . . . . . . . . . . . . . . . . . 12
2.10 Ejercicio Propuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3 Gestión de Base de Datos 17
3.1 El Do-File . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.1.1 Comentarios en el Do-File . . . . . . . . . . . . . . . . . . . 18
3.2 Iniciando la Estrucutra de un Do-File . . . . . . . . . . . . . . . . . 19
3.3 Asignando Memoria . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 Manejo de Directorios . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.5 Guardar Resultados en Bitácoras . . . . . . . . . . . . . . . . . . . 21
3.6 Creando Base de Datos . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.7 Cargando Base de Datos . . . . . . . . . . . . . . . . . . . . . . . . 25

3.7.1 Abriendo base de datos del STATA. . . . . . . . . . . . . . . 25

i

Page 182

7. Modelo de Regresión Lineal General 171

Comparaciones de Modelos

(1) (2) (3) (4) (5)
Eq01 Eq02 Eq03 Eq04 Eq05

central 834.427 163.398 1243.614 -315.657 730.671
(0.94) (0.20) (1.31) (-0.35) (0.72)

north 1561.227** 890.198 2203.467** 644.196 1690.524
(3.03) (1.23) (3.15) (0.86) (2.05)

south 934.278 263.249 1462.087 -97.185 949.144
(1.40) (0.36) (1.68) (-0.11) (1.35)

west 671.029 1559.272 1046.329
(1.00) (1.67) (1.11)

p_arable -19.039 -19.039 -27.765 -27.765 -27.765
(-0.58) (-0.58) (-0.80) (-0.80) (-0.80)

france -1053.707 505.565 -540.764
(-1.36) (0.74) (-0.68)

britain -512.943 1046.329
(-0.71) (1.11)

o.other 0.000 1559.272 512.943
(.) (1.67) (0.71)

_cons 671.029
(1.00)

N 27.000 27.000 27.000 27.000 27.000
r2 0.361 0.129 0.416 0.416 0.416
r2_a 0.216 -0.030 0.212 0.212 0.212
F 2.491 0.812 2.037 2.037 2.037
aic 470.471 470.471 472.053 472.053 472.053
bic 476.950 476.950 481.124 481.124 481.124

t statistics in parentheses

* p<0.05, ** p<0.01, *** p<0.001

. **Usamos outreg para tener la estimación anterior en un Excel

. outreg2 [eq01 eq02 eq03 eq04 eq05] using tabla1, replace see
Hit Enter to continue.
dir : seeout

. outreg2 using tabla1,excel
tabla1.xml
dir : seeout

7.7. Ejercicio Propuesto

Se cree que el precio que un páıs paga por los medicamentos depende de su
capacidad de pago y de las restricciones legales que el páıs ha impuesto para con-
trolar el precio de los medicamentos. Para comprender este problema se ha obtenido

Page 183

172 7.7. Ejercicio Propuesto

información de 32 páıses pharma.dta para las siguientes ocho variables:

P =precios del medicamentos (́ındice)

GDPN =Ingreso per cápita (́ındice)

CV =Volumen de consumo (́ındice)

N =Población (́ındice)

CV N =Volumen de consumo per cápita (́ındice)

PP =Existencia de protección de patentes (dummy)

IPC =Existencia de controles indirectos de precios (dummy)

DPC =Existencia de controles directos de precios (dummy).

Se espera que GDP afecte positivamente los precios, porque la demanda sea más
inelástica y que el consumo per cápita de medicamentos afecte negativamente los
precios como reflejo de la Ley de la Demanda. Por ahora se ignorará las variables
de poĺıtica pública PP, IPC y DPC.

Si se supone que los costos marginales son constantes en cada páıs y que
la demanda individual es lineal, estime por MCO la siguiente función de
demanda:

Pi = β1 + β2GDPNi + β3CV Ni + ui

Pruebe la hipótesis nula que β3 = 0 al 10 % de nivel de significación. Cuál es
el significado económico de esta hipótesis nula. Diga cuál es el significado de
la hipótesis alternativa.

Las variables dummy PP, IPC y DPC incluidas en el set de datos tienen valores
1 si la poĺıtica pública está presente y 0 en caso contrario. PP = 1 implica que el
páıs ha suscrito acuerdos internacionales que lo obligan a respetar las patentes. Se

Page 364

17. Modelos de Datos de Panel Estáticos 353

(Std. Err. adjusted for 4 clusters in code)

Robust
logm1 Coef. Std. Err. t P>|t| [95 % Conf. Interval]

loggdp .9041342 .201337 4.49 0.021 .26339 1.544878
l_rate .0022614 .0027875 0.81 0.477 -.0066096 .0111323

_Iyear_2 .0244641 .0203292 1.20 0.315 -.0402324 .0891606
_Iyear_3 .0423186 .0446591 0.95 0.413 -.0998065 .1844437
_Iyear_4 .2243885 .0788259 2.85 0.065 -.0264708 .4752478
_Iyear_5 .1647555 .0686025 2.40 0.096 -.0535684 .3830794
_Iyear_6 .2028327 .0922517 2.20 0.115 -.0907533 .4964187
_Iyear_7 .2170709 .1231619 1.76 0.176 -.1748851 .6090269
_Iyear_8 .3345421 .0671376 4.98 0.016 .1208804 .5482038
_Iyear_9 .2261649 .1072274 2.11 0.125 -.1150806 .5674104

_Iyear_10 .2510923 .1423951 1.76 0.176 -.2020726 .7042572
_Iyear_11 .2223255 .1659424 1.34 0.273 -.3057774 .7504283
_Iyear_12 .3312363 .1166043 2.84 0.066 -.0398506 .7023233
_Iyear_13 .2475885 .1514211 1.64 0.201 -.2343011 .7294782
_Iyear_14 .317447 .1572253 2.02 0.137 -.182914 .8178081
_Iyear_15 .3112534 .1756659 1.77 0.175 -.2477937 .8703006
_Iyear_16 .4317114 .0979449 4.41 0.022 .1200072 .7434157
_Iyear_17 .2965809 .1168066 2.54 0.085 -.0751497 .6683116
_Iyear_18 .3408118 .1302598 2.62 0.079 -.073733 .7553567
_Iyear_19 .3203846 .1287391 2.49 0.089 -.0893206 .7300899
_Iyear_20 .4452123 .0653147 6.82 0.006 .2373519 .6530727
_Iyear_21 .3306046 .0931123 3.55 0.038 .0342798 .6269295
_Iyear_22 .3635176 .1036726 3.51 0.039 .033585 .6934502
_Iyear_23 .3742054 .1271968 2.94 0.060 -.0305915 .7790024
_Iyear_24 .506074 .0573184 8.83 0.003 .3236612 .6884868
_Iyear_25 .4189348 .0798912 5.24 0.014 .1646855 .6731842
_Iyear_26 .4522092 .0736948 6.14 0.009 .2176794 .6867391
_Iyear_27 .4602026 .0887808 5.18 0.014 .1776623 .7427429
_Iyear_28 .5376398 .0350672 15.33 0.001 .4260404 .6492392
_Iyear_29 .4251446 .0987511 4.31 0.023 .1108744 .7394147
_Iyear_30 .4490152 .074895 6.00 0.009 .2106659 .6873645
_Iyear_31 .4285727 .0787774 5.44 0.012 .1778678 .6792777
_Iyear_32 .5283993 .073017 7.24 0.005 .2960265 .7607721
_Iyear_33 .4442867 .1146978 3.87 0.030 .079267 .8093063
_Iyear_34 .4598856 .1199835 3.83 0.031 .0780447 .8417265
_Iyear_35 .4491913 .1226731 3.66 0.035 .0587909 .8395918
_Iyear_36 .5415413 .1168944 4.63 0.019 .1695311 .9135514
_Iyear_37 .4689264 .1569907 2.99 0.058 -.0306879 .9685408
_Iyear_38 .4943226 .1272317 3.89 0.030 .0894145 .8992307
_Iyear_39 .4678318 .1252363 3.74 0.033 .069274 .8663896
_Iyear_40 .5931801 .1187517 5.00 0.015 .2152593 .9711009
_Iyear_41 .4946224 .1523003 3.25 0.048 .0099349 .97931
_Iyear_42 .5252911 .1193485 4.40 0.022 .1454709 .9051113
_Iyear_43 .5193787 .119718 4.34 0.023 .1383828 .9003747
_Iyear_44 .6500232 .1243715 5.23 0.014 .2542177 1.045829
_Iyear_45 .591606 .1260949 4.69 0.018 .1903158 .9928962
_Iyear_46 .5873623 .1105153 5.31 0.013 .2356534 .9390713
_Iyear_47 .6183196 .1239071 4.99 0.015 .2239919 1.012647
_Iyear_48 .6995092 .1315727 5.32 0.013 .2807861 1.118232
_Iyear_49 .6112433 .1518297 4.03 0.028 .1280535 1.094433
_Iyear_50 .6032773 .1426512 4.23 0.024 .1492974 1.057257
_Iyear_51 .6166061 .1495451 4.12 0.026 .1406868 1.092525
_Iyear_52 .7305238 .1388305 5.26 0.013 .2887031 1.172345
_Iyear_53 .688161 .1674338 4.11 0.026 .1553118 1.22101
_Iyear_54 .7001898 .166793 4.20 0.025 .1693799 1.231
_Iyear_55 .6856295 .1577677 4.35 0.022 .1835421 1.187717

_cons .8941145 2.056735 0.43 0.693 -5.651334 7.439563

Page 365

354 17.6. Ejercicio Propuesto

sigma_u 2.7173076
sigma_e .10231141

rho .99858435 (fraction of variance due to u_i)

17.6. Ejercicio Propuesto

En el archivo prod arroz.csv se tiene información anual 1997-2009 para las
siguientes provincias: Lambayeque, Chiclayo y Ferreñafe. El objetivo es estimar
una función de producción para el arroz usando un modelo panel, las variables
que se usarán son: pd (producción de arroz en TM), sc (superficie cosechada en
ha.), pr (precio real en soles/TM), tmin y pp son la temperatura mı́nima (◦C) y la
precipitación (mm) respectivamente, tambien se le agregó sus términos cuadráticos
de estas últimas variables. El modelo a estimar seŕıa el siguiente:

pdit = β1 + β2scit + β3prit + β4tmin+ β5tmin2it + β6ppit + β7pp2it + uit

El objetivo de este ejercicio es estimar los tres tipos de modelos panel, escoger
el mejor modelo y corregir si existe problemas de autocorrelación y/o heteroscedas-
ticidad.

Similer Documents