Manual Basico e Intermedio de Stata 12 VS 1 PDF

SOFTWARE SHOP
MANEJO DE BASES DE DATOS Y ANÁLISIS

ECONOMÉTRICO CON Stata 12
CONFERENCISTA:
BRAYAN RICARDO ROJAS ORMAZA*
*
Economista, Certificado en Administración del Riesgo, realizando curso de Posgrado en Gestión de
Riesgos Financieros, actualmente se desempeña como Director Técnico Cuantitativo de Software Shop para
Latinoamérica y es profesor de la Universidad del Rosario y de la Universidad Piloto, ha trabajado en el área
de Investigaciones del Banco de la República de Colombia, y como asistente de investigación en la
Universidad Nacional, tiene publicaciones en modelos econométricos y en software aplicado.
Como instructor a nivel internacional ha dictado cursos y conferencias de Stata, EViews y Risk Simulator en
entidades estatales, instituciones financieras y universidades en países como Chile, Venezuela, Colombia,
Ecuador, México, entre muchos otros.
Contacto a: brayan.rojas@software-shop.com.
INTRODUCCIÓN
Hoy en día es común encontrar diferentes aplicaciones computacionales capaces de realizar sin fin
de procedimientos en milésimas de segundo, desde hace varios años el computador ha sido una
herramienta muy útil para las diferentes áreas del conocimiento y las ciencias económicas no han
sido la excepción, los grandes avances teóricos han llevado a necesitar cada vez más de las
aplicaciones computacionales para poder pasar de la teoría a la práctica.
Las ciencias económicas, sociales y aplicadas se han vinculado desde hace varias décadas a las
ciencias puras para poder por medio de los métodos cuantitativos verificar los hechos sociales, el
uso de la estadística, la matemática y la física cada día van en incremento; pero de igual forma éstos
métodos han necesitado de diferentes recursos para su aplicación, es en busca de suplir estas
necesidades que Stata se ha comprometido día a día en apoyar al desarrollo de la teoría con la
práctica haciendo uso del total de recursos disponibles.
Se aclara que Stata no es un software libre ni gratuito, para poder acceder a él es necesario adquirir
un plan de licenciamiento, para mayor información ingresar a www.stata.com. Una de las ventajas
del software es la posibilidad de trabajo por ambiente GUI (interactivo) y/o por ambiente de
comandos con una programación bastante potente, incluyendo un lenguaje de programación para
matrices conocido como MATA.
Este material es dirigido a todo tipo de usuario, para el estudiante que se está involucrando al
mundo de la estadística y econometría, el docente que utiliza la herramienta para impartir sus clases
usando para ello un software de alto nivel como es Stata y para profesionales e investigadores que
día a día requieren una herramienta que les sirva para apoyar sus labores y sus tesis.
El documento se ha dividido en 8 capítulos, en los primeros tres podrá encontrar información sobre
la introducción manejo y manipulación de datos así como la presentación de resultados por medio
de gráficas y tablas; en el capítulo 4 encontrará el tema de regresión, capítulo 5 modelos de
regresión para variable discreta, capítulo 6 modelos de series de tiempo ARIMA, capítulo 7
modelos de datos de panel y los últimos dos capítulos es introducción a la programación y algunos
trucos y recomendaciones.
DESCRIPCIÓN DEL LIBRO
Este manual es de carácter académico y representa una guía para los usuarios de Stata.
El manual contiene #### páginas, las cuales describe los principales usos para un usuario de
diferente nivel y estudios. Para el mejor entendimiento del manual se describe el siguiente cuadro:
DESCRIPCIÓN CARACTERÍSTICA
Comando Tipo de Letra cursiva, fuente Times New
Roman, tamaño de letra 11
Notas o recomendaciones Resaltado en un cuadro de texto
Rutas de acceso por medio de los menús Se describe el nombre del Menú seguido por el
símbolo “”
Mensajes de Error Color de Fuente Rojo
BRAYAN RICARDO ROJAS O.
INSTRUCTOR
TABLA DE CONTENIDO
1. MANEJO FUNDAMENTAL DE Stata 12 ....................................................... 5

1.1 CONOCIENDO EL ENTORNO DE Stata ......................................................................... 5
1.2 EL MENÚ DE AYUDA ..................................................................................................... 7
1.3 TIPOS DE ARCHIVOS .................................................................................................... 11
1.4 ESTRUCTURA DE COMANDOS .................................................................................. 11
1.5 VENTANAS DE COMANDOS ....................................................................................... 11
1.6 CONFIGURANDO LA MEMORIA DE Stata ................................................................. 12
1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata........................................... 13
1.8 BASES DE DATOS DE EJEMPLO ................................................................................. 13
1.9 TIPOS DE VARIABLES .................................................................................................. 13
2. MANEJO DE BASES DE DATOS ................................................................ 15
2.2 SALVANDO UNA BASE DE DATOS ........................................................................... 21
2.3 DESCRIPCIÓN DE LA BASE DE DATOS .................................................................... 21
2.4 CONSERVAR Y RECARGAR BASES DE DATOS ...................................................... 29
2.5 FILTROS DE LA BASE DE DATOS .............................................................................. 29
2.6 ADMINISTRADOR DE VARIABLES ............................................................................ 30
2.7 CREACIÓN DE CATEGORÍAS ...................................................................................... 31
2.10 CAMBIO EN LA ORGANIZACIÓN DE LOS DATOS ................................................. 37
2.11 PROBLEMAS EN EL MANEJO DE BASES DE DATOS ............................................. 42
2.12 ANÁLISIS DE DUPLICADOS ........................................................................................ 44
2.13 CREACIÓN DE PROGRAMAS – EDITOR DE TEXTO ............................................... 48
3 ANÁLISIS ESTADÍSTICO CON Stata ......................................................... 49
3.1 ESTADÍSTICAS DESCRIPTIVAS .................................................................................. 50
3.2 PONDERADORES – WEIGHT- ...................................................................................... 51
3.3 CALCULO DE MEDIAS ................................................................................................. 52
3.4 INTERVALOS DE CONFIANZA ................................................................................... 52
3.5 PRUEBAS DE HIPÓTESIS ............................................................................................. 53
3.6 MANEJO DE Tablas DE DATOS .................................................................................... 53
3.7 PRUEBAS PARAMÉTRICAS ......................................................................................... 55
3.8 PRUEBAS NO PARAMÉTRICAS .................................................................................. 55
4 GRÁFICAS CON Stata ................................................................................... 57
4.1 HISTOGRAMAS .............................................................................................................. 58
4.2 GRÁFICO DE TORTAS .................................................................................................. 60
4.3 GRÁFICO DE CAJAS ...................................................................................................... 65
4.4 GRAFICAS TWOWAY ................................................................................................... 66
4.5 EDITOR DE GRÁFICOS DE Stata .................................................................................. 67
4.6 GRAFICA DE SERIES DE TIEMPO .............................................................................. 71
4.7 SCATTER GRAPH .......................................................................................................... 73
4.8 GRAFICA DE PUNTOS .................................................................................................. 74
4.9 GRAFICOS DE BARRAS ................................................................................................ 75
4.10 OPCIONES Y EJEMPLOS............................................................................................... 78
4.11 COMBINANDO GRÁFICAS .......................................................................................... 85
4.12 OTRAS GRÁFICAS ......................................................................................................... 85
3
INSTRUCTOR
5 REGRESIÓN LINEAL EN Stata .................................................................... 94

6 MODELOS ARIMA ..................................................................................... 106
7 MODELOS DE VARIABLE DEPENDIENTE DICOTÓMICA MODELOS
LOGIT Y PROBIT .................................................................................................. 115
8 MODELOS DE DATOS PANEL O LONGITUDINALES ......................... 122
8.1 ANÁLISIS DE DATOS PANEL .................................................................................... 122
VENTAJAS DE ESTIMACIÓN POR PANEL .............................................................................. 123
8.2 ANÁLISIS DE DATOS PANEL DE DOS PERÍODOS ................................................ 124
8.3 ANÁLISIS DE POLÍTICAS POR MEDIO DE DATOS PANEL .................................. 126
8.4 ANÁLISIS DE MÁS DE DOS PERÍODOS ................................................................... 127
8.5 EFECTOS FIJOS ............................................................................................................ 130
8.6 EFECTOS ALEATORIOS ............................................................................................. 131
8.7 ANÁLISIS DE DATOS PANEL EN Stata ..................................................................... 131
8.8 ESTRUCTURA DE BASES DE DATOS PANEL ........................................................ 132
8.9 REGRESIÓN AGRUPADA ........................................................................................... 133
8.10 EFECTOS ALEATORIOS ............................................................................................. 134
8.11 EFECTOS FIJOS ............................................................................................................ 135
8.12 EFECTOS ALEATORIOS vs. FIJOS............................................................................. 136
8.13 AUTOCORRELACIÓN Y HETEROSCEDASTICIDAD ............................................. 138
8.14 CORRECCIÓN DE HETEROCEDASTICIDAD Y AUTOCORRELACIÓN .............. 140
8.15 MODELOS DINÁMICOS CON DATOS PANEL ........................................................ 140
9 INTRODUCCIÓN A LA PROGRAMACIÓN ............................................. 142
9.1 LOCAL MACROS.......................................................................................................... 142
9.2 CREANDO CICLOS ...................................................................................................... 142
9.3 ESCALARES Y MATRICES ......................................................................................... 143
10 TRUCOS CON Stata ..................................................................................... 147
11 BIBLIOGRAFIA ........................................................................................... 160
4
INSTRUCTOR
1. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO

FUNDAMENTAL DE Stata 12{ TC "MANEJO FUNDAMENTAL DE
STATA 11" }
Stata es un programa estadístico para investigadores de diferentes disciplinas, como bioestadísticos

investigadores sociales y económicos. Los diferentes tipos de análisis integrados a Stata están
documentados y soportados teóricamente por numerosos documentos, publicaciones y revistas. Los
manuales de Stata reúnen en 19 volúmenes con ejemplos estadísticos, explicaciones teóricas,
métodos, fórmulas y documentos de referencia. Al tratarse de un programa en ambiente Windows,
su interface es similar a la de todos los programas bajo este ambiente.
Stata está disponible en 4 tipos de versión.
Small Stata Versión estudiantil de Stata

Intercooled Stata Versión estándar de Stata
Stata/SE Versión especial de Stata para manejo de
bases de datos grandes.
Stata/MP Versión especial de Stata diseñada para
trabajar en equipos con más de un
procesador o núcleo (2 a 32 procesadores)
Tabla 1. Tipos de versión Stata
A continuación se presentan las principales diferencias entre las versiones Intercooled y SE de

Stata2:
Small Stata/IC Stata/MP and Stata/SE

Número de observaciones 1,200 2,147,483,647 2,147,483,647
Número de Variables 99 2,047 32,767
Tabla 2. Diferencia entre versiones
1.1 CONOCIENDO EL ENTORNO DE Stata
Una vez que se hace clic en el icono de Stata en el menú de inicio, se despliegan los siguientes
cuadros de trabajo. Estas ventanas constituyen el cuerpo básico Stata para llevar a cabo un análisis
de datos, teniendo una interface bastante amigable.
2
Para conocer todas las diferencias entre las versiones de Stata, dirigirse a la ayuda por medio del comando
help limits
5
INSTRUCTOR
VENTANA DE
VENTANA DE
REVISIÓN
VARIABLES
VENTANA DE RESULTADOS
VENTANA DE
PROPIEDADES
DE VARIABLES
VENTANA DE COMANDOS
Figura 1. Ventanas de Stata
Ventana de Variables: Muestra el listado de variables de la base de datos activa.
Ventana de Comandos: En este cuadro se escriben y almacenan las líneas de comandos, si

se desea recuperar un comando previo puede utilizar las teclas
RePág o AvPág y podrá autocompletar el nombre de la variable
utilizando la tecla TAB.
Ventana de Resultados: Permite visualizar la sintaxis, y los resultados de los procedimientos

ejecutados por el usuario. Aquí encontrará el logo de Stata,
indicando la versión y el tipo de licencia y el número máximo de
variables a importar. Una de las características de ésta ventana es
que por medio de colores el programa informa si un comando ha
sido correctamente ejecutado, si aparece en color negro no hubo
problema en la realización, rojo indicar error y el azul es un
hipervínculo al menú de ayuda.
Ventana de Revisión: Bitácora que Permite llevar un completo registro de todos los
procedimientos ejecutados durante una sesión de Stata ya sea que se
ejecutaron por el ambiente GUI, por la ventana de comandos o por
un editor .do. Una de las propiedades de la ventana Review es que
si se desea repetir un comando simplemente debe hacer doble clic
sobre el comando deseado y Stata lo ejecutará de nuevo.
Ventana de Propiedades: Presenta la información de cada variable, como nombre, tipo de

variable, formato, las notas de la base de datos (puede usar el
6
INSTRUCTOR
comando notes para verlas en la ventana de resultados), entre otras

características.
BARRAS
Barra de Nombre
Barra de Menús
Barra de Herramientas
Figura 2. Menús de Stata
Barra de Nombre: Indica la versión de Stata disponible, el nombre y la ruta de la base

de datos activa.
Barra de Menús: Es el conjunto de las diferentes herramientas que tiene Stata las
cuales le permiten al usuario cargar, transformar, modificar,
analizar, graficar y solicitar información y ayuda del programa.
Barra de Herramientas: Es el conjunto de íconos de acceso rápido a herramientas

fundamentales como son abrir, salvar, creación de un archivo Log,
un archivo .do, abrir el editor, el visor y el administrador de
variables.
1.2 EL MENÚ DE AYUDA
Stata ha incorporado en la versión 11 un conjunto de nuevas opciones en el menú de ayuda para

facilitarle al usuario la mejor forma de entender cómo funciona el programa. Una de las novedades
principales es que se ha agregado la opción de tener disponibles los manuales de Stata en formato
PDF.
Para acceder a los manuales de ayuda debe seguir la ruta Help  PDF Documentation
El menú de ayuda de Stata le permite:
- Ver el índice de contenidos del programa

- Buscar información sobre algún tema, la rutina que permite ejecutarla en Stata, o el sitio desde
donde es posible descargar la macro para alimentar el programa.
- Obtener ayuda sobre algún comando de Stata
- Listar y descargar las últimas actualizaciones del programa.
- Instalar programas de Stata escritas por otros usuarios, desde el “Stata Journal” o del boletín
técnico “Stata Technical Bulletin”.
- Acceder a lugares de interés en el sitio Web de Stata.
7
INSTRUCTOR
El sistema de ayuda para los comandos de Stata es una de las herramientas que más rápidamente
puede familiarizar al usuario con el manejo de Stata. Alternativamente al sistema de ventanas, el
usuario puede digitar en el cuadro de comandos help seguido del comando del cual desea
información.
Por ejemplo al digitar en el cuadro de comandos: help describe emerge la siguiente ventana
Figura 3. La Ayuda de Stata
La ayuda de Stata ofrece información sobre:
- La sintaxis completa y abreviada de letra(s) subrayadas) de cada comando,
8
INSTRUCTOR
- Descripción del comando,

- Opciones adicionales para ejecutar el comando,
- Ejemplos sobre cómo usar el comando,
- Hipervínculos a otros comandos relacionados y/o similares y,
- El manual impreso de Stata en el que puede consultar los detalles sobre el comando.
Con frecuencia, el usuario desconoce el nombre del comando específico que realiza algún
procedimiento en Stata. En estos casos es conveniente realizar una búsqueda temática por medio del
comando search. A través de este comando Stata realiza una búsqueda en línea en:
- Los ejemplos oficiales de Stata disponibles en su sitio web,

- El sitio de preguntas frecuentes “Frequently Asked Questions” de Stata,
- Ejemplos en línea compilados por la universidad de UCLA,
- Las referencias bibliográficas en “Stata Journal” y “Stata Technical Bulletin”.
Por ejemplo, supongamos que queremos calcular en Stata el coeficiente de concentración gini
(procedimiento muy conocido en economía y estadística), pero no sabemos si Stata realiza este
cálculo y, además, si es posible hacerlo, no conocemos el comando para ejecutarlo. En estos casos
el comando search resulta de gran ayuda. Por ejemplo al escribir en el cuadro de comandos
search gini
adoupdate, update
Se despliega el siguiente cuadro de ayuda:
9
INSTRUCTOR
Figura 4. Search
En el cuadro de ayuda aparecen en azul hipervínculos a sitios oficiales (Stata Journal “SJ”, o Stata
Technical Bulletin “STB”) desde donde se pueden descargar macros relacionadas con el
procedimiento que calcula el coeficiente de concentración gini.
ACTUALIZACIONES DE Stata: Automáticamente Stata hace actualizaciones periódicas del

programa. Sin embargo el usuario puede pedir manualmente al programa que se actualice a través
del comando update así:
update all
10
INSTRUCTOR
1.3 TIPOS DE ARCHIVOS
Antes de iniciar una sesión de trabajo es importante tener en cuenta que Stata opera a través de
diferentes tipos de archivos.
Tipo de Archivo Extensión

Archivos de datos *.dta
Archivos gráficos *.gph
Bitácoras de salida *.smcl
Archivos de comandos *.do
Archivos de programación *.ado
Tabla 3. Tipos de Archivos
1.4 ESTRUCTURA DE COMANDOS

[by varlist:] Command [varlist] [=exp] [if exp] [in range] [weight] [using filename] [,
options]
Por ejemplo:
Se debe tener en cuenta que Stata distingue entre letras mayúsculas y minúsculas. Todos los
comandos del programa se deben escribir en letras minúsculas. De lo contrario el programa no lo
reconoce. Los paréntesis cuadrados indican que no es un carácter obligatorio dependiendo el
comando específico.
Es posible usar con Stata prefijos para algunos comandos, por ejemplo, el comando regress que
permite realizar el procedimiento de regresión se puede ejecutar digitando solamente los tres
primeros caracteres, es decir al tener reg ejecuta la misma función que al escribir regress.
Para conocer mayor información sobre la estructura de los comandos de Stata, busque información
así: help syntax
1.5 VENTANAS DE COMANDOS
Es común encontrar en las ventanas emergentes de Stata el nombre del comando que permite
realizar la instrucción que se le ordenará al programa para que realice, por ejemplo, al seguir la ruta
File  Import  ASCII data created by a Spreedsheet
11
INSTRUCTOR
En este caso es el comando insheet. A continuación se explican algunas características generales de

las ventanas emergentes de Stata para la realización de procedimientos, este manual no presentará
las ventanas en las cuales se ejecutan las instrucciones sino los comandos y las opciones
correspondientes.
Descripción del comando
Comando
Ejecutar y
Ayuda de Copiar mantener la
la como ventana
instrucción comando activa
Limpiar la Ejecutar No Ejecutar

ventana
Figura 5. Características de una ventana
1.6 CONFIGURANDO LA MEMORIA DE Stata
Stata funciona exclusivamente desde la memoria RAM. El programa únicamente interactúa con el
disco duro del computador cuando se hacen salvados de bases de datos, gráficos, archivos log, o
archivos de comandos. En la versión 12 Stata configura automáticamente el tamaño de la memoria
para poder trabajar con bases de datos muy grandes.
Para versiones inferiores a la 12 las versiones SE y MP del programa trabajan con 10 megas de
memoria RAM. Sin embargo, cuando se trabaja con bases de datos muy grandes, es posible
configurar la cantidad de memoria RAM disponible para una sesión de trabajo a través del comando
set memory.3 Por ejemplo, para trabajar con 100 megas de memoria RAM la sintaxis es4:
3
Si desea conocer qué versión tiene de Stata y la configuración de la memoria y la licencia del programa
escriba el comando about y creturn list.
12
INSTRUCTOR
set mem 100m
Es muy importante que antes de empezar una sesión de trabajo el usuario configure la cantidad de
memoria RAM que necesita de lo contrario emergerá el siguiente error:
no room to add more observations

r (901);
1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata
La sintaxis para cargar y salvar datos puede ser muy extensa dependiendo de la ruta de acceso a las
bases de datos o el lugar en el disco duro donde se quieran almacenar los resultados. Una forma
práctica de abreviar la sintaxis en ambos casos consiste en indicarle a Stata, antes de comenzar la
sesión de trabajo, el lugar en el disco duro de donde se desean tomar los datos y donde se quieren
almacenar los resultados. Este procedimiento se lleva a cabo a través del comando cd así:
cd "C:\...."
La otra opción es por medio del Menú File  Change Working Directory
Entre comillas se debe encontrar la dirección o ruta de la carpeta donde se encuentran las bases de
datos que serán empleadas en la sesión de trabajo de Stata.
1.8 BASES DE DATOS DE EJEMPLO
En el momento en que Stata se instala en su equipo se incluyen bases de datos de ejemplo

las cuales le permitirán trabajar con el software, tenga en cuenta estos archivos dado que la
ayuda en muchas ocasiones se referencia a las bases de datos del software, para acceder a
ellas siga la ruta File  Example Datasets  Example datasets installed with Stata o para
acceder a todas las bases de datos seleccione Stata 12 manual datasets pero debe tener
acceso a internet.
El comando asociado es
sysuse dir * para ver el directorio de bases de ejemplo en su equipo

sysuse auto.dta * cargará la base auto.dta que es una base de ejemplo de Stata
1.9 TIPOS DE VARIABLES
Una de las preguntas comunes en el manejo de un software estadístico es cómo el programa

clasifica o categoriza las variables, es decir que formato es posible asignarle a una variable, para
ello es necesario primero que el usuario tenga claro el tipo de variable.
4
Se recomienda revisar la ayuda sobre el comando set y el comando memory
13
INSTRUCTOR
Las variables las podemos dividir de acuerdo al siguiente esquema
VARIABLE
CUANTITATIVA CUALITATIVA
Continua Discreta
Stata es “case sensitive”, es decir, distingue entre mayúsculas y minúsculas, de forma que las
variables var1 es diferente a Var1.
Para Stata se manejan los datos cuantitativos por diferentes tipos de variables los cuales se
diferencian por el rango de los datos o por el tamaño en el número de caracteres disponibles a
continuación se presenta una tabla que describa los tipos de datos.
RANGO
TIPO DE VARIABLE FORMATO
MÍNIMO MÁXIMO
Byte -127 100 %8.0g
Int -32,767 32,740 %8.0g
Long -2,147,483,647 2,147,483,620 %12.0g
Float -1.70141E+38 1.70141173319*10^38 %9.0g
Doublé -8.9885E+307 8.9884656743*10^307 %10.0g
Precisión para FLOAT 3.795x10^-8.
Precisión para DOBLE 1.414x10^-16.
Tabla 4. Tipos de Variable
El número que aparece después del símbolo % es el número máximo de dígitos enteros o ancho que
soporta el formato y el número a la derecha índica el número de decimales, posteriormente se
encuentra una letra. Donde [f] es aproximación al entero más cercano, [e] indica notación científica
y [g] indica decimales.
Stata por defecto selecciona el formato FLOAT, el otro tipo de variables son las variables
alfanuméricas, estas variables en las que se encuentran principalmente las variables cualitativas,
Stata define un formato especial para ellas, y es el formato STRING, %str# es la visualización de
este formato, en el cual el carácter # indica el largo de la cadena.
14
INSTRUCTOR
FORMATO DE LAS VARIABLES: El formato de las variables hace referencias a la forma como
son almacenadas y desplegadas las variables en STATA. Para cambiar el formato de una de una
variable a través del lenguaje de sintaxis debe tener en cuenta que el formato de toda variable
siempre antecedido por el símbolo “%”.
Variables de cadena
% 20 s Variable “String”
Inicio de un formato número de caracteres
Variable numérica
Formato general “g”, Notación científica “e”,
formato fijo “f”
% 10. 0 g c opcional, separados de

miles por comas
Inicio de un formato
Dígitos antes del punto decimal
Dígitos después del punto decimal
Si desea cambiar el formato de una variable utilice el comando recast.
sysuse auto
describe Price
recast float price
Para mayor información: help data_types y help recast
2. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO DE

BASES DE DATOS
Antes de realizar usted un análisis de la información ya sea de tipo descriptivo, inferencial, debe
contar con la información lo mejor posible para poder realizar los correspondientes análisis, por ello
en éste capítulo podrá ver como realizas manejo de bases de datos financieras y económicas.
Una de las ventajas de Stata es su fortaleza en el manejo de bases de datos, principalmente porque
permite al usuario manejar gran cantidad de variables y de observaciones, además, es posible
realizar manipulación y transformaciones como es crear, eliminar, modificar, concatenar y demás
funciones a variables, de igual forma permite agregar variables y observaciones a una base de datos
con otras bases.
Entre opciones avanzadas se encuentran la protección de bases de datos, la creación de firmas y

restricciones a usuarios. Stata permite a los usuarios manejar bases de datos de formatos como son
15
INSTRUCTOR
MS Excel, texto, SQL, SAS, entre otros, de igual forma permite exportar archivos a dichos
formatos.
El capítulo se divide en cuatro secciones, la primera un manejo de bases de datos básico, en la

segunda sección datos de corte transversal, la tercera datos de series de tiempo y en la última
manejo de datos de panel.
1.1 FUNDAMENTOS DE BASES DE DATOS
Hay ciertas características que usted podrá aprender para el manejo de la información, entre ellas
los pasos fundamentales, como son, importar una base de datos, eliminación, transformación de
bases de datos, entre otros.
1.1.1 Creación de un archivo log
Un archivo tipo texto con extensión “.log” o “.smcl”5, permite guardar todo lo que usted digite y
ejecute en la línea de comandos así como las salidas obtenidas en la ventana de resultados
realizadas durante la sesión activa de Stata.
Se recomienda que la extensión sea SMCL, dado que le permite conservar las fuentes y colores de
su ventana de resultados y además podrá configurarlo para imprimir.
Figura 6. Creación de un archivo Log
Para la creación de un archivo log por medio de comandos debe usar
log using tables.log, replace
1.1.2 Abrir una base de datos
El primer paso es cargar una base de datos, para ello depende el formato de la base de
datos. Es común que los usuarios contengan su información en archivos tipo Excel, para
ello es necesario tener claro que Stata requiere que el separador decimal debe ser el punto
(.), para ello se recomienda utilizar la herramienta de buscar-reemplazar de Excel o hacer
cambio de la configuración de Excel o de la configuración regional de su equipo.
5
Iniciales de Stata Markup and Control Language.
16
INSTRUCTOR
Recuerde que las bases de datos de Stata finalizan con la extensión .dta, cuando se tiene un
base tipo Stata para abrirla puede utilizar la ruta File  Open y seleccionar el archivo o por
el ícono abrir de la barra de herramientas, por medio de comandos podrá usar la instrucción
use
use "C:\Users\Brayan\Desktop\ipc_raw.dta", clear
Recuerde la sección 1.7 en donde se indica como activar un directorio de trabajo para no
tener que referenciar la ruta o path en donde se encuentra el archivo; si ya tiene un
directorio activo la instrucción es:
use ipc_raw, clear
Dado que la instrucción solo importa bases de datos de formato Stata no se requiere
ingresar la extensión .dta.
Finalmente con el comando use podrá seleccionar solamente las variables que desea usando
la opción using importar por ejemplo
use fecha ipc inflación using ipc_ra, clear
2.1.1 Importar una base de datos .CSV o TXT
Uno de los formatos más comunes en el manejo de información estadística es el formato

Separado por Comas (CSV), para importar una base de dato se sigue la ruta:
File  Import  ASCII data created by a Spreedsheet
Como se mencionó anteriormente en la parte superior de cada ventana aparece el nombre del
comando correspondiente, si el usuario desea llamar una ventana puede hacerlo desde la ventana de
comandos por medio de db nombre_comando.
En este caso el comando insheet tiene la siguiente estructura

insheet [variables] using ruta , opciones
Por ejemplo:
insheet using "C:\Users\USER\Documents\Software Shop\Stata\Taller docentes\Docentes_01.csv",

delimiter(":") clear
En el caso que el usuario no requiera importar la totalidad de la base de datos debe especificar
después del comando insheet el nombre de las variables; entre las opciones encontramos el tipo de
formato que separa los datos, como son tabulaciones (tab), comas (comma) o especificado por el
usuario (delimiter(“x”)).
17
INSTRUCTOR
La función anterior es similar para archivos con extensión .TXT.
2.1.2 Importar una base de datos .XLS o .XLSX
2.1.2.1 Pegar bases de datos de Hojas de cálculo
Es común que las bases de datos y los archivos que se usan a diario por las empresas y sus
trabajadores sean de hojas de cálculo, para facilitar el trabajo de uso de Stata cuando las
bases son de una hoja de cálculo se puede sin mayor problema copiar los datos de la hoja
correspondiente y posteriormente en la ventana edit dar clic derecho y seleccionar pegar o
la secuencia CTRL + V, de ésta forma Stata reconoce los datos correspondientes.
Nota: El usuario debe tener sumo cuidado con el formato de la base original dado que Stata
trabaja los separadores decimales con el punto y no con la coma como se usa en la
configuración de los computadores con idioma español. Para ello se recomienda al usuario
cambiar el formato de separador decimal y de miles en su hoja de cálculo o directamente
desde la configuración regional de su equipo. De igual forma usar la técnica de buscar y
reemplazar le permite obtener un buen resultado.
Se recomienda ver información adicional con help input, infix e infile.
Editor de datos en stata
Los datos pueden ser visualizados o introducidos en Stata haciendo clic en el ícono de la ventana
“Data Editor”, presionando “control+7”, o haciendo clic en
Data  Data Editor  Editor
Ícono de EDIT
Figura 7. Editor de datos de Stata
La ventana emergente presenta un formato similar a una hoja de cálculo y le permite a un usuario
hacer manipulación de variables y observaciones similares a las que se realizan en una hoja de
cálculo. La opción más sencilla para cargar una base de datos es copiar y pegar la información de su
hoja de cálculo a la ventana de Edit de Stata.
18
INSTRUCTOR
 Snapshots: Permite preservar y restaurar la base de datos a un punto

predeterminado por el usuario.
 Hide/Show Variables: Sólo para efectos de visualización, esta opción permite
ocultar parte de una base de datos.
 Filter Observations: Mientras esté abierto el editor de datos, a través de esta
opción es posible mantener un filtro sobre la base la base de datos.
 Variable Properties: Esta opción permite renombrar variables, asignar etiquetas a
variables y valores de variables categóricas, y ajustar los tipos de variables y los
formatos de las variables.
 Variable Manager: Similar a la opción anterior, además permite visualizar
simultáneamente varias variables y adicionar notas a estas.
2.1.2.2 Asistente de Importación de Excel files
La versión 12 de Stata ha incorporado una nueva herramienta para importar bases de datos
tipo .xls o .xlsx, para acceder al asistente siga la ruta File  Import  Excel Spreadsheet
(*.xls, *.xlsx) emergerá la siguiente ventana:
19
INSTRUCTOR
Busque el
archivo
de Excel
Seleccione Seleccione
la hoja a Active la casilla si en el rango de
importar su hoja la primera fila los datos
contiene los nombres
de las variables
Figura 8. Asistente Importación Archivos de Excel
Nota: Para poder importar la base de datos debe tener cerrada la base de datos de lo
contrario el asistente no realizará la importación.
La estructura del comando es:
import excel [using] filename [, import_excel_options]
En las opciones podrá seleccionar:

- sheet("sheetname") Nombre de la hoja a importar
- cellrange([start][:end]) Rango de celdas a cargar
- firstrow Tomar la primera fila como los nombres de las variables
- allstring Importar todas las variables como texto
- clear Reemplazar los datos en la memoria
Para el ejemplo la instrucción es:
import excel "C:\Users\Brayan\Desktop\base1.xlsx", sheet("base 1") firstrow
2.1.3 Importar otros tipos de archivo
20
INSTRUCTOR
Hay otro tipo de archivos que Stata le permite importar automáticamente como archivo
para ello se recomienda tener en cuenta las siguientes recomendaciones:
TIPO DE BASE COMANDO

ODBC Odbc
Archivo de Texto sin diccionario Infile
(.raw)
Archivo de Texto con ancho fijo Infix
(.raw)
Archivo de Texto con infile2
diccionario (
Formatos SAS XPORT o .xpf import sasxport
Formato tipo haver haver
XML files Xmlsave
Tabla 5. Otros comandos para importar archivos
Finalmente si tiene otro tipo de archivos se recomienda que adquiera el software

Stat/transfer, para mayor información ingrese a
http://www.stata.com/products/transfer.html, éste programa le permite importar archivos
tipo SPSS, SAS, R, RATS, Statistica, MATLAB, GAUSS, entre otros.
2.2 SALVANDO UNA BASE DE DATOS
Como los datos han sido cargados en la memoria RAM, sólo puede modificarse la base de datos
original de tres formas
 Haciendo clic en el icono de salvado en la barra de herramientas
 Haciendo clic en ctrl+S
 A través del cuadro de comandos empleando el comando “save”, por ejemplo
save base1.dta, replace
La opción replace le permite sobre escribir un archivo que tenga en el mismo directorio de trabajo
activo y con el mismo nombre.
Una vez que los datos han sido guardados o abiertos es posible optimizar el espacio que estos
ocupan utilizando el comando compress este comando comprime la base de datos. Es muy útil
cuando trabajamos con bases de datos grandes.
2.3 DESCRIPCIÓN DE LA BASE DE DATOS
Una vez se tenga una base de datos cargada, es necesario empezar a revisarla y obtener
información de ella, para ellos Stata le permite al usuario por medio de diferentes
procedimientos entender cada variable y su contenido.
21
INSTRUCTOR
Lo primero que debe realizar el usuario una vez importa o abre una base de datos es
observar la base, para ello se encuentran diferentes formas de visualizar los datos, entre
ellas las opciones de edit y de browse, las cuales abren una ventana con forma de hoja de
cálculo, la otra opción es por medio del comando list que permite visualizar la o las
variables en la ventana de resultados, se recomienda usar los comandos edit, browse y list
con las opciones if – in.
Adicional a esto el usuario puede recibir información específica de cada variable por medio
de las opciones del menú Data  Describe Data. En éste menú las opciones de describe
data in memory, describe data contents e inspect variables, le da la posibilidad al usuario de
obtener información correspondiente al nombre, la etiqueta, el tipo y formato de la variable,
notas, etiquetas sobre valores, el número de valores perdidos, entre otras. A continuación se
presenta un ejemplo del uso de estos comandos
*cargar una base de datos del programa

sysuse auto
*observar los datos
browse
Figura 9. Browse
22
INSTRUCTOR
*Describir los datos

describe make price mpg
storage display value

variable name type format label variable label
make str18 %-18s Make and Model

price int %8.0gc Price
mpg int %8.0g Mileage (mpg)
.
Cuando se desea aplicar un comando para todas las variables de la base de datos podrá hacerlo
ingresando el comando sin incluir ninguna variable de esta forma Stata tomará la instrucción para
toda la base de datos, otra alternativa es escribir _all posterior al comando por ejemplo:
sysuse auto
describe _all
storage display value

variable name type format label variable label
make str18 %-18s Make and Model

price int %8.0gc Price
mpg int %8.0g Mileage (mpg)
rep78 int %8.0g Repair Record 1978
headroom float %6.1f Headroom (in.)
trunk int %8.0g Trunk space (cu. ft.)
weight int %8.0gc Weight (lbs.)
length int %8.0g Length (in.)
turn int %8.0g Turn Circle (ft.)
displacement int %8.0g Displacement (cu. in.)
gear_ratio float %6.2f Gear Ratio
foreign byte %8.0g origin Car type
2.3.1 Creación de Variables
Por medio del menú Data podemos encontrar opciones como crear nuevas variables Data  Create
or Change variables  Create New Variable:
23
INSTRUCTOR
Figura 10. Generate
La creación de las variables se realiza por medio del comando generate, los comandos en Stata no
es necesario escribirlo en su totalidad, la mayoría de los comandos pueden ser reducidos en un
prefijo, para conocer el prefijo de cada comando escriba help nombre del comando en la ayuda
aparecerá subrayado el nombre hasta cierto carácter indicando que puede usar solamente ese texto
para ejecutar el comando, por ejemplo g es igual a generate
Figura 11. Prefijo de un comando
Algunos ejemplos de creación de variables:
generate suma = var1 + var2

gen resta = var1 – var2
g multiplicación = var1 * var2
Para la creación de las variables se recomienda usar el siguiente cuadro
24
INSTRUCTOR
Tabla 6. Operadores
En algunas ocasiones se requieren algunos caracteres especiales, uno de ellos son los caracteres _n
y _N o denominadas variables del sistema, _n es un contador del número de observaciones, y _N
indica el total de observaciones de la base de datos.
gen tendencia = _n
gen totales = _N
Para la creación de variables con condiciones puede utilizar la opción de la estructura de comandos
[if] [in], estas opciones le permitirán poner restricciones no solo para la creación de variables si no
para la gran mayoría de comandos que contiene Stata, debe tener en cuenta que solo debe escribir
una vez el carácter if o in, a continuación algunos ejemplos en el uso de estos caracteres especiales:
gen dummy = 1 if TV >5 * crea una variable con valores = 1 si TV > 5, perdido en otro caso.
list make mpg if mpg>25
list price in 10/20 * crea una lista para las observaciones entre la 10 y 20
list price in -10/l * crea una lista con las últimas 10 observaciones
Para la opción in se puede utilizar las siguientes estructuras:
#  Condición sobre una única observación

#/#  Condición sobre un rango de observaciones
#/l  Condición sobre una observación hasta la última (l)
f/#  Condición desde la primera observación (f) hasta una observación
-#/#  Condición desde las últimas # observaciones hasta # que puede ser la última con l
25
INSTRUCTOR
A continuación listamos algunas funciones matemáticas, estadísticas y de fecha importantes en la

creación de variables
FUNCIÓN EJEMPLO DESCRIPCIÓN

ln() g lpib = ln(pib) Logaritmo natural
exp() g epib = exp(pib) Exponencial
sqrt() g y = sqrt(epib) Raíz cuadrada
abs() g x = abs(y) Valor absoluto
cos() g coseno = cos() Coseno
logit() g logit = logit(x) Retorna el logaritmo de los odds ratio de x
runiform() g uniforme = runiform() Genera números aleatorios de una distribución
uniforme [0,1)
rnormal() g normal = rnormal() Genera números aleatorios de una distribución
normal estándar (0,1)
rnormal(m,s) g normal = rnormal(10,2) Genera números aleatorios de una distribución
normal con media m y desviación estándar s
int() g enteros = int(pib) Convierte una variable o dato en entero
invnormal(p) g inversa = invnormal(prob) Genera una variable como la inversa de la
probabilidad de una distribución normal
length(s) g largo = length(nombre) Presenta el número de caracteres de una
variable string
Tabla 7. Ejemplos Funciones generate
2.3.2 Extensiones en la creación de variables
Podemos utilizar algunos comandos adicionales para la creación de variables con algunas
condiciones, tales como el comando egen y la función cond()
Ejemplos:
gen dummy = cond(TV>5,1,0)

gen dummy = (TV>5)
egen concatenar = concatenate(“variable1” “ “ “variable”)
FUNCIÓN EJEMPLO DESCRIPCIÓN

max() egen maximo = max(ingresos) Presenta el máximo de una variable
min() egen minimo = min(ingresos) Presenta el mínimo de una variable
mean() egen promedio = mean(ingresos) Presenta el promedio de una variable
kurt() egen curtosis = kurt(ingresos) Presenta la curtosis de una variable
sd() egen desviación = sd(ingresos) Presenta la desviación estándar de una variable
2.3.3 Ordenar variables y bases de datos
Ordenar datos Data  Sort  Ascending Sort:
26
INSTRUCTOR
Figura 12. Ordenar datos
Para ordenar en forma descendente se recomienda usar el comando gsort de la siguiente forma:
gsort – var1 – var2 +var3
El comando anterior nos produce un ordenamiento descendente primero por la variables VAR1,
seguido por la variable VAR2 y de forma ascendente por la variable VAR3, indicando que se debe
ubicar un signo (-) para establecer descendente y un signo (+) para orden ascendente, aunque este
último no es necesario en el comando.
Existe otro caso y es en el caso que se deseé ordenar las variables, es decir cambiar el orden en la
base de datos, por medio del comando order es posible realizar esto, de igual forma es posible
utilizar aorder para que las variables queden ordenadas en forma alfabética. Finalmente el comando
move permite modificar la ubicación de las variables, pero a partir de la versión 11, este comando es
reemplazado por order.
2.3.4 Cálculos por grupos
En algunas ocasiones el usuario requiere de verificar la información por una característica

particular, grupales, entre otras, para ellos Stata cuenta con el prefijo by el cual se ubica previo al
comando estadístico, gráfico o de modelo.
Ejemplos
use http://www.stata-press.com/data/imeus/census2d, clear

gsort region -pop
by region: generate totpop = sum(pop)
by region: list region totpop if _n = = _N
27
INSTRUCTOR
by region: egen meanpop = mean(pop)

by region popsize, sort: egen meanpop2 = mean(pop)
by sex age: regress wage expert expert2 occup
El comando by permite generar variables por diversas categorías, además, permite ordenar de
acuerdo a alguna variable. En el último ejemplo hace una regresión por cada categoría entre el
género y la edad.
2.3.5 Codebook e Inspect
codebook, escribe el contenido de las variables, indicando número de observaciones, valores

perdidos, percentiles, entre otros.
codebook foreign
foreign
type: numeric (byte)

label: origin
range: [0,1] units: 1

unique values: 2 missing .: 0/15
tabulation: Freq. Numeric Label

12 0 Domestic
3 1 Foreign
codebook price
price
type: numeric (int)
range: [12990,15906] units: 1

unique values: 5 missing .: 0/15
tabulation: Freq. Value

3 12990
3 13466
3 13594
3 14500
3 15906
inspect, entrega el número de observaciones de una variable identificando los valores positivos,
negativos, cero, missing, y si estos corresponden a números enteros o no. Los “missing values” se
28
INSTRUCTOR
señalan en Stata mediante un punto (.). Se considera que un missing value es mayor que cualquier
valor.
. inspect rep78
rep78: Repair Record 1978 Number of Observations
Total Integers Nonintegers

# Negative - - -
# Zero - - -
# Positive 69 69 -
# #
# # # Total 69 69 -
. # # # # Missing 5
1 5 74
(5 unique values)
2.4 CONSERVAR Y RECARGAR BASES DE DATOS
Es importante cuidar la base de datos que se está trabajando, por eso se recomienda salvar la base
de datos, pero además, Stata ofrece opciones que le permitirán al usuario guardar la base de datos
de forma virtual, por medio de los comandos preserve y snapshot y para recuperar la base con el
comando restore
preserve
restore
snapshot save, label("nombre del elemento guardado")
snapshot restore 1
La diferencia entre el snapshot y el preserve es que este último solo permite guardar una vez la base
de datos, mientras el snapshot varias veces.
2.5 FILTROS DE LA BASE DE DATOS
Ejemplos de filtros
browse if pop > 10000000

browse if pop > 10000000 & marriage > 100000
browse if pop > 10000000 & marriage > 100000 & popurban > 10000000
browse if pop > 10000000 | marriage > 100000 & popurban > 10000000
Uso del in
browse pop in 1/10

browse pop in f/10  f = FIRST, l = LAST
browse pop in 10/l  hasta el último
Se puede combinar con que realizar el filtro puede usar los comandos browse, edit, keep, drop y list.
drop elimina observaciones y/o variables.

keep conserva observaciones y/o variables.
list presenta variables y/o observaciones en la ventana de resultados.
29
INSTRUCTOR
edit permite visualizar los datos en una hoja de datos y podrá editar y modificar los datos.
browse realiza las mismas opciones de edit pero no se puede modificar la información.
El comando keep y drop tienen la misma estructura

keep/drop variables
keep/drop if expresión
keep/drop in rango
Ejemplos
sysuse census
drop death divorce * Elimina las variables death y divorce
keep state pop* medage marriage * Conserva las variables indicadas
drop if medage > 30 * Elimina las observaciones donde medage sea mayor a 30
sort popurban
keep in -10/l * Conserva las últimas 10 observaciones con mayor popurban
2.6 ADMINISTRADOR DE VARIABLES
En la versión 11 de Stata se incluyó la ventana del administrador de variables, este

administrador de variables permite modificar información de cada variable, principalmente
el cambio de nombre, etiquetas, tipo de variable, formato, notas y creación de categorías y
etiquetas.
Figura 13. Administrador de variables.
Para la modificación de la variable, deberá ser seleccionada la variable y una vez

modificada la información correspondiente debe dar click en Apply.
En la versión 12 Stata ha incluido una nueva ventana que es la ventana de propiedades en la

cual se pueden modificar la información de cada variable:
30
INSTRUCTOR
Figura 14. Ventana de Propiedades
Entre los cambios del administrador de variables y la ventana de propiedades se encuentran

las siguientes opciones, se describe el comando correspondiente para automatización de
tareas.
2.6.1 Rename
Este comando permite cambiar el nombre de una variable. Por ejemplo
rename nombreviejo nombrenuevo

rename price precio
2.6.2 Label Variable
Para ponerle nombre o etiqueta al variable
label var nombrevariable “etiqueta variable”

lable var precio “Precio del auto”
2.6.3 Notes
Se pueden crear dos tipos de notas, una para la base de datos o para la base de datos, a
continuación un ejemplo para cada caso:
notes divorce: 1 si la persona es divorciada, 0 en otro caso * nota para la variable divorce
notes _dta: Censo 1994 * nota para la base de datos
2.7 CREACIÓN DE CATEGORÍAS
La forma más sencilla de crear categorías de variables es por medio del administrador de
variables, la variable que seleccionará debe ser discreta, una vez inicie el administrador
31
INSTRUCTOR
debe seleccionar la variable que codificará, luego debe dar clic en Manage que se encuentra
a la derecha de la opción Value label
La figura 14 presenta el administrador de etiquetas, en el cual podrá crear, editar o eliminar

etiquetas y para las etiquetas ya creadas puede agregar, editar o eliminar valores que se
encuentran en una etiqueta creada.
Figura 14. Administrador de Value Labels
Para crear una nueva etiqueta haga clic en Create Label, en la figura 15 podrá agregar,
eliminar y editar las categorías con su correspondiente descripción.
32
INSTRUCTOR
Figura 15. Creación de Labels
Una vez haya creado la etiqueta deberá asignarla a la(s) variable(s) que correspondan, para
ello en el administrador de variable a la izquierda de Manage seleccione el nombre de la
etiqueta.
Figura 16. Asignación de etiquetas
Por medio de comandos
label define respuestas 1 “si” 2 “no” * Creación de la etiqueta con sus valores
label values pregunta1 respuestas *Se asigna a la variable pregunta1 la etiqueta respuestas
2.8 MODIFICACIÓN Y TRANSFORMACIÓN DE VARIABLES
En la sección anterior se presentó la forma de creación de variables por medio de los comandos gen
y egen, de igual forma el comando replace. Pero existen otras formas de modificar variables ya sea
en su formato, tipo de variable, codificación entre otras, a continuación se presentan las más
importantes.
2.8.1 Recode
Este comando permite recodificar algún valor de una variable
recode x (1=2), gen(nx)
33
INSTRUCTOR
recode x1 (1=2), gen(nx1)
En el ejemplo 1 se recodifica la variable x, cambiando los valores 1 por valores 2, la variable

transformada se guarda como nx.
Figura 17. Recode
En el ejemplo 2 se cambia de 1 a 2 y de 2 a 1, generando la variable nx1.
2.8.2 División de Variables de texto
Split divide una variable texto en nuevas variables por el espacio o un carácter específico
split var1, parse(,) gen(geog)
2.9 COMBINACIÓN DE BASES DE DATOS
La combinación de bases de datos es un problema muy común para el investigador o el analista de

información, Stata le permite realizar diferentes tipos de fusiones de bases de datos, a continuación
presentaremos los dos formatos más importantes, la adición vertical (merge) y horizontal (append).
34
INSTRUCTOR
HOMBRES.dta

Adición de variables:

Adición casos: merge
append Es necesaria variable llave. EDUCACION.dta
No es necesaria Las bases de datos deben
variable llave estar ordenadas.
Revisar la variable _merge
MUJERES.dta
2.9.1 Combinación Vertical – Append
Este comando agrega filas a la base de datos, las variables deben como regla contener los mismos
nombres, el mismo tipo de variable y además la base de datos sus variables deben estar ordenadas
de igual forma. Para combinar conjuntos de datos verticalmente se emplea el comando append.
En nuestro ejemplo, a la base de datos HOMBRES vamos a adicionar los casos correspondientes la
información de las mujeres así:
use hombres, clear

append using MUJERES
En la nueva base de datos se ha combinado la información hombres y mujeres en una única base de
datos.
d
35
INSTRUCTOR
En este punto se deben tener en cuenta dos aspectos.

1. El comando append debe estar acompañado de la palabra using la cual indica que el
nombre a continuación corresponde a la base de datos de datos que será adicionada
verticalmente.
2. Como la base de datos cargada en la memoria RAM ha cambiado es conveniente que el
usuario salve la nueva información con otro nombre así.
save PERSONAS, replace
2.9.2 Combinación Horizontal – Merge
Se usa cuando se quieren traer nuevas variables de una base llamada using a una base de datos ya
existente o master, éste comando une dos bases de datos utilizando una variable en común
(generalmente es una ID, llave o código que identifica las observaciones de la base de datos). Las
dos bases de datos deben estar guardadas en formato .dta, y deben estar ordenadas de acuerdo a la
variable que se va a pegar. El objetivo de este comando es agregar variables (columnas).
Para pegar dos bases de datos (A.dta y B.dta), se deben realizar los siguientes pasos:
1. Ordenar (sort) la base de datos B de acuerdo a las variables con las que se hará la unión de
las bases, es decir de acuerdo al ID, y guardar.
2. Abrir la base A y ordenarla de acuerdo al paso 1.
3. Usar el comando merge
4. Guardar la base de datos (save)
Si la base no está ordenada y contiene datos repetidos emerge el siguiente error:
Using data not sorted

Master data not sorted
Para verificar que usted tenga un identificador único se recomienda que lo verifique por medio del
comando isid.
36
INSTRUCTOR
isid id num
Si emerge error es porque el identificador se repite y si va hacer una fusión tendrá inconvenientes.
Al momento de realizar el merge se crea una variable denominado _merge, que contiene tres
valores:
_merge = = 1 Las observaciones son originarias del archivo “master” o base

_merge = = 2 Las observaciones son originarias del archivo “using”
_merge = = 3 Las observaciones se encuentran en ambos archivos
Siguiendo con el ejemplo anterior, vamos a agregar a la base de datos PERSONAS.dta, nuevas
variables con la información sobre el nivel educativo y los años de educación aprobados de las
personas. Esta información se encuentra en la base de datos EDUCACION.dta. Los pasos a seguir
para realizar este tipo de pegue son:
1. Cargar la base “using” (EDUCACION.dta) de donde queremos traer las nuevas variables, la
ordenamos de acuerdo con la(s) variable(s) identificadora(s) “numero y e01” y salvamos los
cambios. El comando para ordenar las observaciones es sort así:
use EDUCACION
sort numero e01
d
save EDUCACION, replace
En este caso, el comando save está acompañado de la opción replace la cual denota que se
está sobrescribiendo en la base EDUCACION original.
2. Cargar la base “master” (PERSONAS.dta), la ordenamos por el mismo criterio anterior y

salvamos los cambios.
use PERSONAS
sort numero e01
d
save PERSONAS, replace
3. Aplicamos el comando merge para pegar horizontalmente las dos bases así:
La base de datos PERSONAS.dta contiene ahora las variables de la base de datos

EDUCACION.dta, creando automáticamente la variable _merge.
2.10 CAMBIO EN LA ORGANIZACIÓN DE LOS DATOS
37
INSTRUCTOR
Cuando una base de datos tiene más de una observación por unidad de estudio (individuo, país,
empresa, etc.) nos puede interesar sólo trabajar con una observación por unidad (collapse) o
mantener las observaciones distintas para cada individuo pero que se creen como variables o
columnas distintas (reshape)
2.10.1 Collapse
Si se tiene una base de datos de hogares, cada observación es un miembro del hogar. Si cada hogar
dispone de un identificador único, entonces se puede formar una base de datos alternativa que
contenga una sola observación por hogar (en lugar de una observación por individuo) para cada una
de las variables deseadas. Esta observación puede contener la media, desviación estándar, suma u
otro estadístico. Ejemplo:
collapse (mean) edad (max) educación (p50) ingreso, by(hogar)
Lo anterior crea una base de datos con cuatro variables, hogar, edad, ingreso y educación.
Con frecuencia, la información estadística tiene algún grado de reserva o confidencialidad que la
hace no accesible al público en su forma original. La mayor parte de la información proveniente de
bases de datos grandes, por ejemplo las encuestas (de personas, de hogares, de empresas de la
industria manufacturera, etc.) o los censos (de población, de instituciones educativas, de
edificaciones, etc.) suele ser presentada en tablas resumen y en bases de datos colapsadas o
agregadas.
En Stata es posible colapsar bases de datos a través del comando collapse. Debe tenerse en cuenta:
1) La(s) variable(s) de agregación: Variable(s) que definen las nuevas unidades de observación
u observaciones agregadas.
2) El(Los) criterio(s) de agregación: Es la(s) operación(es) matemática(s) que será(n)
aplicados a la base de datos original para obtener las nuevas unidades de observación colapsadas:
suma, media, mediana, cuenta, percentil, etc.
3) La base de datos original ha sido modificada. Debería salvarse con un nuevo nombre.
Por ejemplo, a partir de la base personas.dta, se puede obtener una base de datos agregada por
localidad y sexo así:
collapse (mean) edu007, by(localid e03)
38
INSTRUCTOR
La variable edu007 corresponde a los años de educación promedio y jefe a la suma de los jefes de
hogar, en ambos casos, por localidad y sexo.
2.10.2 Reshape
En algunas ocasiones dependiendo del estudio muestral y de la construcción de la base de datos,

usted encontrará su información en dos formatos, ancho (wide) y largo (long), el formato ancho es
aquel en el cual usted tiene un conjunto i de individuos y un número j de variables, donde j es
generalmente una variable con información para diferentes períodos de tiempo.
Para mostrar un ejemplo, utilizaremos la base de datos reshapeState descrita en el libro [1]:
use http://www.stata-press.com/data/imeus/reshapeState, clear

list
state pop1970 pop1980 pop1990 pop2000 area
1. CT .1369841 .6184582 .4241557 .2648021 .871691

2. MA .6432207 .0610638 .8983462 .9477426 .4611429
3. ME .5578017 .5552388 .5219247 .2769154 .4216726
4. NH .6047949 .8714491 .8414094 .1180158 .8944746
5. RI .684176 .2551499 .2110077 .4079702 .0580662
6. VT .1086679 .0445188 .5644092 .7219492 .6759487
En este caso se encuentran seis códigos de estados de nueva Inglaterra, y aparece la información de
la población desde 1970 hasta el 2000 calculada cada década, a continuación transformaremos la
base de datos de formato wide a long por medio del comando reshape, la estructura de este
comando es:
reshape long variable_j, i(variable_individuos) j(nombre nueva variable)

reshape wide variable_j, i(variable_individuos) j(variable_temporal)
39
INSTRUCTOR
con la base de datos actual pasaremos de wide a long
reshape long pop, i(state) j(año)

Data wide -> long
>
Number of obs. 6 -> 24
Number of variables 6 -> 4
j variable (4 values) -> año
xij variables:
pop1970 pop1980 ... pop2000 -> pop
list
state año pop area
1. CT 1970 .1369841 .871691

2. CT 1980 .6184582 .871691
3. CT 1990 .4241557 .871691
4. CT 2000 .2648021 .871691
5. MA 1970 .6432207 .4611429
6. MA 1980 .0610638 .4611429

7. MA 1990 .8983462 .4611429
8. MA 2000 .9477426 .4611429
9. ME 1970 .5578017 .4216726
10. ME 1980 .5552388 .4216726
11. ME 1990 .5219247 .4216726

12. ME 2000 .2769154 .4216726
13. NH 1970 .6047949 .8944746
14. NH 1980 .8714491 .8944746
15. NH 1990 .8414094 .8944746
16. NH 2000 .1180158 .8944746

17. RI 1970 .684176 .0580662
18. RI 1980 .2551499 .0580662
19. RI 1990 .2110077 .0580662
20. RI 2000 .4079702 .0580662
21. VT 1970 .1086679 .6759487

22. VT 1980 .0445188 .6759487
23. VT 1990 .5644092 .6759487
24. VT 2000 .7219492 .6759487
Si se encuentra usted con una base de datos similar a la generada con el comando reshape, podrá
pasarla a formato wide, en nuestro caso usaremos la siguiente sintaxis
reshape wide pop, i(state) j(year)
Continuando con el ejemplo de la encuesta de hogares. Se puede hablar de orientación vertical u

horizontal cuando a cada una de las observaciones i en una base de datos, se las segmenta por algún
criterio j (v.g., diferentes periodos de tiempo). En nuestro ejemplo, cada una de las localidades i,
ha sido segmentada por sexo j, mientras que la base de datos en conjunto ha sido desplegada de
forma vertical. En este caso sin embargo, puede resultar más cómodo emplear una base de datos
orientada horizontalmente, en particular si se quieren hacer comparaciones para cada una de las
localidades entre hombres y mujeres. Podemos emplear el comando reshape, acompañado de las
opciones wide (despliegue horizontal) o long (despliegue vertical), para cambiar la orientación de la
base de datos colapsada así:
reshape wide edu007, i(localid) j(e03)
40
INSTRUCTOR
Para volver a la forma vertical
reshape long edu007, i(localid) j(e03)
2.10.3 Xpose
Usted podrá modificar la orientación de una forma completa en su base de datos, es decir, pasar de
filas a columnas (similar a realizar un transponer en Excel), debe tener cuidado dado que no podrá
retornar a la posición inicial.
sysuse auto , replace

snapshot save, label(“base original”)
41
INSTRUCTOR
keep mpg foreign

xpose , clear
2.10.4 Stack
El comando stack le permitirá a usted fusionar variables por ejemplo tiene los meses de cada año
ordenados en columnas y quiero formar una sola variable con todos los meses para todos los años
2.10.5 Extraer una muestra aleatoria de su base
En algunas ocasiones para hacer estudios muestrales requiere que la base de datos sea dividida por
un método aleatorio, para ello podrá hacer uso del comando simple
sample 80 || tomará el 80% de la muestra

sample 20, count || tomará 20 observaciones a la zar
2.11 PROBLEMAS EN EL MANEJO DE BASES DE DATOS
Cuando usted trabaja con bases de datos en el día a día se encontrará con diferentes problemas y
situaciones que lo pondrán a prueba en el manejo no solo de Stata sino en el conocimiento de su
información, por eso es importante que siempre se pregunte antes de hacer cualquier cambio en su
base de datos, qué quiere hacer y cuál es el resultado esperado, de esta forma podrá pensar más
fácilmente que tipo de ejecución requiere en Stata para llegar a su objetivo, a continuación
presentaremos un conjunto de comandos que presentan algunos casos típicos en el manejo de bases
de datos.
2.11.1 Replicar información
Dependiendo su análisis podrá requerir replicar algún tipo de información de su base de datos, por
ejemplo un cliente, un usuario, un grupo, una empresa, un país, aunque no es una alternativa muy
común, Stata le ayudará a realizar la reproducción de sus datos, expand, es el comando para
duplicar información, pero con la característica que lo puede hacer n veces
sysuse auto, clear

keep if price > 12000
list make price
make price
1. Cad. Eldorado 14,500

2. Cad. Seville 15,906
3. Linc. Mark V 13,594
4. Linc. Versailles 13,466
5. Peugeot 604 12,990
expand 3
42
INSTRUCTOR
De acuerdo al comando usado, los datos se encontrarán 3 veces en la base de datos, tal y como se
presenta a continuación.
sort make price

list make price
make price



13. Peugeot 604 12,990
14. Peugeot 604 12,990
15. Peugeot 604 12,990
2.11.2 Verificación de datos
El comando assert le permitirá verificar la valides de sus datos, este comando le ofrece la
posibilidad de incluir en un archivo de programación una condición, si la condición se cumple
parará la ejecución de la programación, y de esta forma usted podrá chequear si hay algo que no es
correcto en su base de datos, por ejemplo, usted tiene una base de datos con la edad de las personas,
podrá utilizar assert para verificar que en ésta variable no hayan datos extraños, como una edad
mayor a 100 años o menor a 0. La estructura sería
assert edad < 0 | edad > 100
Y aún más completo recomendaríamos incluir evaluar valores perdidos
assert edad < 0 | edad > 100 | edad = =.
2.11.3 Contador y reporte de datos repetidos
El comando count cuantifica el número de observaciones con ciertas características. La

instrucción por sí sola, presenta el número total de observaciones, pero es posible
determinar algunas restricciones
43
INSTRUCTOR
Data  Data Utilities  Count obsevations

count if foreign ==1
El comando isid nos permite asegurar que una variable es una codificación única dentro de
una base de datos, este comando se usa generalmente para chequear que no existan
observaciones duplicadas dentro de una base de datos. Si la variable tiene exactamente
valores únicos entonces no emerge ningún mensaje, de lo contrario aparece lo siguiente:
isid foreign
variable foreign does not uniquely identify the observations
Otro comando que permite verificar si una variable no tiene valores duplicados es
duplicates report, que entrega información respecto a la cantidad de veces que se replica la
información.
2.12 ANÁLISIS DE DUPLICADOS
Uno de los problemas comunes en el manejo de una base de datos es analizar si hay
presencia de observaciones duplicadas
En muchas ocasiones el analista de la información se enfrenta con un problema muy común

y es la réplica de la información, por problemas de digitación y/o captura de la información,
se puede repetir un caso, para ello Stata cuenta con un grupo de diferentes opciones que le
ayudarán a solucionar este problema tan común, con las herramientas vistas hasta el
momento como la creación de variables, condicionales, transformación entre otras tiene a la
mano diferentes formas de conocer cuándo hay un valor repetido o similar en la base de
datos,
Data  Data utilities  Manage Duplicate Observations
Figura 18. Administración de Duplicados
44
INSTRUCTOR
En la figura 18 puede observar las opciones disponibles para el manejo de datos duplicados, se
recomienda seguir cada una de las opciones, Report Duplicates le ofrece la opción de seleccionar
bajo que variable(s) desea analizar si existen duplicados o no, por ejemplo:
sysuse auto, clear

keep if price > 12000
expand 3
duplicates report make
Lo que nos generareport

. duplicates el siguiente
makeresultado
Duplicates in terms of make
copies observations surplus
3 15 10
El resultado indica que hay 15 observaciones en total de las cuales hay 10 en exceso o duplicadas,
indica adicionalmente que para cada observación hay 3 copias.
Para ver el listado total de elementos duplicados
duplicates list make
45
INSTRUCTOR
Duplicates in terms of make
group: obs: make
1 1 Cad. Eldorado
1 6 Cad. Eldorado
1 7 Cad. Eldorado
2 2 Cad. Seville
2 8 Cad. Seville
2 9 Cad. Seville
3 3 Linc. Mark V
3 10 Linc. Mark V
3 11 Linc. Mark V
4 4 Linc. Versailles
5 5 Peugeot 604
5 14 Peugeot 604
5 15 Peugeot 604
Como se puede observar para cada marcar de automóvil hay dos valores adicionales, lo que ya nos
había indicado la opción report informando que habían tres observaciones para cada categoría.
La siguiente opción Tags duplicates permite crear una variable que indica el número de valores
adicionales en este caso será 2, si utilizamos el tag y hacemos una lista se apreciará el resultado.
duplicates tag make, generate(duplicado)

list make duplicado
46
INSTRUCTOR
make duplic~o
1. Cad. Eldorado 2
2. Cad. Eldorado 2
3. Cad. Eldorado 2
4. Cad. Seville 2
5. Cad. Seville 2
6. Cad. Seville 2
7. Linc. Mark V 2
8. Linc. Mark V 2
9. Linc. Mark V 2
10. Linc. Versailles 2

13. Peugeot 604 2
14. Peugeot 604 2
15. Peugeot 604 2
Uno de los objetivos es eliminar los valores duplicados
Para ello use la opción drop duplicates
FIGURA 19. Eliminación de duplicados

duplicates drop make, force
list make
47
INSTRUCTOR
make
1. Cad. Eldorado
2. Cad. Seville
3. Linc. Mark V
4. Linc. Versailles
5. Peugeot 604
2.13 CREACIÓN DE PROGRAMAS – EDITOR DE TEXTO
El usuario puede abrir un editor de texto donde puede crear programas (archivos “.do” y “.ado” de
Stata) haciendo clic en el icono de la ventana “New Do-file Editor” como se muestra en la siguiente
ilustración o presionando “control+8” o haciendo clic en el submenú “Do-file Editor” en el menú
“Window” en la barra de herramientas.
FIGURA 19. Creación de un archivo .do
El usuario puede ejecutar uno o más comandos simultáneamente, generar (macros) o crear rutinas
nuevas para STATA desde un editor de texto al que se accede haciendo clic en el icono –New Do-
file Editor–. A través de este editor se pueden crear archivos tipo *.do y *.ado. Los archivos *.do
son conjuntos de comandos y macros que únicamente se pueden ejecutar cuando el archivo está
activo. En contraste, los archivos *.ado son rutinas que se incorporan a STATA permanentemente y
pueden ser ejecutadas desde la el cuadro de comandos o incluso desde otros archivos *.do y *.ado.
Se accede a este editor como se muestra en la siguiente ilustración, presionando control+8 o
haciendo clic en el submenú –Do-file Editor– en el menú –Window– en la barra de herramientas.
(Darw.)
2.14 COMENTARIOS ADICIONALES LOG FILES
COMANDOS USADOS
append bysort
browse cd
by clear
48
INSTRUCTOR
codebook list
compress log
db merge
decode mvdecode
describe mvencode
destring open
drawnorm order
drop outfile
duplicates prefix
edit recode
encode rename
egen replace
exit reshape
format save
generate snapshot
gsort sort
infile sysuse
insheet use
invnormal() uniform()
keep varmanage
label xpose
OTROS COMANDOS RECOMENDADOS
capture mat
cf more
count notes
cross sample
datasignature seed
expand separate
filin split
format stack
infile svy
inspect tostring
joinby translate
label language versión
language operators
3 { TC "MANEJO FUNDAMENTAL DE STATA 11" }ANÁLISIS

ESTADÍSTICO CON Stata
Stata tiene una amplia posibilidad de realizar los procedimientos generalmente es posible encontrar
varios comandos en diferentes menús. Por ejemplo para poder obtener las estadísticas descriptivas
de una variable es posible usando inicialmente los comandos o por medio de ventanas de ejecución.
49
INSTRUCTOR
Algunos comandos despliegan mucha información que se va mostrando por secciones, para que
sigan apareciendo los resultados es necesario dar clic en el botón GO, o en el mensaje de –more-
que aparece en la parte inferior de la ventana de resultados.
Pero es posible desactivar la opción para que emerga todo el resultado inmediatamente por medio
de set more off.
Para el análisis estadístico el menú Statistics permite obtener gran cantidad de opciones para poder
desarrollar los temas del curso. Por ejemplo en Statistics Summary, tables, and test Summary
and descriptive analysis:
pueden realizar varias operaciones

como son cálculo del intervalo de confianza, test para medias, varianzas, dos muestras, etc., pruebas
parámetricas y no parámetrica
3.1 ESTADÍSTICAS DESCRIPTIVAS
Para poder realizar este tipo de procedimiento se escribe en la barra de comandos el comando sum
que es el prefacio del comando summarize es un comando estándar para generar estadísticos
descriptivos, proporciona información acerca del número de observaciones, la media, la desviación
típica, el mínimo y el máximo de la variable especificada,
50
INSTRUCTOR
Lo que nos genera:
Si agregamos la opción detail, se agrega el coeficiente de asimetría, y curtosis y varios percentiles

de la(s) variable(s) dadas:
3.2 PONDERADORES – WEIGHT-
51
INSTRUCTOR
fweight: frequency weights, indica el número de casos que representa realmente cada observación
muestral. La variable debe contener enteros positivos.
pweight: sampling weights, indica la inversa de la probabilidad de selección muestral de cada

observación. Han de ser positivos, pero no necesariamente enteros.
aweight: analytic weights, indica los pesos inversamente proporcionales a la varianza de cada
observación. Un uso típico de este tipo de ponderación es cuando las observaciones son medias y el
peso representa el número de elementos que generan la media. Han de ser positivos, pero no
necesariamente enteros.
Iweight (importance weights): estos comandos no tienen definición estadística formal, simplemente
representan de alguna forma la importancia que se atribuye a cada observación. Cada comando que
los acepta explica cómo los utiliza puede tener cualquier forma.
3.3 CALCULO DE MEDIAS
Medias Statistics Summarize, tables and test

Arith/Geometric/Armonic means
. mean price
Mean estimation Number of obs = 74
Mean Std. Err. [95% Conf. Interval]
price 6165.257 342.8719 5481.914 6848.6
3.4 INTERVALOS DE CONFIANZA
52
INSTRUCTOR
Intervalos de confianza Statistics Summarize, tables and test Summary and descriptive
. ci price
Variable Obs Mean Std. Err. [95% Conf. Interval]
price 74 6165.257 342.8719 5481.914 6848.6
3.5 PRUEBAS DE HIPÓTESIS
3.5.1 Media
Con Stata puede hacer pruebas de hipótesis de diferencia de medias
ttest horas = 15
ttest horas = wporhora
3.5.2 Varianza
3.5.3 Proporciones
3.6 MANEJO DE Tablas DE DATOS
53
INSTRUCTOR
Gran variedad de opciones para analizar encuestas como tablas de doble y múltiple entrada, de igual
forma permite ver la tabla de frecuencias.
3.6.1 tabstat
Para la generación de tablas descriptivas y de doble entrada, Stata ofrece diferentes opciones, la
opción tabstat la cual calcula la media de cada variable
54
INSTRUCTOR
3.6.2 Tabulate (tab)
Este comando permite construir tablas de frecuencias.

. tabulate rep78
Repair
Record 1978 Freq. Percent Cum.
1 2 2.90 2.90
2 8 11.59 14.49
3 30 43.48 57.97
4 18 26.09 84.06
5 11 15.94 100.00
Total 69 100.00
Si se desean que aparezcan los porcentajes, se debe agregar la siguiente opción
Finalmente puede crear una variable dummy para cada categoría, simplemente, agregue la opción
generate.
tabulate rep78, generate(dummy)
3.7 PRUEBAS PARAMÉTRICAS
3.8 PRUEBAS NO PARAMÉTRICAS
55
INSTRUCTOR
Statistics Summarize, tables and test Nonparametric Test of

hyphotesis
. ksmirnov price = mpg
One-sample Kolmogorov-Smirnov test against theoretical distribution

mpg
Smaller group D P-value Corrected
price: -11.0270 0.000

Cumulative: -40.4189 0.000
Combined K-S: 40.4189 0.000 0.000
COMANDOS USADOS
anova quietly
ci scalar
collapse sktest
contract summarize
correlate table
display tabulate
estat tabstat
level tab1
mean tab2
misstable test
oneway ttest
pwcorr xi
OTROS COMANDOS RECOMENDADOS

56
INSTRUCTOR
compare Stem
Ereturn tabi
ktau Weight
ladder set level 90
Return outreg2
Signtest outreg
spearman
4 { TC "MANEJO FUNDAMENTAL DE STATA 11" }GRÁFICAS CON

Stata
Stata cuenta con una poderosa herramienta gráfica, permitiendo obtener gráficas de excelente
calidad y con varias opciones de edición de las mismas, es posible realizar gráficas como
histogramas, barras, de torta, series de tiempo, Box plot, dispersión, para datos panel y para otros
tipos de análisis como son de supervivencia, multivariado, control de calidad, etc.
Stata tiene dos formas de generar múltiples gráficos, a través de la ventana de comandos con el
comando graph o utilizando la barra de herramientas en Graphics. El comando graph se utiliza con
el tipo de gráfico a realizar. A continuación se presenta la lista de posibles gráficos
Gráficos TWOWAY:
Plottype description
---------------------------------------------------------------------
scatter scatterplot
line line plot
connected connected-line plot
scatteri scatter with immediate arguments
area line plot with shading
bar bar plot
spike spike plot
dropline dropline plot
dot dot plot
rarea range plot with area shading
rbar range plot with bars
rspike range plot with spikes
rcap range plot with capped spikes
rcapsym range plot with spikes capped with symbols
rscatter range plot with markers
rline range plot with lines
rconnected range plot with lines and markers
pcspike paired-coordinate plot with spikes
pccapsym paired-coordinate plot with spikes capped with symbols
pcarrow paired-coordinate plot with arrows
pcbarrow paired-coordinate plot with arrows having two heads
pcscatter paired-coordinate plot with markers
57
INSTRUCTOR
pci pcspike with immediate arguments

pcarrowi pcarrow with immediate arguments
tsline time-series plot
tsrline time-series range plot
mband median-band line plot
mspline spline line plot
lowess LOWESS line plot
lfit linear prediction plot
qfit quadratic prediction plot
fpfit fractional polynomial plot
lfitci linear prediction plot with CIs
qfitci quadratic prediction plot with CIs
fpfitci fractional polynomial plot with CIs
function line plot of function
histogram histogram plot
kdensity kernel density plot
lpoly local polynomial smooth plot
lpolyci local polynomial smooth plot with CIs
Otros tipos de gráficos
graph matrix Matrices de gráficos

graph bar Gráficos de barras – vertical
graph hbar Gráficos de barras – horizontal
graph dot Gráficos de medias
graph box Gráficos de cajas
graph pie Gráficos de tortas
Ejemplos:
graph twoway connected var1 var3

graph twoway scatter var3 var1 var4
graph box var5 if dummy = =1
graph pie var3 var1 in 1/30
Para grabar un gráfico, se usa el comando graph save graph.gph y el nombre del archivo, recuerde
que la extensión de los gráficos de Stata es .gph. Si lo queremos llamar de nuevo usamos graph use
graph.gph
Es posible combinar gráficos por medio del comando combine graph1 graph2..
A continuación se presenta una explicación más detallada de la creación de los diferentes tipos de
gráficos
4.1 HISTOGRAMAS
58
INSTRUCTOR
Histograma: Graphics Histogram
- histogram price, normal

(bin=33, start=2006, width=258942.94)
59
INSTRUCTOR
3.0e-04
2.0e-04
Density
1.0e-04
0 5,000 10,000 15,000

Price
4.2 GRÁFICO DE TORTAS
Gráfica de Tortas : Graphics Pie Chart
60
INSTRUCTOR
29.73%
70.27%
Domestic Foreign
GRAFICAS DE TORTAS
61
INSTRUCTOR
Utilizando la base NLSW.DTA, genere las siguientes gráficas:

graph pie, over(occ7) legend(on cols(1) position(9))
Prof
Mgmt
Sales
Cler.
Operat.
Labor
Other
graph pie, over(occ7) pie(4, explode(large)) legend(on cols(3)) scheme(economist)
Prof Mgmt Sales

Cler. Operat. Labor
Other
graph pie, over(occ7) pie(4, explode(large)) plabel(_all percent, color(black) size(large)

format(%9.2f)) legend(on cols(3)) scheme(economist)
62
INSTRUCTOR
Prof Mgmt Sales

Cler. Operat. Labor
Other
13.58% 14.11%
12.73% 11.75%
10.95%
4.54% 32.32%
graph pie, over(occ7) pie(4, explode(large)) plabel(_all name, color(black) size(medlarge)

format(%9.2f)) legend(on cols(3)) scheme(economist)
Prof Mgmt Sales

Cler. Operat. Labor
Other
Other Prof
Labor Mgmt
Operat.
Cler. Sales
63
INSTRUCTOR
graph pie, over(occ7) pie(4, explode(large)) plabel(_all name, color(black) size(medlarge)

format(%9.2f)) legend(off) scheme(economist)
Other Prof
Labor Mgmt
Operat.
Cler. Sales
graph pie, over(occ7) plabel(_all name, gap(-5)) plabel(_all percent, gap(5)) legend(off)
13.58% 14.11%
Other Prof
12.73% 11.75%
Labor Mgmt
Operat.
10.95%
Cler.
Sales
4.541%
32.32%
64
INSTRUCTOR
graph pie, over(occ7) scheme(vg_s2c) by(union) pie(2, explode)
nonunion union
Prof Mgmt
Sales Cler.
Operat. Labor
Other
Graphs by union worker
4.3 GRÁFICO DE CAJAS
Box Plot: Graphics Box Plot
65
INSTRUCTOR
15,000
Price 10,000
5,000
4.4 GRAFICAS TWOWAY
TWOWAY GRAPH
Todos los comandos para graficas empiezan por graph, pero esto es opcional dependiendo el tipo de
gráfico solo se pone la opción TWOWAY
66
INSTRUCTOR
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
4.5 EDITOR DE GRÁFICOS DE Stata
67
INSTRUCTOR
HACIENDO DOBLE CLIC SOBRE EL ÁREA DE LA GRAFICA
Podemos agregar líneas horizontales o verticales indicando el valor del eje Y/o X donde deseamos
agregar la línea
68
INSTRUCTOR
Usando los comandos para hacer esta gráfica solo es necesario escribir
Scatter mpg weight
PODEMOS CREAR GRÁFICOS POR GRUPOS USANDO EL COMANDO BY
twoway scatter mpg weight, by(foreign)
Domestic Foreign
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000 2,000 3,000 4,000 5,000

Weight (lbs.)
Graphs by Car type
Para acceder por medio de ventanas
69
INSTRUCTOR
Es posible crear varios tipos de gráficas en un solo gráfico algo muy usual es el uso de la gráfica
SCATTER con una recta de regresión ajustada.
Debemos Crear un nuevo grafico sin eliminar el anterior
70
INSTRUCTOR
40
30
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
Mileage (mpg) Fitted values
twoway scatter mpg weight || lfit mpg weight – CON UNA NOTACIÓN DIFERENTE DE
SEPARACION
twoway (scatter mpg weight) (lfit mpg weight)
ALGUNOS EJEMPLOS:
- twoway (qfitci mpg weight, stdf) (scatter mpg weight), by(foreign)
Domestic Foreign
40
30
20
10
0
2000 3000 4000 5000 2000 3000 4000 5000

Weight (lbs.)
95% CI Fitted values
Mileage (mpg)
Graphs by Car type
4.6 GRAFICA DE SERIES DE TIEMPO
sysuse uslifeexp
twoway line le_wm year || line le_bm year
71
INSTRUCTOR
80
70
60
50
40
1900 1920 1940 1960 1980 2000

Year
Life expectancy, males Life expectancy, females
Usando la base sp2001ts.dta
72
INSTRUCTOR
1400
1300
High price/Low price
1200
1100
1000
900
1Jan01 1Apr01 1Jul01 1Oct01 1Jan02

Date
Hacer con los mismos datos usando las opciones de: area, rarea, rconnected, rcap y rbar
4.7 SCATTER GRAPH
73
INSTRUCTOR
graph matrix popgrowth lgnppc safewater lexp

6 8 10 50 60 70 80
4
Avg.
annual 2
%
growth
0
10
8 lgnppc
6
100
safewater 50
0
80
70 Life
expectancy
60 at birth
50
0 2 4 0 50 100
4.8 GRAFICA DE PUNTOS
Installar archivos y esquemas de “A visual guide to Stata Graphics”

net from http://www.stata-press.com/data/vgsg
net spjanfeb2001.dta
twoway (dropline close tradeday, sort)
74
INSTRUCTOR
1400
1350
Closing price
1300
1250
0 10 20 30 40
Trading day number
Realizar con los mismos datos pero usando los formatos: spike, dot, line y connected
Usando la base allstate3.dta, genere la siguiente gráfica
WV
75
DE
AL MS
AR
% who own home
SC
OK KY
TN
70
NC
FL
LA
MD VA
GA
TX
65
30 40 50 60 70 80
% born in state of residence
4.9 GRAFICOS DE BARRAS
Usando la base de datos nlsw.dat
75
INSTRUCTOR
76
INSTRUCTOR
8
6
4
2
0
Prof/Mgmt Sales Clerical Labor/Ops Other

mean of tenure mean of prev_exp
Genere la misma gráfica pero que en el eje Y aparezca el porcentaje.
graph bar (mean) tenure (mean) prev_exp, over(occ5) percentages
graph bar (mean) tenure (mean) prev_exp, over(occ5) stack

15
10
5
0
Prof/Mgmt Sales Clerical Labor/Ops Other

mean of tenure mean of prev_exp
77
INSTRUCTOR
La opción de STACK produce una gráfica donde cada barra sería de dos o más barras apiladas, por
lo que la división muestra la relación de las variables con respecto a total de la suma de las
variables.
4.10 OPCIONES Y EJEMPLOS
Gráficas con weight

Allstates.dta
twoway scatter ownhome borninstate [aweight = propval100], msymbol(oh)
80
70
% who own home
60
50
40
20 40 60 80
% born in state of residence
twoway (scatter propval100 region), xlabel(, valuelabel)
78
INSTRUCTOR
100
80
60
40
20
0
NE N Cntrl South West

Census region
Generando Funciones:
79
INSTRUCTOR
5
4
3
y
2
1
0
0 5 10 15 20
x
Genere el logaritmo de X, una distribución normal, el valor absoluto, x2, x3, seno, coseno y
tangente.
Pirámides poblacionales
Por medio de la gráfica de barras es posible realizar una pirámide poblacional, para ello se usará la
base de datos pop2000mf.dta, primero se calcularán algunas variables por millón de personas:
gen fenmil = femtotal/1000000

gen malmil = -maletotal/1000000
gen zero = 0
80
INSTRUCTOR
81
INSTRUCTOR
10
5
0
-5
-10
0 5 10 15 20
Age category
malmil fenmil
82
INSTRUCTOR
20
15
Age category
10
5
0
-10 -5 0 5 10
malmil fenmil
83
INSTRUCTOR
84
INSTRUCTOR
80 to 84
75 to 79
70 to 74
65 to 69
60 to 64
55 to 59
50 to 54
45 to 49
40 to 44
35 to 39
30 to 34
25 to 29
20 to 24
15 to 19
10 to 14
5 to 9
Under 5
10 5 0 5 10
Población en Millones
malmil fenmil
4.11 COMBINANDO GRÁFICAS
graph combine "C:\Users\USER\Desktop\Graph1.gph" "C:\Users\USER\Desktop\Graph2.gph"
4.12 OTRAS GRÁFICAS
85
INSTRUCTOR
4.12.1 Kdensity
sysuse auto
kdensity length
Kernel density estimate

.015
.01
Density
.005
140 160 180 200 220 240

Length (in.)
kernel = epanechnikov, bandwidth = 8.4732
4.12.2 Qnorm
qnorm price
15,000
Price 10,000
5,000
0 5,000 10,000 15,000

Inverse Normal
86
INSTRUCTOR
4.12.3 Quantile
quantile price
15000
10000
Quantiles of Price
5000
0 .25 .5 .75 1
Fraction of the data
COMANDOS USADOS
bar Quantile
box Cchart
combine pchart
dot Rchart
graph Xchart
Histogram rvpplot
kdensity scatter
Matrix title
Pie Twoway
Qnorm Tsline
EJERCICIO 1
Los datos correspondientes a los profesores de la Universidad Rafael Núñez se encuentran

contenidos en el documento Docentes1.csv. Se le ha encomendado a usted la tarea de analizarlos en
Stata. Las variables que contiene el archivo son las siguientes:
Nombre de la variable Etiqueta de la variable

Num Código interno de identificación
87
INSTRUCTOR
Nombres
Apellidos
Documento Documento de identidad
Dependencia Lugar en que labora
Dedicación Categoría bajo la cual fue contratado
fecha_ingreso
estado_civil
Sueldo
Carro Respuesta a pregunta tiene o no carro
Categoría Cargo que desempeña
Para iniciar el análisis de los datos deberá llevar a cabo las siguientes tareas:
 Importar los datos al programa: Las variables no tienen nombre. Usted deberá ingresarlos
manteniendo el orden y sintaxis del cuadro anterior, por el método que considere conveniente.
- Pistas: El cuadro de diálogo del comando con el cual importa los datos en formato csv.
Los nombres de las variables no deben contener espacios.
- Problema: Datos mal importados

Pista: Separador de variables
 Crear y asignar etiquetas a variables numéricas
El siguiente cuadro le indica las etiquetas que debe crear para cada variable:
Variable Valor Etiqueta

Dependencia 1 Agronomía
2 Artes
3 Ciencias
4 Ciencias Agropecuarias
5 Ciencias Económicas
6 Ciencias Humanas
7 Derecho
8 Divulgación Cultural
9 Enfermería
10 Estudios Ambientales
11 Generación 125 años
12 I.C.T.A.
13 Idiomas Extranjeros
14 Ingeniería
15 Instituto de Biotecnología
88
INSTRUCTOR
16 Instituto de Estudios
17 Políticos
18 Instituto de Genética
19 Medicina
20 Odontología
Veterinaria y Zootecnia
Estado Civil 1 Casado
2 Separado
3 Soltero
4 Unión Libre
5 Viudo
Carro 1 No
2 Si
Categoría 1 Experto DOS
2 Instructor Asistente
3 Instructor Asociado
4 Profesor Asistente
5 Profesor Asociado
 Crear etiqueta para variable de texto Dedicación
- Pista: El contenido de la variable debe ser reconocido como una etiqueta (encode).
 Adicionar datos y variables: Resulta que la persona que digitó los datos lo hizo de forma
incompleta, omitiendo datos y variables. Los datos adicionales (802) fueron posteriormente
almacenados en el archivo Docentes2.dta y la variable género, para el total de los encuestados
(2302), fue introducida en el archivo Genero_docentes.dta. Usted deberá introducirlos en la
base que está trabajando correctamente, es decir, manteniendo la correspondencia entre los
datos.
Una vez incorporada la variable género, cree la etiqueta, conforme al formato de la variable.
 Filtros (browse , list, edit, keep y drop)

NOTA: PRIMERO GUARDE LA BASE DE DATOS EN EL SNAPSHOT
- Filtre por las siguientes condiciones, los docentes hombres que trabajan en la dependencia
Ciencias Económicas (5), tienen un salario inferior a 1500000 y son viudos (5). Exporte
el resultado en un archivo formato csv con el nombre filtro_01,
- Exporte en un archivo formato csv con el nombre filtro_02, los datos correspondientes a
las personas mujeres que no tienen carro (1) , viven en unión libre (4) , son profesor
asociado o asistente (4 – 5) y trabajan en las dependencias de Ciencias, Artes o Ingeniería
(2 – 3 – 14).
89
INSTRUCTOR
EJERCICIO 2
Durante el año 2001, se realizó una Encuesta sobre la Juventud Española. La muestra era de 10.000
jóvenes, de la que se han seleccionado tan sólo aquellos entrevistados con estudios universitarios
(717 sujetos). De las 60 preguntas de que constaba el cuestionario, el archivo de datos (base.dta)
sólo recoge 20 preguntas mostradas a continuación, tal como se plantearon a los entrevistados.
Organice la información, no olvide crear el archivo LOG, debe crear las etiquetas (labels) a
las variables y sus valores.
NOTA: Al final usted debe enviar al correo brayanrojas2@gmail.com el archivo log y el

archivo .do
Los nombres que tienen las variables (V1 a V20) en la base de datos corresponden a las siguientes
variables, por ejemplo v1 = OCIO.
OCIO
HORAS
TV
INFANCIA
CAMA
LIMPIAR
NIÑOS
HIJOS1
HIJOS2
AMOR
COLEGIO
LIBROS
RELIGION
ESCALA
INGRESO1
INGRESO2
INGRESO3
INGRESOT
GENERO
EDAD
ENCUESTA
P.1 Para empezar y refiriéndonos a lo que haces en tus días de ocio, quisiéramos saber ¿cuál es la
actividad que más te gusta hacer fuera de casa cuando dispones de tiempo libre?
- Beber, ir de copas, bailar 1
- Hacer deporte 2
- Viajes, excursiones 3 OCIO
- Ir al cine, al teatro 4
- Ir a museos, ir a conciertos 5
- Leer 6
90
INSTRUCTOR
P.2 En total, ¿cuántas horas libres tienes a la semana para tu ocio o diversión?
_______ HORAS
P.3 Aproximadamente y por término medio, ¿cuántas horas semanales dedicas a ver la televisión?
__________ TV
P.4 ¿Cómo dirías que ha sido tu infancia, la definirías como...

- La etapa más feliz de tu vida 1
- Una etapa más feliz que otras 2
- Una etapa igual de feliz que otras 3
- Una etapa menos feliz que otras 4 INFANCIA
- La etapa menos feliz de tu vida 5
P.5 ¿Podrías decirme cuál es tu grado de dedicación en las siguientes tareas de tu hogar?
- Hacer la cama 1 2 3 4 CAMA

- Limpiar la casa 1 2 3 4 LIMPIAR
- Cuidar de los hijos o hermanos pequeños 1 2 3 4 NIÑOS
1. No suelo hacerlo nunca

2. Sólo lo hago en ocasiones
3. Comparto esta tarea con otra/s personas
4. Recae en mí toda la responsabilidad, y suelo hacerlo siempre
P.6 ¿Cuántos hijos crees que llegarás a tener?
P.7 Y en el plano ideal, ¿cuántos hijos te gustaría llegar a tener?

Llegará a tener Le gustaría
HIJOS1 HIJOS2
- Uno 1 1
- Dos 2 2
- Tres 3 3
- Cuatro 4 4
- Cinco 5 5
- Ninguno 0 0
P.8 ¿En cuál de las siguientes situaciones te encuentras?

- Tienes novio/a formal 1
- Ahora no tienes novio/a formal 2
- Hasta ahora sólo has tenido relaciones afectivas pasajeras 3 AMOR
- Nunca has tenido una relación afectiva especial con un chico/a 4
P9. Vamos a hablar ahora de tus estudios. ¿En que centro realizaste la totalidad o la mayor parte de
tus estudios?
-En un centro estatal, público 1

-En un centro privado no religioso 2 COLEGIO
-En un centro privado religioso 3
P10. Excluyendo los libros de texto, ¿Cuántos libros has leído en los últimos doce meses?
91
INSTRUCTOR
______________ LIBROS
P11. ¿Cómo te defines en materia religiosa?

-Católico practicante 1
-Católico no practicante 2
-Creyente de otra religión 3 RELIGION
-No creyente 4
-Indiferente 5
P12. Cuando se habla de política se utilizan normalmente las expresiones izquierda y derecha. ¿En
que casilla te colocarías? ESCALA
IZQUIERDA DERECHA
01 02 03 04 05 06 07 08 09 10
P13. Que cantidad aproximadamente de dinero (en miles de pesetas) ingresas al mes por cada uno
de los conceptos siguientes?
Ingresos personales _________________ INGRESO1

Ingresos de tu pareja _________________ INGRESO2
Aportaciones familiares _________________ INGRESO3
P14. Actualmente, entre todos los miembros de tu hogar y por todos los conceptos, ¿de cuantos
ingresos netos (sin descuentos) dispones por término medio en tu hogar al mes?
-Menos o igual a 500 Euros. 1

-De 501 a 1000 Euros. 2
-De 1001 a 1500 Euros. 3
-De 1501 a 2000 Euros. 4
-De 2001 a 3000 Euros. 5 INGRESOT
-De 3001 a 4000 Euros. 6
-De 4001 a 5000 Euros. 7
-De 5001 a 7500 Euros. 8
-De 7501 a 10 Mil Euros. 9
-Más de 10 Mil Euros. 10
P15. Sexo:
-Hombre 1 GÉNERO
-Mujer 2
P16. ¿Cuántos años cumpliste en tu último cumpleaños?

____________años EDAD
Responda las siguientes preguntas:
Envíe un archivo .doc con las respuestas correspondientes.
1. Cree una variable ingreso bruto que va a ser la suma de ingreso1, ingreso2 e ingreso3.
92
INSTRUCTOR
2. Calcule los estadísticos descriptivos de cada una de las variables y analice cuáles tienen
valores perdidos?
Para los valores perdidos asígneles un valor verdadero de la siguiente forma
VARIABLE VALOR PERDIDO A:

OCIO 6
INFANCIA 5
HIJOS1 e HIJOS2 0
COLEGIO 1
LIBROS Depende la variable INGRESOT, por ejemplo
si INGRESOT = 1, entonces LIBROS = 9,
INGRESOT =2  LIBROS = 8, etc.
RELIGION El Valor 9 es un valor perdido
3. Realice una prueba de comparación de medias, donde compare si la media de la variable

ingreso1 es igual a ingreso2
4. Calcule las correlaciones entre los ingresos, libros y TV, son estadísticamente
correlacionados?
5. ¿Cuántos hombres y cuántas mujeres tienen novio y les gusta el cine?
6. Cree tres grupos para la variable INGRESOT en una sola variable que se llame
situacion_economica así: personas que ganan hasta 2000 Euros. Personas que ganan hasta
5000 Euros. y los demás. Asígneles en una nueva variable el calificativo de POBRES,
ACOMODADOS Y RICOS respectivamente. (Recomendación use: generate y replace o
recode)
7. ¿Cuántos POBRES, ACOMODADOS Y RICOS hay por GENERO y por EDAD

8. ¿Cuántos individuos ven menos de 18 horas de TV?.
9. En promedio, ¿Cuántas horas ven semanalmente la TV según la situación económica?
10. ¿Cuántos libros han leído por SEXO y por COLEGIO las personas que sostienen un
noviazgo formal?
11. ¿Cuántos jóvenes españoles respondieron que no suelen hacer nunca al menos uno de los
oficios del hogar?
12. ¿Calcule el porcentaje total por fila de la variable religión independientemente del sexo?,
mencione cuál es el porcentaje de columna de los que son religión: No creyente y son
mujeres, é indique este valor en porcentaje con respecto al total de personas?
13. Grafique las siguientes variables, es bajo su criterio el formato de presentación:
a. Genero e IngresoT
b. Genero, Religión e Ingreso
c. Religión, amor e hijos1
d. Ocio, horas y tv
e. Genero con ingreso1 e ingreso2
93
INSTRUCTOR
5 { TC "MANEJO FUNDAMENTAL DE STATA 11" }REGRESIÓN

LINEAL EN Stata6
Una de las principales fortalezas de Stata tiene que ver con la gran versatilidad, flexibilidad y
facilidad que ofrece para estimar modelos de regresión. Uno de los principales objetivos de los
modelos de regresión es explicar el comportamiento de uno o más fenómenos (variables
dependientes) a partir de un conjunto de regresores (o variables independientes) que, en la mayoría
de los casos, han sido identificados por la teoría como los factores que explican el fenómeno que se
está estudiando. Sin duda, por la facilidad de su interpretación, los modelos de regresión lineal son
los más populares y los más empleados por los investigadores de diferentes disciplinas.
A continuación se presentan los pasos para estimar un modelo lineal a través de mínimos cuadrados
ordinarios (MCO) a partir de la información de la base de datos “ECUACION INGRESO.dta”. El
ejercicio propuesto busca establecer la relación existente entre los ingresos laborales mensuales
(expresada en logaritmos) y un conjunto de variables de contexto de los individuos (horas de trabajo
al mes, años de educación aprobados, años de experiencia laboral, sexo, etc.). La teoría económica
establece que la relación entre los ingresos laborales y el conjunto de variables de contexto
individual se puede representar (en su forma más simple) a través de la ecuación
Donde el conjunto de variables empleadas en la estimación son:
Variable Descripción de la variable

lny Logaritmo natural del ingreso laboral mensual (Dependiente)
lnm Logaritmo natural de las horas de trabajo al mes (Independiente)
edu007 Número de años de educación aprobados (Independiente)
exp Años de Experiencia laboral (Independiente)
exp2 Años de experiencia laboral al cuadrado (Independiente)
e03 Dummy de sexo "1=hombre; 0=Mujer" (Independiente)
EJERCICIO:
6. A partir de la información de la base de datos “ECUACION INGRESO.dta”, generar las
variables necesarias con sus respectivas etiquetas para estimar la ecuación (1)
DESCRIPCIÓN ESTADÍSTICA DE LA INFORMACIÓN: Antes de estimar la ecuación de

ingreso (1), es conveniente realizar una primera aproximación a los datos de forma descriptiva. El
comando summarize (en forma abreviada summ) genera las estadísticas descriptivas básicas de
una o más variables. La sintaxis del comando se describe a continuación:
6
omando aboutreg
Findit aboutreg
94
INSTRUCTOR
Por ejemplo
summ lny lnm edu007 exp exp2 e03
Se obtiene el siguiente reporte:
 Número de observaciones de cada variable (Obs),

 Promedio de cada variable (Mean)
 Desviaciones estándar (Std. Dev.)
 Valor mínimo de cada variable (Min)
 Valor máximo (Max).
Se puede obtener más detalles estadísticos de cada una de las variables con la opción “detail” así:
summ lny lnm edu007 exp exp2 e03, d
RELACIÓN LINEAL ENTRE LAS VARIABLES DEPENDIENTES E INDEPENDIENTES:

Con el fin de analizar la relación lineal entre las variables regresoras del modelo calculamos la
matriz de correlaciones. A través de la instrucción pwcorr se obtiene la matriz de correlación de las
variables que van a ser incluidas en el modelo de regresión así:
pwcorr lny lnm edu007 exp exp2, sig
lny lnm edu007 exp exp2
lny 1.0000
lnm 0.3674 1.0000

0.0000
edu007 0.4995 -0.0127 1.0000

0.0000 0.0812
exp -0.0766 -0.0211 -0.3772 1.0000

0.0000 0.0037 0.0000
exp2 -0.1373 -0.0541 -0.4213 0.9425 1.0000

0.0000 0.0000 0.0000 0.0000
95
INSTRUCTOR
El comando “pwcorr” estima los coeficientes de correlación del conjunto de variables del modelo.
En la matriz de correlaciones aparece el coeficiente de correlación que es un valor número que va
desde 0 a 1 e indica el grado de asociación lineal entre las variables, este coeficiente viene
acompañado del nivel de significancia (con la adición de la opción “sig”), que permite decidir sobre
la hipótesis nula de que el coeficiente de correlación vale cero. En nuestro ejemplo, el coeficiente de
correlación entre años de educación (edu007) e ingreso salarial en logaritmos (lny) es de 0,4 y tiene
una significancia de 0, lo cual indica que existe una relación significativa entre estas dos variables.
REPRESENTACIÓN GRAFICA DE LAS RELACIONES ENTRE VARIABLES: En segundo

lugar, y como paso previo al proceso de estimación, analizamos gráficamente la relación entre la
variable dependiente y cada uno de los regresores del modelo. Por ejemplo, para representar la
relación entre los ingresos y los años de educación aprobados, es conveniente que primero
generemos una variable que indique el ingreso promedio por año de educación así:
Col1 Col2 Col3 Col4

id Años de educación Ingreso (Miles de pesos) Ingreso promedio por año de educación
1 6 20000 25000
2 6 30000 25000
3 6 25000 25000
4 5 25000 24000
5 5 24000 24000
6 5 23000 24000
7 2 24000 22000
8 2 20000 22000
9 0 20000 17500
10 0 15000 17500
La variable “ingreso promedio por año de educación” en la columna 4 se grafica respecto a los años
de educación (el usuario puede comprobar que es más fácil identificar la relación entre la variable
dependiente y los regresores si se generan variables promedio)
Como se observa en la tabla anterior, la operación realizada en la columna 4 (ingreso promedio por
año de educación), resulta de efectuar un cálculo al interior de la columna 3 (Ingreso), teniendo en
cuenta como criterio de agrupación la columna 2 (años de educación). Este tipo de operaciones se
pueden efectuar en Stata a través del comando egen.
Como en nuestro caso la variable dependiente es el logaritmo de los ingresos laborales
1. Generamos la variable “lny_ed” que será promedio del logaritmo natural de los ingresos por
año de educación aprobado. Esta operación, se realiza a través del comando egen y la opción by
así:
egen lny_ed=mean(lny), by(edu007)
96
INSTRUCTOR
2. A continuación, graficamos el promedio del logaritmo natural de los ingresos por año de
educación respecto a los años de educación aprobados por medio del comando line así:
line lny_ed edu007, sort
Ahora tenemos una idea bastante clara de la relación promedio observada entre el logaritmo de los
ingresos laborales y los años de educación y de qué tan realista es la aproximación lineal en este
caso. El gráfico parece indicar que sería conveniente estimar la relación entre estas dos variables a
través de una transformación de tipo “spline”.
De otro lado, la relación entre los ingresos laborales promedio y los años de experiencia es de tipo
cuadrático.
Observamos que la variable de experiencia tiene un comportamiento exponencial, lo cual justifica el

uso de la variable experiencia al cuadrado en las estimaciones.
97
INSTRUCTOR
ESTIMACIÓN DEL MODELO LINEAL DE REGRESIÓN: Para estimar la ecuación (1) a

través de MCO empleamos el comando regress (en forma abreviada reg) así:
regress lny lnm edu007 exp exp2
El comando regress genera una amplia gama de estadísticas además de los coeficiente de regresión.
 La tabla “source” también, conocida como tabla de análisis de varianza ANOVA, presenta
la información relacionada con la suma de cuadrados “SS”, los grados de libertad “df” y los
cuadrados promedio “MS” del modelo y de los residuos. El cálculo del R2 se puede obtener
manualmente dividiendo la suma de cuadrados del modelo entre la suma de cuadrados
totales.
 Al lado derecho de la tabla fuente se presenta otro paquete de estadísticas. El estadístico F

resulta de calcular la razón entre la suma de cuadrados promedio del modelo y la suma de
cuadrados promedio de los residuos. A través de este estadístico se puede probar la
hipótesis de que todos los coeficientes excluyendo la constante son estadísticamente iguales
a cero.
 Significancia e intervalos de confianza de los coeficientes: A través del estadístico

̂⁄ ̂ puede probar la hipótesis de que cada uno de los coeficientes estimados es
estadísticamente igual a cero, mientras que en la columna “95% Conf. Interval” se presenta
el intervalo, al 95% de confianza, para cada uno de los coeficientes.
 Interpretación de los coeficientes: La interpretación de los coeficientes varía dependiendo

de la forma como están expresadas las variables en el modelo así:
Interpretación de los betas estimados de acuerdo a la forma como están expresadas las
variables del modelo
Variable independiente en Variable independiente en niveles
logaritmos
98
INSTRUCTOR
Variable Elasticidad: Cambio porcentual Semi-elasticidad: Cambio porcentual

dependiente en esperado en y ante un cambio esperado en y ante un cambio marginal
logaritmos porcentual en x. En nuestro ejemplo en x. En nuestro ejemplo , ˆ , ˆ y
3
, ˆ1
2
ˆ 4
Variable Cambio esperado en nivel en y ante Efecto marginal: Cambio esperado en

dependiente en un cambio porcentual en x nivel en y ante un cambio marginal en
niveles x.
 Resumen estadístico de la muestra empleada en la estimación: Raras veces el número de

observaciones empleadas en las estimaciones coincide exactamente con las observaciones
que originalmente estaban disponibles en la base de datos. Para obtener una descripción
resumida de la muestra empleada efectivamente en la estimación después realizar MCO
empleamos el comando estat sum el cual genera el siguiente resultado.
estat sum
Es fácil comprobar que las características de las personas en la muestra empleada en la estimación
difieren de las observadas en la base de datos original.
PRUEBAS DE HIPÓTESIS LINEALES: Una vez realizada una regresión lineal es posible
probar hipótesis lineales sobre los coeficientes estimados a través del comando test así:
test lnm=1
En el primer caso se probó que si el coeficiente estimado asociado a las horas de trabajo al mes es
igual a 1. La probabilidad de que el coeficiente sea 1 es cero, por los tanto no se acepta la hipótesis.
En términos económicos se podría afirmar que no hay elasticidad unitaria entre horas de trabajo al
mes y el ingreso laboral.
99
INSTRUCTOR
EJERCICIO:
9. Pruebe la hipótesis de que todos los coeficientes del modelo exceptuando el intercepto son
estadísticamente iguales a cero. Compare con la prueba F generada por Stata en la regresión lineal
antes estimada.
10. ¿Cuántos años de experiencia laboral serian necesarios para maximizar los ingresos laborales
mensuales?
lincom -0.0347/(2*-0.0003987)
COMPROBACIÓN DEL CUMPLIMIENTO DE LOS SUPUESTOS DE MCO
MULTICOLINEALIDAD (Asociación lineal entre variables): Pese a que en presencia de

multicolinealidad los estimadores son MELI (Mejores Estimadores Lineales Insesgados), los errores
estándar de los coeficientes estimados tienden a estar inflados (sobreestimados), haciendo más fácil
que se acepte que uno o más regresores son estadísticamente iguales a cero. La velocidad con la
cual se incrementan las varianzas y las covarianzas de los estimadores puede analizarse a través del
factor inflador de varianza, el cual calcula Stata a través del comando vif después de ejecutar
regress así:
Vif
Los VIF de cada uno de los estimadores cuyo valor sea superior a 10 (algunos menos conservadores
consideran 30) indican que la variable a la que acompañan puede considerarse como una
combinación lineal de otras variables independientes. Alternativamente suele observarse el índice
de Tolerancia (1/VIF). Un índice de tolerancia igual a 0.1 es equivalente a un VIF de 10. Valores de
tolerancia inferiores a 0.1 (0.333 para los menos conservadores) indican presencia moderada o
severa de multicolinealidad.
EJERCICIO:
11. Calcule cada uno de los VIF de la regresión anterior.
HOMOSCEDASTICIDAD: Es uno de los principales supuestos de MCO. En términos generales,

en presencia de heroscedasticidad la varianza de los estimadores está sesgada (sobrestimada o
subestimada). En estos casos no se puede confiar en las pruebas t y F. Visto de otro modo, si el
modelo está bien especificado no debería existir un patrón definido entre los residuales del modelo
y la variable dependiente pronosticada. Cuando la varianza de los residuales no es constante se dice
100
INSTRUCTOR
que la varianza de los residuales es heteroscedástica. Existen métodos gráficos y métodos formales
para detectar heteroscedasticidad.
Método Gráfico: A través de un gráfico que relacione los residuales del modelo contra los
valores estimados de la variable dependiente se puede hacer una primera comprobación
visual de posibles patrones de interrelación entre estas dos variables. Siguiendo con nuestro
ejemplo, en Stata se puede obtener este gráfico a través del comando rvfplot así:
rvfplot, yline(0)
No parece haber un patrón definido en los residuales del modelo.
Método formal: Stata ofrece una gran variedad de pruebas de heteroscedasticidad para
modelos lineales estimados a través de MCO. Sin embargo, una de las pruebas de
heteroscedasticidad más ampliamente difundida es la prueba de WHITE. Esta prueba se
puede obtener después de emplear el comando regress así:
imtest, white
Claramente se rechaza la prueba de homoscedasticidad. Así mismo se puede constatar que los
residuales tienen problemas de asimetría (skewness) y apuntalamiento (kurtosis). Una forma simple
101
INSTRUCTOR
de corregir heteroscedasticidad según el criterio de WHITE (1980)7 es a través de la opción robust

en la estimación por MCO así:
regress lny lnm edu007 exp exp2, robust
Aunque el problema de heteroscedasticidad no era importante (la significancia de los coeficientes se

mantuvo inalterado), se puede constatar que los errores estándar en el modelo corrección de
heteroscedasticidad son mayores, lo cual prueba que inicialmente estaban subestimados.
NORMALIDAD DE LOS RESIDUOS: Es un supuesto necesario únicamente garantizar la

validez de las pruebas t y F en MCO. En realidad, MCO tan solo requiere que los residuales estén
idéntica e independientemente distribuidos. Después de ejecutar el comando regress, podemos
emplear el comando predict seguido por la opción res para estimar los residuales así:
predict residual, res
Método Gráfico: A continuación empleamos los comandos kdensity y qnorm para

constatar gráficamente si los residuos siguen una distribución normal así: kdensity
residual, normal
7
WHITE H. 1980. A Heteroscedasticity Consistent Covariance Matriz Estimator and Direct Test of
Heteroscedasticity. Econometrica, vol 48.
102
INSTRUCTOR
La opción normal permite comparar la función de densidad de los residuales con una función de
densidad normal. Se puede observar apuntalamiento y asimetría en los residuales. Otra
comprobación gráfica de normalidad muy conocida es aquella que contrasta cuantiles de una
variable contra cuantiles de una distribución normal. Cuanto más cerca estén los cuantiles de la
variable a los cuantiles de la distribución normal (línea diagonal continua) más cerca está la variable
de ser normal. Stata la representa a través del comando qnorm así:
qnorm residual
Método formal: Claramente hay problemas en los residuales que nos hacen pensar en que
no se cumple el supuesto de normalidad. Sin embargo, para estos casos en los que la
variable tiene muchas observaciones, Stata ofrece una prueba formal de normalidad a través
del comando sktest así:
sktest residual
103
INSTRUCTOR
Se rechaza la hipótesis de normalidad en los residuales del modelo.
EXOGENEIDAD DE LAS VARIABLES INDEPENDIENTES: Otro supuesto básico en

regresión lineal es que las variables explicativas están determinadas por fuera del modelo que
estamos estimando. En otras palabras, suponemos que ninguno de los regresores está determinado
por otro u otros regresores dentro del modelo. A través de la prueba de HAUSMAN (1978) 8 es
posible establecer si un regresor es exógeno o no. La prueba se realiza en etapas: en primer lugar,
estimamos un modelo que consideramos consistente pero ineficiente (en el sentido que no
empleamos toda la información disponible para explicar la variable dependiente).
A continuación, estimamos otro modelo (el cual tiene en cuenta la variable que deseamos
comprobar si es exógena) que suponemos consistente y eficiente. En tercer lugar, empleamos el
estadístico de HAUSMAN el compara los coeficientes comunes en ambos modelos y sus
respectivas matrices de varianzas y covarianzas. Si no hay diferencias sistemáticas en los
coeficientes la nueva variable se puede considerar exógena. Los pasos y los comandos necesarios
para realizar esta comprobación en Stata son:
1. Estimamos el modelo consistente pero ineficiente (no tiene en cuenta la variable lnm)
regress lny edu007 exp exp2, robust
2. Lo almacenamos con el comando est store así:

est store reg
3. Estimamos el modelo que suponemos consistente y eficiente (tiene en cuenta la variable lnm)
regress lny lnm edu007 exp exp2, robust
4. Calculamos el estimador de HAUSMAN

hausman reg ., eq(1:1)
Existen diferencias sistemáticas en los coeficientes, por lo tanto la variable lnm es endógena, en
otras palabras, puede estar explicada por los otros regresores del modelo.
EJERCICIO:
12. Pruebe la hipótesis de exogeneidad de cada una de las variables del modelo.
8
HAUSMAN J,. Specification Test in Econometrics, Econométrica Vol. 46. No. 6. 1978.
104
INSTRUCTOR
PRONOSTICO: El pronóstico de la variable dependiente se realiza empleando el comando

predict
predict lnyp if e(sample), xb
La opción e(sample) restringe la estimación a la muestra efectivamente empleada en la estimación.
REPRESENTACIÓN GRAFICA DEL PRONÓSTICO DE LA VARIABLE DEPENDIENTE

Y SU RELACIÓN CON LOS REGRESORES: Finalmente es posible visualizar la aproximación
del modelo de regresión lineal a través de MCO, graficando el ingreso estimado promedio respecto
a cada una de las variables independientes. Por ejemplo, la relación entre el ingreso estimado
promedio por año de educación y los años de educación se obtiene siguiendo los siguientes pasos:
egen plny_ed=mean(lnyp), by(edu007)

─ Generación de los ingresos promedio estimados por año de educación ─
line plny_ed lny_ed edu007, sort

─ Gráfico que representa los ingresos estimados y observados por año de educación y los años de
educación
Ahora tenemos una idea bastante clara de la aproximación lineal que hemos llevado a cabo entre los
ingresos promedio y los años de educación a través de MCO.
EJERCICIO:
13. Grafique la relación promedio entre las variables dependiente y dependiente pronosticada contra
cada uno de los regresores del modelo.
14. Estime una ecuación que además tenga en cuenta el sexo como variable explicativa
15. Compruebe si se cumplen los supuestos de MCO
16. ¿Cómo decidirá cuál de los dos modelos estimados (sin sexo y con sexo) es el mejor y como lo
haría en Stata?
105
INSTRUCTOR
6 MODELOS ARIMA9
SERIE DE TIEMPO EN Stata MODELOS AUTORREGRESIVOS DE MEDIA MOVIL

(ARMA)
Los modelos autorregresivos (AR), de media móvil (MA) y autorregresivos de media móvil
(ARMA) se caracterizan por incorporar en la explicación futura de la variable dependiente su
propio comportamiento pasado. Esta forma de modelar la conducta de una serie de datos temporales
hace posible, en su forma más simple en modelos univariados, la generación de pronósticos sin
emplear información adicional proveniente de otros regresores. En las secciones siguientes
seguiremos la metodología de BOX y JENKINS (1976)10 para estimar y pronosticar modelos
univariados de serie de tiempo a través de Stata. En particular se hará uso de la información
mensual de inflación contenida en la base de datos INFLACION.dta.
Antes de desarrollar la metodología de BOX y JENKINS aprenderemos a generar variables con

formato de fecha, variables rezagadas y a designar la variable que representará el tiempo en las
estimaciones. Cargamos la base de datos INFLACION.dta use INFLACION.dta
GENERACIÓN DE VARIABLES CON FORMATO DE FECHA Las variables de tiempo;

fechas en años, semestres, trimestres, meses, semanas y días deben tener un formato especial en el
análisis de serie de tiempo y panel de datos. Los formatos de estas variables en cada caso se
describen a continuación:
Formato Descripción Codificación
%td ó %d Diario 0 = 01jan1960; 1 = 02jan1960
%tw Semanal 0 = 1960w1; 1 = 1960w2
%tm Mensual 0 = 1960m1; 1 = 1960m2
%tq Trimestral 0 = 1960q1; 1 = 1960q2
%th Semestral 0 = 1960h1; 1 = 1960h2
%ty Anual 1960 = 1960; 1961 = 1961
Es posible generar variables con formato de fecha a partir del comando generate. Por ejemplo, para
crear una variable con formato mensual empleamos la siguiente sintaxis:
9
Findit arimafit, Arimafit
Para crear una dummy para una fecha especifica
g dummy = (fecha ==tm(2008m10))
10
BOX G. & JENKINS G. Time Series Analiysis, Forecasting and Control. Holden Day, San Francisco. 1976
106
INSTRUCTOR
Como la base de datos es relativamente pequeña podemos listar la información en la base de datos
por medio del comando list así: list
La variable “fecha” tiene un formato numérico general que corresponde al número de meses desde
1960. En el mes 1 del año 2001 el número de meses transcurridos desde 1960 son 492. Sin
embargo a la variable fecha se le puede dar un formato numérico mensual así:
VARIABLES CON REZAGO
En análisis de serie de tiempo resulta muy útil generar variables con uno o más rezagos. En estos
casos suele acompañarse al comando generate con los operadores [_N] y [_n]. El operador _N se
usa para contar el número total de observaciones en una variable y, el operador _n numera las
observaciones dentro de una variable.
107
INSTRUCTOR
Por ejemplo, podemos generar una variable rezagada un periodo así:

g rezago = inflacion[_n-1]
En este ejemplo se debe tener en cuenta:

 “Inflación” es el nombre de la variable que será rezagada.
 Los corchetes en este caso deben ser cuadrados.
 No puede hacer separación entre la variable a rezagar y el corchete cuadrado de apertura.
 “-1” en este caso indica que la variable “inflacion” será rezagada 1 período.
Al listar las variables “fecha”, “inflacion” y “rezago” se puede visualizar la nueva variable “rezago”
correspondiente a la inflación rezagada un período.
list fecha inflacion rezago
DESIGNANDO LA VARIABLE QUE REPRESENTA AL TIEMPO: Antes de estimar

cualquier modelo de serie de tiempo es necesario que Stata reconozca la variable que representa el
tiempo (en nuestro ejemplo, la variable fecha). Este paso se logra a través del comando tsset así:
tsset fecha, monthly
La opción monthly indica la periodicidad mensual de la variable de tiempo “fecha”.
NOTA: Para hacer pronósticos varios períodos hacia delante es necesario que la variable que
representa el tiempo se extienda tantos períodos hacia delante como períodos de la variable
dependiente se quieran pronosticar. En nuestro ejemplo, 7 períodos hasta diciembre de 2006. Se
dispone de información de inflación hasta mayo de 2006.
108
INSTRUCTOR
METODOLOGÍA BOX JENKINS (BJ) APLICADA AL CASO DE SELECCIÓN Y

ESTIMACIÓN DE UN MODELO ARMA PARA PRONOSTICO DE LA INFLACIÓN.
BOX JENKINS difundieron una metodología en tres fases para identificar, estimar y validar
modelos de serie de tiempo univariada y generar pronósticos. A continuación seguiremos estos
pasos para obtener un modelo de pronóstico tipo ARMA para la inflación mensual.
1. FASE DE IDENTIFICACIÓN: La primera aproximación a los datos es gráfica. Al

graficar la variable a pronosticar respecto al tiempo obtenemos información sobre posibles
“outliers”, valores perdidos “missing values” o cambios estructurales en la serie de datos.
Así mismo, si la variable a pronosticar es no estacionaria podrán observarse tendencias
pronunciadas o comportamientos sin media y/o varianza constante a través del tiempo. Con
el comando tsline es posible efectuar esta primera constatación así:
tsline inflacion
A su vez es posible constatar si se viola el supuesto de estacionariedad comprobando la existencia

de raíces unitarias por medio de la prueba de DICKEY y FULLER DF (1979) 11. En Stata la prueba
se puede efectuar a través del comando dfuller así:
dfuller inflacion, trend regress lags(7)
Nota: Previamente se comprobó la no que no eran significativos los rezagos 7,…,12 (se probaron
12 rezagos porque la serie es mensual). Para tener en cuenta la tendencia en la prueba se emplea la
opción trend. La opción regress se puede omitir si tan sólo se desea el valor del estadístico DF.
Para omitir la constante se emplea la opción noconstant.
11
DICKEY D. & FULLER W. 1991. Distribution of the Estimates for Autoregressive Time Series With a
Unit Root. Journal of the American Statistical Association 74.
109
INSTRUCTOR
Al 1% de significancia se rechaza la hipótesis de existencia de raíz unitaria, en otras palabras, se

puede pensar que la variable inflación ha sido generada por un proceso estacionario.
El paso a seguir consiste en identificar la naturaleza del proceso generador de datos (en nuestro
ejemplo, la inflación). Para llevar a cabo esta tarea se suele recurrir a las funciones de
autocorrelación (para identificar el componente de media móvil MA del modelo) y autocorrelación
parcial (para identificar el orden la parte autorregresiva AR del modelo). En Stata ambas funciones
se pueden graficar con los comandos ac y pac respectivamente así:
ac inflacion
pac inflacion
110
INSTRUCTOR
2. FASE DE ESTIMACIÓN: Las funciones de autocorrelación y autocorrelación parcial

sugieren varios procesos ARMA factibles para la inflación. La selección de los modelos
debe tener en cuenta los criterios de parsimonia (menor parametrización posible)
estacionariedad e invertibilidad de la variable dependiente y bondad de ajuste del
modelo. A continuación presentamos una de los posibles procesos ARMA para la inflación.
El comando para estimarlos en Stata es arima y a través de las opciones ar(número de los
rezagos de la variable dependiente separados por comas) ma(número de los rezagos
separados por comas) se puede especificar el componente autorregresivo y de media móvil
así:
arima inflacion tendencia, ar(1,12) ma(5,8,11) robust
Nota: El orden de integración en este caso es 0. Sin embargo a través del prefijo D1., D2.,
D3.,…,etc., antecediendo la variable dependiente (por ejemplo, D1.inflacion, D2.inflacion,
111
INSTRUCTOR
D3.inflacion,…) se pueden lograr diferenciaciones de orden superior. La opción robust genera una
matriz de varianzas y covarianzas consistente con posibles problemas de heteroscedasticidad.
A través del comando estat ic se puede obtener el criterio de información de Akaike (AIC) y el
criterio bayesiano de Schwartz (BIC) los cuales son las dos medidas más comunes de bondad de
ajuste. Cuanto más pequeño es el valor de los estadísticos (AIC) y (BIC) mejor ajuste tiene el
modelo. Estos criterios se pueden emplear para seleccionar el modelo más apropiado de un conjunto
de posibles modelos.
estat ic
3. FASE DE VERIFICACIÓN Y DIAGNOSTICO: Es muy importante que los residuales

del modelo estimado no estén serialmente correlacionados. Cualquier evidencia de
correlación serial implicaría movimientos sistemáticos en la variable dependiente que no
han sido tenidos en cuenta por los coeficientes incluidos en el modelo ARMA. Para
chequear correlación en los residuales se pueden construir las funciones de autocorrelación
y autocorrelación parcial para los residuales. A través del comando predict seguido de la
opción res podemos estimar los residuales así:
predict residual, res

ac res
112
INSTRUCTOR
pac res
En una prueba más general, se puede constatar si los residuales son “ruido blanco”, en otras
palabras, tienen media cero, varianza constante y no están serialmente correlacionados. A través del
comando wntestq realizar esta prueba así:
wntestq residual
No hay evidencia para rechazar que la serie de residuales es ruido blanco.
PRONÓSTICOS Finalmente, podemos emplear el modelo para hacer pronósticos. El pronóstico

se puede hacer tantos periodos hacia delante como horizonte temporal tenga la variable de tiempo
“fecha” la cual está definida entre el mes 1 de 2001 y el mes 12 de 2006, mientras que se tiene dato
mensual de inflación hasta el mes 5 de 2006. A través del comando predict seguido de la opción xb
podemos pronosticar la inflación para los siguientes 7 meses así:
predict inf_p, xb
El pronóstico de inflación para el mes 6 de 2006 (según este proceso ARMA) es del 0.366%.
Listamos las variables “fecha”, “inflación” e “inf_p” a través del comando list así:
list fecha inflacion inf_p
113
INSTRUCTOR
Finalmente, a través del comando tsset es posible visualizar los valores observados y pronosticados
de la inflación hasta diciembre de 2006.
tsline inflacion inf_p
EJERCICIO:
24. Replique las fases 1, 2 y 3 de la metodología de BJ para generar un proceso ARMA para la
inflación.
25. Comparé entre varios modelos posibles la bondad de ajuste de los mismos para seleccionar el
mejor modelo.
26. Pronostique la inflación para los próximos 6 meses y grafique los resultados frente a los valores
observados.
114
INSTRUCTOR
7 MODELOS DE VARIABLE DEPENDIENTE DICOTÓMICA

MODELOS LOGIT Y PROBIT
Si queremos analizar los factores que determinan que una persona participe o no en el mercado
laboral, o que un individuo apoye o no a un determinado candidato político, o que un estudiante
alcance o no la titulación. Todas esas variables de análisis pueden tomar uno de dos valores:
participación vs. no participación; apoyo vs. no apoyo; titulación vs. no titulación. Esa característica
recibe el nombre de respuesta binaria o dicotómica.
En la encuesta CASEN 2006 se encuentra la variable ACTIV, que considera a la población en edad
de trabajar (15 años y superior). El comando “tab” acompañado de los pesos relativos nos permite
alcanzar una descripción de la condición actividad en Chile para dicho año:
ACTIVIDAD Freq. Percent Cum.

Ocupados 6,578,325 53.11 53.11
Desocupados 519,357 4.19 57.3
Inactivos 5,288,175 42.7 100
Total 12,385,857 100
De la Población en Edad de Trabajar el 53% se encontraba ocupada, el 4% de la población se

encontraba desempleada y un 42% no se estaba ni trabajando ni buscando empleo. La Población
Económicamente Activa está determinada por aquella población ocupada o buscando activamente
empleo, por lo que el 57% participaba activamente en el mercado laboral. Podemos generar una
variable de participación a partir la variable ACTIV. La siguiente cadena de comandos genera la
variable PARTI:
gen PARTI=1 if ACTIV==1 | ACTIV==2

recode PARTI (mis=0) if ACTIV==3
label variable PARTI "Participa en el mercado laboral"
label define part 1 "si" 0 "no"
label values PARTI part
tab PARTI [w=EXPR]
Participa Freq. Percent Cum.

No 5,288,175 42.7 42.7
Si 7,097,682 57.3 100
Total 12,385,857 100
Para el propósito de este ejemplo vamos a considerar las variables de género, edad, estado civil,
nivel de estudios, nivel de ingresos del hogar, relación con el jefe de hogar y el número de personas
en el hogar. Sin embargo, en un modelo ampliado podrían considerarse otras variables.
Algunas de las opciones que se pueden utilizar para analizar la variable de participación son:
-Modelo de regresión logística (el usado en el presente ejemplo)
115
INSTRUCTOR
-Modelo de regresión probabilística. Los resultados bajo este tipo de análisis producen resultados
similares a los resultados de la regresión logística. La escogencia entre uno y otro modelo depende
de las preferencias del investigador. Estos dos modelos construyen una función de probabilidad
acerca de la ocurrencia del evento a describir, (en este caso que un individuo participe en el
mercado laboral) y la diferencia está en la forma funcional que asume cada modelo12.
-Mínimos cuadrados ordinarios. Cuando se utiliza esta metodología sobre una variable dicotómica
se le conoce como un modelo lineal de probabilidad. Sin embargo, los residuos de la estimación
violan los supuestos de homocedasticidad y de normalidad del modelo clásico, lo que resulta en
errores estándar y pruebas de hipótesis inválidas13.
REPRESENTACIÓN DE LAS RELACIONES ENTRE VARIABLES
Participación y Género
4,000,000
3,000,000
PARTICIPAN
2,000,000
1,000,000
Hombre Mujer
Participa en el Mercado Laboral

Sexo no si Total
Hombre 1,622,038 4,303,680 5,925,718
Mujer 3,666,137 2,794,002 6,460,139
Total 5,288,175 7,097,682 12,385,857
Participación y Nivel Educativo
12
La función logística es y la función probabilística es , donde z es una combinación
lineal de las variables independientes y es la función cumulativa de la distribución normal.
116
INSTRUCTOR
Hombre Mujer
1
.8
.6
.4
.2
0
BASICA INC
BASICA INC
BASICA COMP
TEC. O UNI. COMP
BASICA COMP
TEC. O UNI. COMP

SIN EDUC.
TEC. O UNI. INC.
TEC. O UNI. INC.

M.HUM. COMPL
M.HUM. COMPL
M.HUM. INCOM
M.HUM. INCOM
SIN EDUC.
Graphs by Sexo
Comparar el número de participantes entre los diferentes niveles educativos, no hace sentido cuando
las poblaciones no son comparables en términos relativos. Si la Tasa Global de Participación está
determinada por la cantidad de personas que participan en el mercado laboral sobre el PET, para
comprender el efecto del nivel educativo se deben comparar las tasas globales de participación para
cada grupo. El promedio aritmético de la variable PARTI nos dará la TGP total y para diferentes
grupos.
Participación y Edad
Hombre Mujer
1
.8
.6
TGP
.4
.2
0
25 30 35 40 45 50 25 30 35 40 45 50
Edad
Graphs by Sexo
117
INSTRUCTOR
EL MODELO
El comando logit (probit) nos permite obtener los resultados de la estimación logística
(probabilística). La estimación se hace a través de la metodología de máxima verosimilitud por lo
que en el proceso de estimación, Stata primero muestra las iteraciones necesarias para alcanzar la
convergencia.
Cuando existen variables categóricas con más de dos categorías (parentesco, estado civil) Stata las
puede codificar automáticamente para que cada una de las categorías cuente como una dummy.
Para eso se antepone el prefijo “xi:” frente a toda la expresión de la regresión y el prefijo “i.” antes
de cada variable.
El comando para nuestra regresión sería:
xi: logit PARTI EDAD ESC NUMPER YTOTHAJ i.PCO1 i.ECIVIL [w=EXPR], or
En este caso las variables de parentesco con el jefe de hogar (PCO1) y de estado civil (ECIVIL) son
codificadas por Stata y la codificación responde al orden en que las variables categóricas adoptan
valores. Por ejemplo PCO1, ordinalmente la primera etiqueta es “Jefe de Hogar” y Stata crea una
dummy _IPCO1_1 para nombrarla. En la siguiente tabla hemos cambiado los nombres por los
valores de las categorías.
A través del menú se puede acceder a través de la siguiente ventana:
118
INSTRUCTOR
INTERPRETACIÓN DE RESULTADOS
Logistic regression Number of obs = 12350554

LR chi2(26) = 5343508.93
Prob > chi2 = 0.0000
Log likelihood = -5757734.7 Pseudo R2 = 0.3170
PARTI Coef. Std. Err. z P>z [95% Conf. Interval]

EDAD 1.405421 0.0004208 1136.8 0.000 1.404597 1.406246
EDAD2 0.9959793 3.35E-06 -1197 0.000 0.9959728 0.9959859
ESC 1.079306 0.0002364 348.4 0.000 1.078843 1.07977
NUMPER 0.9488846 0.0004178 -119.15 0.000 0.948066 0.9497039
ln_yh 1.411687 0.001251 389.07 0.000 1.409237 1.414141
SEXO 0.2841959 0.0005004 -714.53 0.000 0.2832169 0.2851784
Esposo(a)/pareja 0.2011062 0.000529 -609.71 0.000 0.200072 0.2021458
Hijo(a) de ambos 0.3484257 0.0012295 -298.8 0.000 0.3460244 0.3508438
Hijo(a) sólo del jefe 0.4514981 0.0016216 -221.4 0.000 0.4483311 0.4546876
Hijo(a) sólo pareja 0.4635512 0.0032046 -111.22 0.000 0.4573128 0.4698748
Padre o madre 0.4341893 0.0040822 -88.74 0.000 0.4262617 0.4422644
Suegro(a) 0.2939172 0.0037459 -96.07 0.000 0.2866663 0.3013516
Yerno o nuera 0.5033273 0.0028171 -122.66 0.000 0.4978361 0.5088792
Nieto(a) 0.3610026 0.0019264 -190.93 0.000 0.3572466 0.3647982
Hermano(a) 0.4379944 0.0027837 -129.9 0.000 0.4325723 0.4434844
Cuñado(a) 0.3344293 0.0033597 -109.03 0.000 0.3279089 0.3410794
Otro familiar 0.5141375 0.0031495 -108.6 0.000 0.5080015 0.5203477
No familiar 0.5903649 0.0046445 -66.99 0.000 0.5813316 0.5995385
Serv. Doméstico PA 1648.008 141.3405 86.37 0.000 1393.017 1949.674
Conviviente o pareja 1.592905 0.0039783 186.41 0.000 1.585126 1.600721
Anulado(a) 0.9038334 0.0149046 -6.13 0.000 0.8750879 0.9335232
Separado(a) 1.309596 0.0051878 68.09 0.000 1.299467 1.319803
Divorciado 0.7064578 0.0132978 -18.46 0.000 0.6808696 0.7330077
Viudo(a) 0.6516602 0.0030059 -92.84 0.000 0.6457954 0.6575784
Soltero(a) 0.940806 0.0029598 -19.4 0.000 0.9350227 0.946625
Sin dato 0.4601236 0.0165179 -21.62 0.000 0.4288618 0.4936642
Los primeros resultados observados anteriormente se refieren al máximo de la función de

verosimilitud, que puede ser utilizado como un criterio de información para comparar modelos
anidados (nested). Por ejemplo si adicionamos más variables a nuestro modelo y mantenemos las
mismas, esos dos modelos estarán anidados porque el modelo extendido (el nuevo) contiene al
modelo reducido (con menos variables).
También podemos observar que del total de observaciones iniciales con descripción de
participación (12,385,857) hemos perdido algunas observaciones por los missing values en las
variables que utilizamos para analizar el modelo.
119
INSTRUCTOR
La prueba de hipótesis de significancia conjunta del modelo está establecida por la razón de
verosimilitud que se distribuye como una Chi-cuadrado con k+1 g.l.. Stata presenta el estadístico
(LR chi2 (25)) y su p value. La interpretación es que nuestro modelo representa mejor a los datos
que un modelo sin variables.
Para la interpretación de la relación entre las variables independientes e independientes, el

coeficiente nos da un efecto parcial (el signo) y nos da el efecto total sobre la función lineal z, pero
no sobre la función de probabilidad de ocurrencia de la variable dependiente. Lo anterior debido a
que un cambio en una variable dependiente genera un cambio sobre la probabilidad de ocurrencia
que depende del nivel de todas las demás variables consideradas. La significancia de las variables
está testeada individualmente en el resultado de la estimación y la interpretación es igual al caso de
regresión lineal clásica.
Odds - Ratio (p/q). La interpretación de los coeficientes de las variables categóricas14 viene de la
relación entre el coeficiente y el logaritmo del radio de probabilidad de ocurrencia del evento (log
odds ratio) es igual a . El odds ratio aproxima el qué tanto es más probable que el evento ocurra
dado que se tiene la característica descrita por la variable categórica con respecto a la referencia.
Para observar el odds ratio , directamente se puede combinar la opción “or” con el comando “logit”.
En el caso de nuestro ejemplo, las mujeres son menos propensas a participar en el mercado laboral
hasta en un 72%, teniendo en cuenta que el coeficiente fue de -1.25. Las otras variables categóricas
generaron cada una subsecuentes variables dicotómicas, y la interpretación se hace en comparación
a la referencia.
La relación entre los coeficientes y la probabilidad en el caso de las variables continuas es un poco
más compleja, la comparación se hace con la distancia a la media. Sin embargo, la dirección del
efecto sobre la probabilidad es igual al efecto sobre la función lineal “z”.
En el ejemplo un aumento en el salario también aumenta la participación relativa de una personal

igual que la escolaridad. Un aumento de un 1% en el salario con respecto a la media ($351,000)
hace que la razón de participar en el mercado laboral (vs. no participar) aumente con un factor de
1.41 (= exp(0.3447)). Un aumento de la edad aumenta la probabilidad de participar en el mercado
laboral, pero a una tasa decreciente. El número de personas en el hogar disminuye la probabilidad
de que no se participe
POST – ESTIMACIÓN
Un primer paso de la post estimación consiste en probar la significancia conjunta de las variables
dummies que conforman las categóricas. Para esto se puede correr una prueba de Wald ajustada a
través del comando “test”. Por ejemplo, podemos rechazar la hipótesis nula de que la variable de
estado civil es conjuntamente no significativa:
test _IECIVIL_2 _IECIVIL_3 _IECIVIL_4 _IECIVIL_5 _IECIVIL_6 _IECIVIL_7 _IECIVIL_9
( 1) [PARTI]_IECIVIL_2 = 0
14
Para una prueba formal ver Applied Logistic Regression p.50.
120
INSTRUCTOR
chi2( 7) =60644.47
Prob > chi2 = 0.0000
Para obtener las probabilidades estimadas, que es lo que finalmente deseamos saber, Stata 11 creo
el comando “margins”. El siguiente comando va a modelar todas las probabilidades para cada valor
de SEXO, empezando por el 0 hasta 1 con un ancho de intervalo de 1.
margins, at(SEXO=( 0 (1) 1)) atmeans
Variable Valor Ancho Valor

de Interés Inicial Intervalo Final
Predictive margins Number of obs = 12350554

Model VCE : OIM
Expression : Pr(PARTI), predict()

1._at : ...(lista de medias)
SEXO = 0
…(lista de medias
2._at : …(lista de medias)
SEXO = 1
…(lista de medias)
[95%
Margin Std. Err. z P>z Conf. Interval]
_at
1 0.7362227 0.0002468 2982.78 0.0000 0.7357389 0.7367065
2 0.4423416 0.0002768 1598.17 0.0000 0.4417992 0.4428841
La probabilidad de que una persona trabaje siendo hombre (1. at SEXO = 0) es el 73.6%, mientras
que la probabilidad de que una persona trabaje siendo mujer es de 44.2%, manteniendo todas las
demás variables en su media.
Si quiere fijarse el valor de más de una variable, o fijar los intervalos de variables continuas, o en
cortes de distribución de las variables independientes:
margins, at(SEXO=(0(1)1) PCO1=1) atmeans noatlegend
margins, at(ln_yh=(11 11.5 12 13 13.5) PCO1=1) atmeans noatlegend
margins, at((p25) _all) atmeans noatlegend
margins, at((p25) _all (mean) ESC ) atmeans noatlegend
121
INSTRUCTOR
8 MODELOS DE DATOS PANEL O LONGITUDINALES
Un conjunto de datos panel (o longitudinales) consta de una serie temporal para cada
miembro del corte transversal en el conjunto de datos. Como ejemplo, supongamos que
tenemos salario, educación y experiencia de un grupo de individuos a los que se les hace
seguimiento por 5 años. De igual forma es posible recopilar información en unidades
geográficas. Por ejemplos, datos de municipios de un país sobre impuestos, salarios, gastos
estatales, niveles de educación, entre otros.
La característica principal de los datos panel, que los distinguen de las combinaciones de
cortes transversales, es el hecho de que se da seguimiento a las mismas unidades
transversales ya sean individuos, países, regiones, entre otros, durante cierto período de
tiempo.
Como los datos de panel exigen la repetición de las mismas unidades con el tiempo, los
conjuntos de estos datos, en particular de los individuos, hogares y empresas, son más
difíciles de conseguir que en las combinaciones de cortes transversales. La ventaja es que al
tener las mismas unidades es posible controlar ciertas características inobservadas de
individuos, empresas, etc.
Es decir es posible capturar inferencias causales que no es posible capturar con los cortes
transversales. La segunda ventaja de los datos panel es que permite estudiar la importancia
de los rezagos en el comportamiento o el resultado de tomar una decisión. Esta información
puede ser significativa, puesto que es de esperar que muchas políticas económicas tengan
efecto sólo al paso del tiempo.
La idea de los panel es poder capturar esos factores inobservables, por ejemplo, lo que
influye en el salario de un individuo en 1990 también influirá en el mismo individuo en
1991, ese factor inobservable puede ser la capacidad o habilidades.
8.1 ANÁLISIS DE DATOS PANEL
El principal objetivo de aplicar y estudiar los datos en panel, es capturar la heterogeneidad

no observable, ya sea entre agentes económicos o de estudio asó como también en el
tiempo, dado que esta heterogeneidad no se puede detectar ni con estudios de series
temporales ni tampoco en corte transversal.
La aplicación de esta metodología permite analizar dos aspectos de suma importancia

cuando se trabaja con este tipo de información y que forman parte de la heterogeneidad no
observable: i) los efectos individuales específicos y ii) los efectos temporales.
En lo que se refiere a los efectos individuales específicos, se dice que estos son aquellos
que afectan de manera desigual a cada uno de los agentes de estudio contenidos en la
muestra (individuos, empresas, bancos) los cuales son invariables en el tiempo y que
afectan de manera directa las decisiones que tomen dichas unidades. Usualmente se
122
INSTRUCTOR
identifica este tipo de efectos con cuestiones de capacidad empresarial, eficiencia operativa,
capitalización de la experiencia, acceso a la tecnología, etc.
Los efectos temporales serían aquellos que afectan por igual a todas las unidades
individuales del estudio pero que no varían en el tiempo. Este tipo de efectos pueden
asociarse, por ejemplo, a los choques macroeconómicos que pueden afectar por igual a
todas las empresas o unidades de estudio.
VENTAJAS DE ESTIMACIÓN POR PANEL
 La técnica permite al investigador económico disponer de un mayor número de

observaciones incrementando los grados de libertad y reduciendo la colinealidad
entre las variables explicativas y, en última instancia, mejorando la eficiencia de las
estimaciones econométricas.
 Tal y como se mencionó anteriormente, la técnica permite capturar la

heterogeneidad no observable ya sea entre unidades individuales de estudio como
en el tiempo. Con base en lo anterior, la técnica permite aplicar una serie de pruebas
de hipótesis para confirmar o rechazar dicha heterogeneidad y cómo capturarla.
 Los datos en panel suponen, e incorporan en el análisis, el hecho de que los

individuos, firmas, bancos o países son heterogéneos. Los análisis de series de
tiempo y de corte transversal no tratan de controlar esta heterogeneidad corriendo el
riesgo de obtener resultados sesgados.
 Permite estudiar de una mejor manera la dinámica de los procesos de ajuste. Esto es
fundamentalmente cierto en estudios sobre el grado de duración y permanencia de
ciertos niveles de condición económica (desempleo, pobreza, riqueza).
 Permite elaborar y probar modelos relativamente complejos de comportamiento en

comparación con los análisis de series de tiempo y de corte transversal. Un ejemplo
claro de este tipo de modelos, son los que se refieren a los que tratan de medir
niveles de eficiencia técnica por parte de unidades económicas individuales
(empresas, bancos, etc).
Desventajas
 En términos generales, las desventajas asociadas a la técnica de datos de panel se

relacionan con los procesos para la obtención y el procesamiento de la información
estadística sobre las unidades individuales de estudio, cuando esta se obtiene por
medio de encuestas, entrevistas o utilizando algún otro medio de levantamiento de
los datos. Ejemplos de este tipo de limitaciones son: cobertura de la población de
interés, porcentajes de respuesta, preguntas confusas, distorsión deliberada de las
respuestas, etc.
123
INSTRUCTOR
8.2 ANÁLISIS DE DATOS PANEL DE DOS PERÍODOS

Utilizando la base de datos CRIME2.dta, tenemos t = 1 y t = 2, la base contiene los índices
de delincuencia y de desempleo de 46 ciudades para 1982 y 1987, por lo tanto t = 1 = 1982
y t = 2 = 1987. Si hacemos una regresión t = 2, qué coeficiente se esperaría para la variable
desempleo?, son significativos los coeficientes?
Los resultados son:
. reg crmrte unem if year == 87
Source SS df MS Number of obs = 46

F( 1, 44) = 1.48
Model 1775.90927 1 1775.90927 Prob > F = 0.2297
Residual 52674.6465 44 1197.15106 R-squared = 0.0326
Adj R-squared = 0.0106
Total 54450.5558 45 1210.01235 Root MSE = 34.6
crmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
unem -4.161134 3.416456 -1.22 0.230 -11.04655 2.72428

_cons 128.3781 20.75663 6.18 0.000 86.54589 170.2104
Si se interpreta el resultado se observa que un aumento en el índice de desempleo

disminuye el delictivo. Es significativo y coherente?.
El problema puede ser causado por variables omitidas tales como edad, género, educación.
Pero por medio de datos panel es posible observar como la inclusión del año 82 puede
ayudar a controlar el hecho de que distintas ciudades tienen históricamente diferentes
índices de delincuencia.
Por medio de análisis de datos agrupados, se hace el análisis que el efecto inobservable es
de dos tipos, el constante y el que varía en el tiempo. En la ecuación anterior la constante es
t = 1, y t =2 es Bo + δo.
La variable ai captura todos los efectos inobservables constantes en el tiempo que influyen
en Yit, ai es denominada EFECTO INOBSERVABLE, en este caso denominada EFECTO
FIJO, dado que no se modifica en el tiempo. La ecuación anterior es un modelo de
EFECTOS INOBSERVABLES O MODELO DE EFECTOS FIJOS. Uit se denomina error
idiosincrático o error de variación temporal., pues representa factores inobservables que
cambian en el tiempo. De acuerdo al ejemplo anterior, el modelo a estimar es
La variable d87, será el efecto fijo en este caso URBANO, que pueden ser las
características demográficas, si no hay un cambio en las políticas puede encontrarse la
educación, la raza y la edad. Ahora por los supuestos de MCO, U no debe estar
correlacionado con las X, por lo tanto se hace un cambio en la ecuación
124
INSTRUCTOR
Donde Vit = ai + uit, se denomina ERROR COMPUESTO. Realizando la estimación del

ejemplo
. reg crmrte unem d87

F( 2, 89) = 0.55
Model 989.717223 2 494.858612 Prob > F = 0.5788
Adj R-squared = -0.0100
Total 81045.5167 91 890.610074 Root MSE = 29.992
crmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
unem .4265473 1.188279 0.36 0.720 -1.934538 2.787633

d87 7.940416 7.975325 1.00 0.322 -7.906385 23.78722
_cons 93.42025 12.73947 7.33 0.000 68.10719 118.7333
El resultado no es bueno, dados la insignificancia, lo que indica que el supuesto de no

correlación está afectado el modelo, además, MCO con variables dicotómicas no soluciona
el problema de variables omitidas, además, uno de los objetivos de panel es capturar
correlaciones entre a y X.
En la mayor parte de las aplicaciones, la razón de data panel es permitir que el efecto
inobservable se correlacione con las variables explicativas. Por ejemplo, en la delincuencia,
deseamos dejar que los factores urbanos no contemplados en ai que influyen en el índice de
delincuencia, se correlacionen también con el índice de desempleo.
Es sencillo realizarlo: Como ai es constante en el tiempo, diferenciamos a lo largo de los
dos años. De manera se escribe la ecuación de esta forma
El efecto ai es eliminado al diferenciar, la ecuación anterior es denominada ecuación de

diferencia de primer orden. Lo importante es que no exista correlación entre U y X. Para
poder estimar este modelo debe haber cambio en las X, dado que si hay una variable que no
cambie, como por ejemplo el sexo de una persona la estimación es incorrecta. Reestimando
este modelo tenemos
125
INSTRUCTOR
. reg ccrmrte cunem

F( 1, 44) = 6.38
Model 2566.43744 1 2566.43744 Prob > F = 0.0152
Total 20255.9871 45 450.133047 Root MSE = 20.051
ccrmrte Coef. Std. Err. t P>|t| [95% Conf. Interval]
cunem 2.217999 .8778658 2.53 0.015 .4487771 3.987222

_cons 15.4022 4.702117 3.28 0.002 5.92571 24.8787
by var35: gen ccrmrte= crmrte - crmrte[_n-1]
El resultado ahora proporciona una relación positiva, entre los índices. La interceptción
revela que cuando el cambio en el desempleo = 0, el índice delicitivo es de 15.4, esto
refleja un aumento secular en los índices delictvos en USA de 1982 a 1987.
Ejercicio 1
1. Use la base de datos SLP75_81.dta para estimar el intercambio entre el tiempo
dedicado a dormir y a trabajar. El modelo es descrito por
Estime el modelo correspondiente e intérprete.

2. Utilice la base CRIME3.dta y estime el siguiente modelo diferenciándolo
El modelo de índice de delincuencia para Noruega, tiene como dependiente el porcentaje de

casos resuletos, los rezagos van a permitir que se observe si el índice de casos resueltos
pasados ejerce influencia sobre el índice de hoy. Si son significativos indicaría que un
mayor porcentaje de casos resueltos hace t períodos disuadiría delitos de este año. Qué
decisión de política tomaría usted?
8.3 ANÁLISIS DE POLÍTICAS POR MEDIO DE DATOS PANEL
Dado que se hace un seguimiento a los mismos individuos, nos permite analizar después de
cierta implementación de política su efecto, permitiendo tener grupos de control. El
siguiente ejemplo es para observar el efecto de las leyes de conducir en estado de ebriedad
con las muertes de tránsito.
La ley implementada es la ley sobre recipientes abiertos, la cual se vuelve ilegal contener
recipientes de bebidas alcohólicas dentro del vehículo, se desea comparar contra la ley
administrativa que cancela la licencia una vez el conductor es encontrado en estado de
embriaguez, el archivo TRAFFIC1.DTA contiene datos de 1985 y 1990 para los 50 estados
y el distrito de Columbia. La variable dependiente es el número de muertes de transito por
cada 100 millones de millas conducidas (dhrte). Estime el modelo en diferencias para dhrte
126
INSTRUCTOR
con respecto a la variable open la que indica si contaba o no con la ley, y la variable admin,
que indica la existencia de la ley administrativa.
Cuál ley tiene mayor efecto?.
8.4 ANÁLISIS DE MÁS DE DOS PERÍODOS
El modelo para tres períodos es dado por
El intercepto para el primer período es δ1 y para el segundo es δ1+δ2. Para hacer el

análisis de más períodos simplemente se diferencia la ecuación anterior, resultando
Al realizar el procedimiento anterior el intercepto no se incluye, pero en muchas ocasiones

este intercepto es necesario, por lo tanto se reajusta la ecuación anterior y se incluye
solamente un período de tiempo.
De manera general
Este tipo de análisis es muy útil para análisis de políticas.
Utilizando la base de datos EZUNEM.dta, con la cual se busca capturar el efecto de las
zonas empresariales en los reclamos de los seguros de desempleo, la variable ZE captura el
efecto del programa de zonas empresariales en los reclamos del seguro de desempleo. Se
analizaron 22 ciudades de 1980 a 1988, la variable de estudio es UCLMS la cual indica el
número de reclamos de seguro de desempleo del año t y la ciudad i. El modelo a estimar es
La variable dependiente en la ecuación es la tasa de crecimiento anual aproximada de los

reclamos del seguro de desempleo del año t- 1 a t. el tamaño de la muestra es 22*8 = 176.
127
INSTRUCTOR
. reg guclms d82-d88 cez

F( 8, 167) = 34.50
Model 12.8826331 8 1.61032914 Prob > F = 0.0000
Residual 7.79583815 167 .046681666 R-squared = 0.6230
Total 20.6784713 175 .118162693 Root MSE = .21606
guclms Coef. Std. Err. t P>|t| [95% Conf. Interval]
d82 .7787595 .0651444 11.95 0.000 .6501469 .9073721

d83 -.0331192 .0651444 -0.51 0.612 -.1617318 .0954934
d84 -.0171382 .0685455 -0.25 0.803 -.1524655 .1181891
d85 .323081 .0666774 4.85 0.000 .1914417 .4547202
d86 .292154 .0651444 4.48 0.000 .1635413 .4207666
d87 .0539481 .0651444 0.83 0.409 -.0746645 .1825607
d88 -.0170526 .0651444 -0.26 0.794 -.1456652 .1115601
cez -.1818775 .0781862 -2.33 0.021 -.3362382 -.0275169
_cons -.3216319 .046064 -6.98 0.000 -.4125748 -.2306891
La presencia de Zonas Empresariales hace que los reclamos del seguro se reduzcan en
aproximadamente (exp(-1.818) – 1) el 16.6%. los demás parámetros indican la intercepción
en cada t, indicando si bajaron o subieron los reclamos del seguro de desempleo.
Ejercicio 2.
1. Utilizando la base CRIME4.DTA , la cual es el índice de delincuencia en Carolina
del Norte, desde 1981 a 1987, la variable a estudiar CRMRTE es el índice de
delincuencia, PRBARR es la probabilidad estimada de arresto, PRBCON es la
probabilidad de condena dado un arresto, PRBPRIS es la probabilidad de cumplir
una sentencia en prisión dada una condena, LAVGSENS es la duración de la
sentencia promedio cumplida y POPLC es el número de efectivos policiacos per
cápita, de los 90 condados estudiados. Estime el modelo diferenciado y analice la
existencia de heterocedasticidad y corrija si es el caso.
TALLER15
1. Utilice el archivo GPA3.DTA para este ejercicio. El conjunto de datos es para 366
estudiantes atletas de una universidad grande para los semestres de otoño y primavera.
Como se cuenta con dos términos de datos para cada estudiante, resulta adecuado un
modelo de efectos inobservables. La primera interrogante de interés es la siguiente.
Tiene un menor aprovechamiento en la escuela los atletas durante el semestre en que si
deporte está en temporada?
a. Determine los estimadores de MCO agrupados para el modelo que tiene como
variable dependiente GPA (trmgpa) y como explicativas spring, sat, hsperc,
15
Wooldridge. Introducción a la econometría
128
INSTRUCTOR
female, black, white, frstsem, tothrs, crsgpa, y season. Interprete el coeficiente

de season. Es estadísticamente significativo?
b. La mayoría de los atletas que realizan su deporte sólo en el otoño son jugadores
de fútbol americano. Suponga que sus niveles de capacidad difieren en forma
sistemática de los otros atletas. Si no se captura adecuadamente la capacidad por
medio de las puntuaciones de la prueba de aptitud académica SAT( Scholastic
Aptitute test) y el percentil de preparatoria hsperc. Explique por qué los
estimadores obtenidos estarían sesgados?
c. Ahora utilice los datos diferenciados a través de los dos términos. Qué variables
se descartan?. Ahora pruebe el efecto del deporte de temporada
d. Considera que hay una o más variables potencialmente importantes, que varían
en el tiempo y que se hayan omitido en el análisis
2. El archivo VOTE2.DTA incluye datos de panel sobre las elecciones para la cámara de
representantes de los estados unidos de 1988 y 1990. Sólo los ganadores de 1988 que
también estaban compitiendo en 1990 están en la muestra; se trata de los titulares del
cargo. Un modelo de efectos inobservables que explica la parte del voto de los títulos
del cargo en términos de gastos de los dos candidatos es
En donde incshres la parte del total de gastos de campaña de los titulares del cargo en
porcentaje. El efecto inobservable ai , contiene características del titular del cargo – como la
calidad- además de cosas sobre el distrito que son constantes. El género y el partido del
titular son constantes en el tiempo, de modo que estos se agregan en ai. Nos interesa el
efecto de los gastos de la campaña en los resultados de las elecciones.
a. Diferencie la ecuación dada a lo largo de los dos años y estime la ecuación en
diferencias por MCO. Cuáles variables son significativas al 5%.
b. En la ecuación anterior, haga una prueba de significancia conjunta de las
variables D.loginexp y D.logchexp
c. Vuelva a estimar la ecuación del punto a., pero solamente estime contra la
variable D.inchsr. Interprete el coeficiente. Por ejemplo, si los gastos del titular
aumentan en un 10%. Cómo se predice que esto influya en la parte proporcional
de los votos del titular del cargo?
3. Utilizando la base JTRAIN.dta (capacitación), para determinar el efecto del subsidio

para la capacitación laboral sobre las horas de capacitación para el trabajo por
empleado. El modelo básico para los tres años es
a. Estime la ecuación en la primera diferencia. Cuántas empresas se emplean

en la estimación?, cuántas observaciones totales se utilizarían si cada
129
INSTRUCTOR
compañía tuviera datos sobre todas las variables, en particular sobre hrsemp
para los tres períodos
b. Interprete el coeficiente de grant y comente si es significativo
c. Es sorprendente que grant-1 sea no significativo?
d. Las empresas más grandes capacitan más o menos, en promedio, a sus
empleados. Qué tan grandes son las diferencias en la capacitación?
8.5 EFECTOS FIJOS
La primera diferencia es sólo una de las formas de eliminar el efecto fijo, ai, el método más
usado se denomina estimación de Efectos Fijos. El modelo consiste en realizar la siguiente
transformación para el siguiente modelo
Se calcula el promedio de cada variable
Donde en la última ecuación se encuentran los datos centrados, a ésta transformación se le

denomina Transformación Intra-Grupos, que desaparece el efecto inobservable, se estima
por MCO, a estos estimadores se denominan estimadores de Efectos Fijos o Intra –Grupo
(within), los cuales aprovechan la variación temporal en y y x dentro de cada observación
transversal.
En este modelo se supone la existencia de correlación entre ai y X, en caso de no existir

correlación la estimación se realiza por Efectos Aleatorios. Lastimosamente los coeficientes
de la última ecuación no permite una interpretación de los coeficientes.
En algunas ocasiones es de interés estimar el panel para analizar las intercepciones

estimadas, es decir, ai, esto sucede en el caso que se desee estudiar la distribución asociada,
o si se desea tomar una determinada empresa o ciudad para ver si su ai, está por encima o
por debajo de su valor promedio muestral.
Efectos fijos o primera diferencia?
La primera diferencia generalmente es más fácil de calcular en el caso de que el programa

econométrico no cuente con la estimación correspondiente, ambos estimadores son
insesgados y consistentes. Cuando las Uit no se correlacionan serialmente, los estimadores
de EF son más eficientes, cuando T es grande y N pequeño, el estimador de EF
generalmente presenta problemas dado que N hace que no se cumplan algunos supuestos y
se recomienda usar primera diferencia.
130
INSTRUCTOR
8.6 EFECTOS ALEATORIOS

Teniendo
Al utilizar efectos fijos o la primera diferencia, el objetivo es eliminar ai,dado que se

considera que se correlaciona con una o más de las X, pero si no están correlacionadas y se
estima un modelo por EF, el estimador es insesgado.
La ecuación anterior se vuelve Efectos Aleatorios cuando se supone que el efecto

inobservable no se correlaciona con cada variable explicativa. El estimador de EA es dado
por
Donde λ es una transformación de la varianza, que permite eliminar la correlación serial en

los errores. A esta transformación se le denomina datos casi centrados, esta transformación
permite que las variables explicativas sean constantes en el tiempo, y está es una ventaja de
los EA sobre EF y primera diferencia.
Ejercicio
Usando la base de datos WAGEPAN.dta para estimar la ecuación de salario para los
hombres. Debe emplear los tres métodos de estimación, MCO agrupados, EA y EF., la
variable dependiente es lwage, y las explicativas, educación (educ), la raza (black) y el
origen (hisp), la experiencia y la experiencia al cuadrado, si es casado o no (married), y si
pertenece a una asociación sindical (union).
Cuál es el efecto de estar casado?, a qué se deberá?
8.7 ANÁLISIS DE DATOS PANEL EN Stata

Stata con un conjunto de procedimientos que le permiten al usuario trabajar bases de datos
de Stata, para ello se debe utilizar el prefijo xt, el cual le indica a Stata que se está
trabajando con datos panel. Los comandos para iniciar Stata con panel y hacer su
descripción son:
 Identificador de bases de datos de Stata
xtset id t
 Descripción de bases de datos tipo panel
xtdescribe
 Resumen de estadísticas con variaciones WITHIN y BETWEEN
xtsum id t lwage ed exp exp2 wks south tdum1
 Tabulación de datos para una variable panel
xttab south
131
INSTRUCTOR
 Calculo de probabilidades de transición para una variable

xttrans south, freq
8.8 ESTRUCTURA DE BASES DE DATOS PANEL
Stata requiere un ajuste de la base de datos panel, dado que solo trabaja con bases de datos
micropanel, es decir con N grande y T pequeño.
Reshape
reshape long stubnames, i(varlist) [options]
reshape wide stubnames, i(varlist) [options]
WIDE
i ....... x_ij ........
id sex inc80 inc81 inc82
-------------------------------
1 0 5000 5500 6000
2 1 2000 2200 3300
3 0 3000 2000 1000
En la base de datos en forma horizontal (wide form), existe una sola observación por id, pero más
de una variable por ingreso.
LONG
i j x_ij
id year sex inc
-----------------------
1 80 0 5000
1 81 0 5500
1 82 0 6000
2 80 1 2000
2 81 1 2200
2 82 1 3300
3 80 0 3000
3 81 0 2000
3 82 0 1000
En la base de datos de forma vertical (long form) se puede observar que existe una variable que es
contante al interior de un grupo, en este caso el id, tenemos una variable que varía en el interior del
grupo que es el año.
De Long a Wide
reshape wide stub, i(i) j(j) – j es una variable existente
De Wide a Long
reshape long stub, i(i) j(j) – j es una nueva variable
 Wide form data (observation is a state)
use mus08cigarwide.dta, clear
132
INSTRUCTOR
list, clean
 Convert from wide form to long form (observation is a state-year pair)
reshape long lnp lnc, i(state) j(year)

 Long-form data (observation is a state)
list in 1/6, sepby(state)

 Reconvert from long form to wide form (observation is a state)
reshape wide lnp lnc, i(state) j(year)
Ejercicio
Replique los ejemplos presentados sobre este comando en help reshape
8.9 REGRESIÓN AGRUPADA
El enfoque más simple de analizando datos tipo panel es omitir las dimensiones del espacio
y el tiempo de los datos agrupados y sólo calcular la regresión MCO. Este modelo es
expresado de la siguiente forma
Donde i significa la i-ésima unidad transversal (individuo) y t el tiempo.

Con la base nls_panel.dta, entre las variables:
lwage exper exper2 tenure tenure2 south union black educ,
Recordar hacer descripción de las variables y además decirle a Stata que es una base tipo panel.
log using ch15_nls_re, replace text

use nls_panel, clear
. reg lwage educ exper exper2 tenure tenure2 black south union educ
note: educ omitted because of collinearity

F( 8, 3571) = 215.50
Model 251.535045 8 31.4418807 Prob > F = 0.0000
Total 772.56123 3579 .215859522 Root MSE = .38197
lwage Coef. Std. Err. t P>|t| [95% Conf. Interval]
educ .0714488 .0026894 26.57 0.000 .0661759 .0767217

exper .0556851 .0086072 6.47 0.000 .0388096 .0725605
exper2 -.0011475 .0003613 -3.18 0.002 -.0018559 -.0004392
tenure .01496 .0044073 3.39 0.001 .006319 .023601
tenure2 -.000486 .0002577 -1.89 0.059 -.0009913 .0000192
black -.1167139 .0157159 -7.43 0.000 -.1475269 -.0859008
south -.1060026 .0142008 -7.46 0.000 -.1338451 -.07816
union .1322432 .0149616 8.84 0.000 .102909 .1615774
educ (omitted)
_cons .4766 .0561559 8.49 0.000 .3664993 .5867008
133
INSTRUCTOR
8.10 EFECTOS ALEATORIOS
La ecuación (1) supone que el intercepto de la regresión es la misma para todas las
unidades transversales. Sin embargo, es muy probable que se necesite controlar el carácter
“individual” de cada individuo. El modelo de efectos aleatorios permite suponer que cada
unidad transversal tiene un intercepto diferente. Este modelo se expresa como:
Donde . Es decir, en vez de considerar a α como fija, suponemos que es una

variable aleatoria con un valor medio α y una desviación aleatoria ui de este valor medio.
Sustituyendo , en (2) tenemos:
Stata realiza la estimación de efectos aleatorios con el comando xtreg, re.

.
. xtreg lwage educ exper exper2 tenure tenure2 black south union, re
Random-effects GLS regression Number of obs = 3580

Group variable: id Number of groups = 716
R-sq: within = 0.1411 Obs per group: min = 5

between = 0.3543 avg = 5.0
overall = 0.3191 max = 5
Random effects u_i ~ Gaussian Wald chi2(8) = 860.08

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
lwage Coef. Std. Err. z P>|z| [95% Conf. Interval]
educ .0732536 .0053308 13.74 0.000 .0628055 .0837017

exper .043617 .0063576 6.86 0.000 .0311564 .0560776
exper2 -.000561 .0002626 -2.14 0.033 -.0010757 -.0000463
tenure .0141541 .0031666 4.47 0.000 .0079478 .0203605
tenure2 -.0007553 .0001947 -3.88 0.000 -.001137 -.0003737
black -.1167366 .0302087 -3.86 0.000 -.1759446 -.0575286
south -.0818117 .0224109 -3.65 0.000 -.1257363 -.0378871
union .0802353 .0132132 6.07 0.000 .0543379 .1061327
_cons .5339294 .0798828 6.68 0.000 .377362 .6904968
sigma_u .32904965
sigma_e .19511039
rho .73986872 (fraction of variance due to u_i)
Si se analiza (3), se puede observar que si ui es igual a cero, es decir , no existe

diferencia entre (1) y (3).
Para saber si utilizó efectos aleatorios o datos agrupados entonces debo realizar la prueba
de Breusch - Pagan, la prueba del Multiplicador de Lagrange para Efectos Aleatorios. La
hipótesis nula de esta prueba es que , entonces, si rechazo la hipótesis, sí existe
diferencia entre (1) y (3) y debo estimar efectos aleatorios.
La prueba se realiza por medio de xttest0
134
INSTRUCTOR
Breusch and Pagan Lagrangian multiplier test for random effects
lwage[id,t] = Xb + u[id] + e[id,t]
Estimated results:
Var sd = sqrt(Var)
lwage .2158595 .4646068

e .0380681 .1951104
u .1082737 .3290497
Test: Var(u) = 0
chi2(1) = 3859.28
Prob > chi2 = 0.0000
El p –value indica que debo rechazar Ho, por lo tanto los efectos aleatorios son relevantes.
8.11 EFECTOS FIJOS
Otra forma de modelar el efecto individual, es por medio de efectos fijos, este modelo no
supone que las diferencias entre individuos sean aleatorios, sino constantes o fijas y por ello
se debe estimar el intercepto u. Cómo se puede permitir que el intercepto varíe con respecto
a cada individuo?. Una de las formas es a través de variables dicotómicas de intersección
diferencial, expresada así
Donde vi es un vector de variables dicotómicas para cada estado. El modelo se estima de la

siguiente forma
. reg lwage educ exper exper2 tenure tenure2 black south union educ i. id
note: 715.id omitted because of collinearity
note: 716.id omitted because of collinearity

F(721, 2858) = 24.18
Model 663.762704 721 .920614014 Prob > F = 0.0000
Total 772.56123 3579 .215859522 Root MSE = .19511
educ .2095154 .1238721 1.69 0.091 -.0333723 .4524031

exper .0410832 .00662 6.21 0.000 .0281027 .0540637
exper2 -.0004091 .0002733 -1.50 0.135 -.000945 .0001269
tenure .0139089 .0032778 4.24 0.000 .0074818 .0203361
tenure2 -.0008962 .0002059 -4.35 0.000 -.0012999 -.0004926
black .4436098 .1296263 3.42 0.001 .1894394 .6977803
south -.0163224 .036149 -0.45 0.652 -.0872031 .0545584
union .0636972 .0142538 4.47 0.000 .0357485 .091646
educ (omitted)
id
2 -.6097623 .5683056 -1.07 0.283 -1.724093 .5045682
3 .5301255 .1301154 4.07 0.000 .2749959 .785255
4 .8530533 .1311647 6.50 0.000 .5958663 1.11024
5 .7703423 .2173306 3.54 0.000 .3442017 1.196483
6 .2891988 .4476351 0.65 0.518 -.5885216 1.166919
7 .3502798 .3298208 1.06 0.288 -.296431 .9969906
8 .1714799 .3293968 0.52 0.603 -.4743996 .8173593
9 .0862207 .3293165 0.26 0.793 -.5595012 .7319426
El cual estima una dummy para cada individuo, (la base tiene 716). Pero la opción más
sencilla es por medio de xtreg
135
INSTRUCTOR
. xtreg lwage educ exper exper2 tenure tenure2 black south union educ, fe
note: black omitted because of collinearity
Fixed-effects (within) regression Number of obs = 3580


between = 0.1162 avg = 5.0
F(6,2858) = 79.46
corr(u_i, Xb) = 0.0952 Prob > F = 0.0000
educ (omitted)
exper .0410832 .00662 6.21 0.000 .0281027 .0540637
exper2 -.0004091 .0002733 -1.50 0.135 -.000945 .0001269
tenure .0139089 .0032778 4.24 0.000 .0074818 .0203361
tenure2 -.0008962 .0002059 -4.35 0.000 -.0012999 -.0004926
black (omitted)
south -.0163224 .036149 -0.45 0.652 -.0872031 .0545584
union .0636972 .0142538 4.47 0.000 .0357485 .091646
educ (omitted)
_cons 1.450034 .04014 36.12 0.000 1.371328 1.52874
sigma_u .40231926
sigma_e .19511039
rho .80959194 (fraction of variance due to u_i)
F test that all u_i=0: F(715, 2858) = 15.15 Prob > F = 0.0000
Ahora se debe seleccionar agrupados o fijos?, (1) ó (4), el modelo (1) es más restringido
dado que asume un intercepto común para todos los estados, es decir, no incluye variables
dicotómicas individuales. Por lo tanto, utilizando la prueba F, la cual la hipótesis nula es
que , es decir todas las variables dicotómicas individuales son
iguales a cero. Si la prueba se rechaza, significa que al menos una variable pertenece al
modelo, y por lo tanto es necesario estimar el modelo por efectos fijos.
En el ejemplo el p – value es menor a 0.05 por lo tanto es preferible usar el modelo de

efectos fijos.
BETWEEN = Componente TEMPORAL aleatorio que es invariante a través de los individuos, pero
que varía a través del tiempo.
WITHIN = El error Ui tiene un componente INDIVIDUAL aleatorio que es invariante a través del
tiempo ALPHA, que se caracteríaza a cada uno de los agentes sociales.
8.12 EFECTOS ALEATORIOS vs. FIJOS
Las pruebas de Breusch- Pagan para efectos aleatorios y la prueba F, para fijos nos
permiten comparar entre cada uno de estos modelos y el de datos agrupados. Pero entre
ellos cuál usar?
136
INSTRUCTOR
La respuesta depende de la correlación que exista entre las variables X y el componente de

error individual ui. El modelo de efectos aleatorios supone que esta correlación es igual a
cero, el no incluir a u en el modelo puede generar problemas de omisión de variables
ocasionando un sesgo de variable omitida en los coeficientes de X.
Hausman demostró que la diferencia entre los coeficientes de efectos fijos y aleatorios
puede ser usada para probar la hipótesis nula de que ui y las variables X no
están correlacionadas. Por lo tanto la hipótesis nula del test de Hausman es
Ho: Los estimadores de efectos fijos y aleatorios no difieren sustancialmente.
Si se rechaza Ho, hay diferencia entre ellos y la conclusión es que los efectos fijos son más
convenientes que los efectos aleatorios. Si no se puede rechazar Ho., no hay sesgo de que
preocuparse y es preferible los efectos aleatorios que al no estimar con dummies, es un
modelo más eficiente.
Utiliza para ello una prueba Chi-cuadrado con la hipótesis nula de que el modelo de efectos
aleatorios es el que mejor explica la relación de la variable dependiente con las
explicativas, y por tanto se tiene la hipótesis alternativa de que el mejor método que se
ajusta es el de efectos fijos.
. estimates store aleatorios
. hausman fijos aleatorios
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fijos aleatorios Difference S.E.
exper .0410832 .043617 -.0025338 .0018455

exper2 -.0004091 -.000561 .0001519 .0000758
tenure .0139089 .0141541 -.0002452 .0008468
tenure2 -.0008962 -.0007553 -.0001409 .0000668
south -.0163224 -.0818117 .0654893 .0283637
union .0636972 .0802353 -.0165381 .0053462
b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 20.73
Prob>chi2 = 0.0021
En el ejemplo se rechaza Ho., es decir la diferencia entre los coeficientes de efectos fijos y
aleatorios es sistemática, por lo tanto se debe estimar efectos fijos.
Si se desea hacer inferencias con respecto a la población, es decir que se trabaja con una
muestra aleatoria, lo mejor es utilizar una especificación del tipo aleatoria. En caso de que
el interés sea limitado a una muestra que se ha seleccionado a conveniencia o bien que se
está trabajando con la población, la estimación de efectos fijos será la correcta.
137
INSTRUCTOR
Adicionalmente, si el interés del estudio particular está puesto en los coeficientes de las
pendientes de los parámetros, y no tanto en las diferencias individuales, se debería elegir un
método que relegue estas diferencias y tratar la heterogeneidad no observable como
aleatoria.
El modelo de efectos fijos se ve como un caso en que el investigador hace inferencia

condicionada a los efectos que ve en la muestra. El de efectos aleatorios se ve como uno en
el cual el investigador hace inferencia condicional o marginal respecto a una población.
Se deja al investigador que decida si hace inferencia con respecto a las características de
una población o solo respecto a los efectos que están en la muestra.
8.13 AUTOCORRELACIÓN Y HETEROSCEDASTICIDAD
Los modelos de datos panel, modelan tanto la heterogeneidad temporal y la espacial, de

acuerdo a los supuestos de MCO los errores deben ser independientes entre si y se deben
distribuir idénticamente con varianza constante. . Pero los datos panel generalmente
presentan problemas en el cumplimiento de este supuesto. La independencia se viola
cuando los errores de diferentes individuos se correlacionen entre ellos, es decir correlación
contemporánea, o cuando los errores dentro de cada unidad se correlacionan
temporalmente, correlación serial, o ambos. De igual forma en el momento de la presencia
de heteroscedasticidad no se cumple la distribución idéntica.
Solo se tratará el tema de la correlación temporal es decir la autocorrelación, es muy

probable que existan correlaciones entre los salarios durante los períodos de estudio.
Existen varias pruebas para verificar autocorrelación entre ellas panelauto, pantest2 y
xtserial. La prueba más robusta es la xtserial desarrollada por Wooldridge, la hipótesis
nual consiste en que No existe Autocorrelación, el comando xtserial requiere el listado de
variables dependientes e independientes.
Si se rechaza la hipótesis nual entonces hay problemas de autocorrelación, y para corregirlo

se hace a través de un modelo de efectos fijos o aleatorios con término p autorregresivo de
grado AR(1) que controla la dependencia de t a t -1 . El modelo es dado por
Donde , es decir, los errores tienen una correlación de primer grado. El

modelo AR1 es ejecutable con xtregar
138
INSTRUCTOR
. xtregar lwage exper exper2 tenure south union black edu, fe

note: black dropped because of collinearity
note: educ dropped because of collinearity
FE (within) regression with AR(1) disturbances Number of obs = 2864


between = 0.1091 avg = 4.0
F(5,2143) = 281.50
corr(u_i, Xb) = -0.1087 Prob > F = 0.0000
exper .2108687 .0074041 28.48 0.000 .1963487 .2253888

exper2 -.0062753 .0003279 -19.14 0.000 -.0069184 -.0056323
tenure .0026851 .0027579 0.97 0.330 -.0027233 .0080935
south -.0334198 .0483105 -0.69 0.489 -.1281602 .0613205
union .0569314 .0160276 3.55 0.000 .0255002 .0883627
black (omitted)
educ (omitted)
_cons .3561069 .0216711 16.43 0.000 .3136082 .3986055
rho_ar .60413957
sigma_u .41798855
sigma_e .20057178
rho_fov .81283897 (fraction of variance because of u_i)
F test that all u_i=0: F(715,2143) = 4.13 Prob > F = 0.0000
La correlación contemporánea se da cuando ciertos individuos están correlacionados con

las observaciones de otros individuos en el mismo período de tiempo. El problema de la
correlación contemporánea se refiere a la correlación de los errores en al menos dos
unidades en el mismo tiempo t. Es decir existen características inobservables de ciertos
individuos que se relacionan con las características inobservables de otros individuos.
El comando xttest2 ejecuta la prueba de Breusch-Pagan para identificar autocorrelación
contemporánea en los residuales de efectos fijos. La hipótesis nula es que existen
Independencia Transversal, es decir que los errores son independientes entre sí.
Breusch-Pagan LM test of independence: chi2(255970) = 3.92e+05, Pr = 0.0000
Based on 5 complete observations
En este caso se rechaza Ho. Por lo tanto es necesario corregir la correlación contemporánea.
En el momento de que la varianza de los errores no sea contante en cada unidad transversal,
se está violando uno de los supuestos, para verificar si existe o no heteroscedasticidad es
por medio del test de Lagrange de Breusch-Pagan. La Ho consiste en que No hay
Heteroscedasticidad, es decir, , para todo i. Para verificar la violación de este
supuesto utilizamos xttest3 después de estimar efectos fijos.
. xttest3
Modified Wald test for groupwise heteroskedasticity

in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (716) = 1.6e+06

Prob>chi2 = 0.0000
La prueba indica que no existe homocedasticidad.

139
INSTRUCTOR
8.14 CORRECCIÓN DE HETEROCEDASTICIDAD Y AUTOCORRELACIÓN
La solución se realiza por medio de Mínimos Cuadrados Generalizados Factibles (FGLS) o

por medio de Errores Estándar Corregidos para Panel (PCSE), algunos estudios han
demostrado que PCSE es más preciso que FGLS pero para muestras pequeñas.
Los comandos son
xtgls
xtpcse
Estos modelos no estimando efectos fijos, por lo tanto es necesario incluir variables
dicotómicas con el comando xi.
De acuerdo al problema la solución es dada de acuerdo al siguiente cuadro:
PROBLEMA HETEROSCEDASTICID CORRELACIÓN AUTOCORRELACI
AD CONTEMPORAN ÓN
EA
HETEROSCEDASTICID xtgls vardep varsind, xtgls vardep varsind, xtgls vardep varsind,
AD panel(h) p(c) p(h) c(ar1)
xtpcse vardep varsind, het xtpcse vardep xtpcse vardep varsind,
varsind, het c(ar1)
CORRELACIÓN xtgls vardep varsind, p(c)
CONTEMPORANEA xtpcse vardep varsind,
AUTOCORRELACIÓN xtgls vardep varsind, p(h) xtregar vardep varsind,
c(ar1) fe ó re
xtpcse vardep varsind, het
c(ar1)
En caso de presentar los trés problemas Heterocedasticidad, correlación contemporánea y

autocorrelación se corrige por:
xtgls vardep varsind, p(c) c(ar1)
xtpcse vardep varsind, c(ar1)
TALLER 2
1. Usando la base de datos nls_panel.dta, que esun panel de datos para 716 mujeres
por 5 años.
a. Abra la base de datos y realice análisis descriptivo de las variables claves
(lwage, exper, exper2, tenure, tenure2, south, union, black y educ)
b. Utilizando el archivo Ejemplo datos panel.do, realice los procedimientos
para calcular el modelo por MCO Agrupados, EF y EA y seleccione el mejor
modelo.
8.15 MODELOS DINÁMICOS CON DATOS PANEL
Es habitual que los investigadores utilicen los modelos de panel con retardos de la variable
dependiente. En estos casos se incluye en el modelo, como variable dependiente, un retardo o
140
INSTRUCTOR
incluso más retardos de la variable dependiente más otras variables exógenas que también pueden
incluir retardos de Xit.
Donde k = 1, …, K variables independientes de interés, i = 1, …, N unidades sociales y t = 1, …, T

observaciones en el tiempo. La variable Yt es la endógena y Yt-1 es la variable endógena rezagada
un período en el tiempo, xt son las variables explicativas o exógenas cuyos retardos en el tiempo
también pueden ser incluidos en el modelo causal y ut es el error del modelo.
Lo anterior es una solución para evitar el problema de errores correlacionados entre sí cuando se
realiza la estimación por MCO.
Además el hecho de que yt-1 se incluya en el modelo permite controlar por el efector qué valores
precios de la variable endógena tienen en el valor presente, y con ello, el efecto de las variables
independientes puede ser más acertado y preciso que en cualquier otro caso. El coeficiente
asociado con yt-1 representa lo que se denomina la tasa de descuento, es decir, la tasa de
decrecimiento del efecto de valores pasado de yt-1.
Incluir rezagos genera problemas de estabilidad de los parámetros y además la inclusión de rezagos
no necesariamente soluciona totalmente el problema de autocorrelación serial, para ello se podría
incluir un comportamiento autorregresivo para el error. Otro problema es que las estimaciones
pueden ser sesgadas dificultando muchas veces la estimación del modelo. Una solución a este
problema es la realización de modelos incluyendo variables instrumentales.
MÉTODO DE ARELLANO – BOND PARA PANEL CON REZAGOS
Comando xtabond
use http://www.stata-press.com/data/r9/abdata
xtabond n l(0/1).w l(0/2).(k ys) yr1980 yr1981 yr1982 yr1983 yr1984, lags(2)
RAICES UNITARIAS Y COINTEGRACIÓN
Los contrastes de raíces unitarias con datos de panel son similares a los contrastes de raíces
unitarias efectuados en modelos de única seria. Se parte de la siguiente ecuación:
Se evalúa por medio de los test de Fisher – ADF y Fisher – PP para contrastar la existencia de raíces
unitarias en datos de panel, combinan lo p – valores de los test de raíces unitarias individuales. La
hipótesis nula de que hay una raíz unitaria en todos los N cortes transversales, una de las formas
más sencillas para verificar COINTEGRACIÓN es comprobar mediante un contraste de raíces
unitarias de panel, que los residuos del modelo de panel están exentos de raíces unitarias.
141
INSTRUCTOR
9 INTRODUCCIÓN A LA PROGRAMACIÓN
Help comments
Capture
Ejecuta el comando y no muestra resultados ni errores
9.1 LOCAL MACROS
Las macros locales de Stata le van a permitir trabajar más fácilmente con Stata, estas
macros le permitirán alojar objetos como números, variables o varios conjuntos de objetos.
Estos objetos pueden contener caracteres alfanuméricos y hasta 8000 caracteres. El
comando para definir una macro es con local seguido por el nombre del objeto y sus
características.
Ejemplos:
local country US UK DE FR
local ctycode 111 112 136 134
display “ćountry´”
US UK DE FR
El comando global le permite crear nombres de listas de variables, para así poder referirse a ellas de
forma conjunta y evitar tener que escribir cada una de ellas cada vez que vayamos a utilizarlas.
Por ejemplo
global grupo1 var1 var2 var3
Luego para hacer referencia al grupo de variable utilizando algún comando, se debe anteponer el
símbolo $ al nombre del grupo
Por ejemplo keep $grupo1
9.2 CREANDO CICLOS
Una de las utilidades principales de la programación es la creación de loops estos le permiten al

usuario crean rutinas para evaluar diferentes alternativas o para crear ciclos de comandos. Los
comandos más importantes para estos ciclos son forvalues y foreach.
Comando IF
If expression {
Comandos Stata
}
else if expression {
comandos stata
}
142
INSTRUCTOR
else {
comandos stata
Comando For
set obs 100

For new u1-u10: gen x=uniform()
For any . : replace z=. If y= X
For new x2-x5 \ num 2/5: gen X =variable^Y
Comando Forvalues
forvalues nueva_macro = rango {

comandos referidos a nueva_macro
}
program define diez

forvalues i = 1(1)10 {
display "ì'"
}
End
Comando While:
while condicion {
comandos Stata
}
local i = 1
while ì' <= 10 {
display ì'
local i = ì' + 1
}
9.3 ESCALARES Y MATRICES
scalar raiz2 = sqrt(9)

generate raizPIB = PIB*raiz2
Los estadísticos, pruebas y resultados que genera Stata es posible visualizarlos por medio del
comando return y ereturn. Por ejemplo
143
INSTRUCTOR
. sum price, detail
Price
Percentiles Smallest
1% 3291 3291
5% 3748 3299
10% 3895 3667 Obs 74
25% 4195 3748 Sum of Wgt. 74
50% 5006.5 Mean 6165.257

Largest Std. Dev. 2949.496
75% 6342 13466
90% 11385 13594 Variance 8699526
95% 13466 14500 Skewness 1.653434
99% 15906 15906 Kurtosis 4.819188
Luego se obtienen los resultados
. return list
scalars:
r(N) = 74
r(sum_w) = 74
r(mean) = 6165.256756756757
r(Var) = 8699525.97426879
r(sd) = 2949.49588476892
r(skewness) = 1.653433511704859
r(kurtosis) = 4.819187528464004
r(sum) = 456229
r(min) = 3291
r(max) = 15906
r(p1) = 3291
r(p5) = 3748
r(p10) = 3895
r(p25) = 4195
r(p50) = 5006.5
r(p75) = 6342
r(p90) = 11385
r(p95) = 13466
r(p99) = 15906
Veamos en este caso, al hacer un comando de sum e indicando la opción de detail, Stata nos
muestra los resultados generales más otras medidas de percentiles, la curtosis y la simetría. Ahora
suponiendo que se quiere armar una tabla que muestre para la base de nlsw.dta, por raza, el
promedio del salario, la mediana, la varianza y el número de observaciones. Para ello se usará la
construcción de una matriz.
Para la creación de la matriz se construye indicando el tamaño que se quiere.
La matriz a generar es:
BLACK WHITE
Promedio
Varianza
144
INSTRUCTOR
Mediana
No. Observaciones
Usamos el comando matrix, help matrix_functions
matrix define A=J(4,2,0)
. sum wage if race ==1, d
hourly wage
Percentiles Smallest
1% 2.090301 1.004952
5% 2.875546 1.032247
10% 3.344482 1.392914 Obs 1637
25% 4.516906 1.501798 Sum of Wgt. 1637
50% 6.545891 Mean 8.082999

Largest Std. Dev. 5.955069
75% 9.758451 40.19808
90% 13.14009 40.19808 Variance 35.46285
95% 17.34411 40.19808 Skewness 3.00474
99% 38.70926 40.19808 Kurtosis 14.74577
matrix A[1,1] = r(mean)

matrix A[2,1] = r(p50)
matrix A[3,1] = r(Var)
matrix A[4,1] = r(N)
Debe hacer lo mismo para los negros

. matrix list A
A[4,2]
c1 c2
r1 8.0829994 6.8445578
r2 6.5458913 5.434783
r3 35.462848 25.767671
r4 1637 583
Ahora a continuación le damos los nombres a las filas y a las columnas
matrix rown A = Promedio Media Varianza Observaciones

matrix coln A = Blanco Negro
. matrix list A
A[4,2]
Blanco Negro
Promedio 8.0829994 6.8445578
Media 6.5458913 5.434783
Varianza 35.462848 25.767671
Observacio~s 1637 583
Para pasar de matriz a variable, se usa el comando svmat.
145
INSTRUCTOR
svmat A
Ejercicio.
1. Ahora haga una prueba de igualdad de medias de los salarios, por la raza
2. Cree una tabla de resultados tal como se presenta a continuación
BLANCO NEGRO ESTADÍSTICAS

Promedio Observaciones Promedio Observaciones Diferencia Error std T-test
La primera fila no es posible crearla en Stata, entonces solamente ingrese como nombres la segunda
fila.
Ahora utilizando loops realice la siguiente tabla por las variables tenure, hours, wage grade
SINGLE MARRIED ESTADÍSTICAS

Promedio Observaciones Promedio Observaciones Diferencia Error std T-test
tenure
hours
wage
grade
global grupo tenure hours wage grade
Definimos una matriz 4x7
matrix def C=J(4,7,0)
Se genera el indicador del loop i que comience desde cero
local i = 0
Utilizando el comando foreach me dice que para cada variable en el grupo que acabo de formar
realice los comandos dentro del loop.
foreach var in $grupo {

local i = ì'+1
preserve
qui ttest `var', by(married)
matrix C[ì',1]=r(mu_1)
matrix C[ì',2]=r(N_1)
matrix C[ì',3]=r(mu_2)
matrix C[ì',4]=r(N_2)
matrix C[ì',5]=r(mu_1) - r(mu_2)
matrix C[ì',6]=r(se)
matrix C[ì',7]=r(t)
restore
146
INSTRUCTOR
}
matrix rown C = tenure hours wage grade
matrix coln C = Prom1 Obs1 Prom2 Obs2 Dif ErrSt T-test
matrix list C
10 TRUCOS CON Stata
ALGUNOS CONSEJOS CON Stata16
1. Si quiere redondear los números en su base de datos podrá usar los comandos floor(),
round() y ceil().
Ejemplos:
Sysuse auto
gen g_ratio = floor(gear_ratio)
gen g_ratio = ceil(gear_ratio)
2. En algunas ocasiones se recomienda que el usuario antes de ejecutar algún comando o un

archivo .do, verifique que las condiciones se cumplan, una de las formas para verificarlo es
usando el comando assert.
Ejemplo:
Sysuse bplong
Assert sex == 0 | sex ==1
Replace sex = 3 in 1
Assert sex == 0 | sex == 1
3. Para ingresar carácteres de texto en gráficas, crear variables, tablas, puede utilizar el
comando char() , en su interior debe ingresar el código ASCII
Ejemplos
gen arroba = char(64)

local copyr = char(169)
scatter Price mpg, xtitle(“MPG”) ytitle(“Precio `copyr’”)
4. El commando creturn, c(), le permite al usuario obtener la información parametrizada del

sistema, tal como, meses, días, fecha actual, versión de Stata. Algunos ejemplos son:
display “`c(alpha) ’”
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
di “`c(ALPHA) ’”
ABCDEFGHIJKLMNOPQRSTUVWXYZ
16
Retomado del libro “Seventy-six of Stata tips”.
147
INSTRUCTOR
di “`c(Mons) ’”
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
di “`c(current_date) ’”
di “`c(current_time) ’”
di “`c(sysdir_stata) ’”
di “`c(N) ’”
di “`c(k) ’”
di “`c(memory) ’”
di “`c(more) ’”
di “`c(virtual) ’”
di “`c(pi) ’” - Genera el número Pi –
5. Fillin
Clear
Set obs 20
Gen y = _n
Gen x = y
Fillin y x
6. Predefiniendo teclas, Stata, le permite al usuario la posibilidad de usar las teclas funtions,
para el llamado de comandos, funciones, caracteres, entre otros.
Ejemplo:
Global F4 = char(96)
Global F4 = char(180)
Global F4 = “list;”
7. Si desea ejecutar un comando y que el resultado no aparezca utilice el comando quietly
Ejemplo
quietly summarize x
8. Descargar programas escritos por usuarios

net from http://www.stata.com
net cd stb
net cd stb42
net install sbe16_1
9. Actualización Menores de Stata

Stata es un programa que continuamente se encuentra en desarrollo, además, al contar con
una amplia comunidad de usuarios en diferentes partes del mundo le brinda la oportunidad
de estar frecuentemente mejorado por los Statistical Software Components (SSC) que
continuamente generan los usuarios.
148
INSTRUCTOR
Pero Stata en su versión 11.0 ha generado ya dos actualizaciones menores dentro de esta
versión, siendo la más actual la versión 11.2, los usuarios que tengan registrado el software
y que cuenten con una conexión a Internet podrán acceder a la última actualización de
forma gratuita, lo primero que debe verificar es la conexión a internet, si se encuentra en un
equipo que pertenece a una red deberá consultar si su conexión requiere proxy, para
configurar el proxy en Stata debe ir a Edit – Preferences – General Preferences
Posteriormente en la pestaña de Internet, configuré el proxy, el puerto y el usuario y

contraseña en caso de ser necesario.
En la misma pestaña de Internet podrá activar la opción de actualización automática, si

activa esta opción debe tener en cuenta que cada vez que Stata se inicie se actualizará con
la frecuencia que usted seleccione y el tiempo de la actualización dependerá de su conexión
a internet.
En caso de no activar la actualización automática, usted podrá realizar la actualización en el
momento que lo desee, ingresando en la ventana de comandos el comando update all el
cual le indicará paso a paso las instalaciones que desea.
149
INSTRUCTOR
Recomendamos también ver la ayuda de

help update
help ssc
help net
help sj
10. Ejecutando comandos en Stata sin resultados (quietly)
El comando quietly de Stata permite ejecutar otros comandos de Stata sin presentar los
resultados o salidas en la ventana de resultados, la instrucción se ubica como prefijo al
comando principal. Esta es una herramienta clave si se requiere retornar algunos resultados
por ejemplo: media, varianza, coeficientes, etc., (ver listado de la opción r() por medio de
help return list) sin necesidad de ver la salida completa.
Ejemplo 1.
sysuse auto, clear

quietly summarize mpg, detail
Ejemplo 2.
quietly: summarize mpg, detail
De igual forma se pueden ejecutar un bloque o grupo de comandos con quiet
Ejemplo 3.
sysuse auto, clear

quietly {
summarize mpg, detail
local a=r(mean)
summarize price, detail
local a=r(mean)
}
En el caso que se desee mostrar un resultado completo en un bloque de comandos, se usa el

comando noisily como prefijo al comando principal.
Ejemplo 4.
sysuse auto, clear
150
INSTRUCTOR
quietly {
summarize mpg, detail
local a=r(mean)
noisily summarize price, detail
local a=r(mean)
}
Para más información ver:
help quietly
11. HERRAMIENTA DE CALIFICACIÓN DE Stata 12
La versión de Stata 12 liberada el pasado mes de agosto, incluyó una nueva herramienta
denominada Installation Qualification Tool (IQT) la cual verifica que el software y todas
sus actualizaciones estén instaladas correctamente, en éste momento se cuenta con IQT
para Windows y Mac y también para las versiones 11 y 12.
Para descargar la herramienta ingrese a http://www.stata.com/support/installation-
qualification/, una vez descargado el programa, instálelo, se requiere que tenga permisos de
administrador para ejecutar la aplicación.
151
INSTRUCTOR
Una vez ejecutado la IQT deberá instalar un recurso de evaluación, para ello haga clic en
Browse de la opción de Qualification source, seleccione una ubicación, puede ser la carpeta
de Stata 12, e instale el complemento.
Al instalar el complemento, la aplicación buscará la versión de Stata actual y las

actualizaciones realizadas, seleccione la que desee y de clic en RUN TEST.
El programa empezará a evaluar su correcta instalación del software y generará un reporte

sobre los resultados del análisis el cual podrá exportar a PDF haciendo clic en Export.
152
INSTRUCTOR
Para mayor información diríjase a http://www.stata.com/support/installation-qualification/
12. Archivos en PDF de logs y gráficas con Stata 12

En Stata 12 los archivos log (archivos de registro) se siguen generando como SMCL o texto. Pero
en esta última versión estos archivos pueden ser convertidos a formato PDF. Esto se puede hacer
fácilmente con el comando translate, por ejemplo:
log using c:/log1, replace
sysuse auto, clear
tab rep78 foreign
log close
translate c:/log1.smcl c:/log1.pdf , translator(smcl2pdf)
153
INSTRUCTOR
La visualización del PDF será la siguiente:
Además, en Stata 12 se puede producir un PDF de un gráfico desde Stata. Por ejemplo
sysuse auto, clear
scatter mpg weight //, name(g1)
graph export c:/graph.pdf //name(windowname)
154
INSTRUCTOR
40
30
Mileage (mpg)
20
10
2,000 3,000 4,000 5,000

Weight (lbs.)
Al exportar a PDF
Para ayuda sobre un comando específico digite:

help
Y por ejemplo especifique un comando
help translate
help graph export
Utilizar variables del sistema _n y _N
Las variables del sistema de Stata _n y _N se puede utilizar para hacer un gran número de
tareas que de otra manera sería difícil. En este truco vamos a ilustrar algunas de las cosas en
que estos pueden ser utilizados.
155
INSTRUCTOR
Definición:
_n: la observación actual

_N: El número total de observaciones en el conjunto de datos actualmente en la memoria
** Ejemplo 1
Generación de observaciones que son una secuencia de números igual al número de
observación de Stata. Variable de resultado: number
Genera observaciones igual al número de la última observación. La variable resultante:

number_T
clear all
set obs 10
generate number=_n
generate number_T=_N
El resultado de ejecutar lo anterior es:
+-------------------+
| number number_T |
|-------------------|
1. | 1 10 |
2. | 2 10 |
3. | 3 10 |
4. | 4 10 |
5. | 5 10 |
|-------------------|
6. | 6 10 |
7. | 7 10 |
8. | 8 10 |
9. | 9 10 |
10. | 10 10 |
+-------------------+
** Ejemplo 2
Invertir los datos para que la _N (última) observación se convierta en la primera. Se realiza
para una variable en particular.
clear
set obs 10
generate number=_n
generate rev_number=number[_N-_n+1]
list
+-------------------+
156
INSTRUCTOR
| number rev_nu~r |
|-------------------|
1. | 1 10 |
2. | 2 9|
3. | 3 8|
4. | 4 7|
5. | 5 6|
|-------------------|
6. | 6 5|
7. | 7 4|
8. | 8 3|
9. | 9 2|
10. | 10 1|
+-------------------+
** Ejemplo 3
Usando _N el comando con bysort para generar una variable que tiene el número total de
niños en las familias.
clear
input ///
famid child
11
21
22
23
31
32
33
34
end
bysort famid: generate number=_N
list, sepby(famid)
The result of running the above is:

+------------------------+
| famid child number |
|------------------------|
1. | 1 1 1|
|------------------------|
2. | 2 1 3|
3. | 2 2 3|
4. | 2 3 3|
|------------------------|
5. | 3 1 4|
6. | 3 2 4|
7. | 3 3 4|
8. | 3 4 4|
157
INSTRUCTOR
+------------------------+
** Ejemplo 4
_n y _N también pueden ser utilizados como un calificativo. En este ejemplo se marca, para
cada familia, el niño que tiene el mayor ingreso. La variable ingreso está entre paréntesis
que indica a Stata ordenar por esta variable. Cuando se ordena por la última observación
(_N), por familia, es el ingreso mayor por familia.
clear
input ///
famid child income
1 1 100
2 1 150
2 2 200
2 3 250
3 1 10
3 2 100
3 3 500
3 4 250
end
bysort famid (income): generate number=1 if _n==_N
l, sepby(famid)
+------------------------+
| famid child number |
|------------------------|
1. | 1 1 1|
|------------------------|
2. | 2 1 3|
3. | 2 2 3|
4. | 2 3 3|
|------------------------|
5. | 3 1 4|
6. | 3 2 4|
7. | 3 3 4|
8. | 3 4 4|
+------------------------+
** Ejemplo 5
Generación de rezagos y adelanto de datos.
clear
input ///
158
INSTRUCTOR
time sales
1 100
2 150
3 200
4 250
5 10
6 100
7 500
8 250
end
generate lead=sales[_n+1]
generate lag=sales[_n-1]
generate lags=(sales[_n-1]+sales[_n-2])/2
list
+----------------------------------+
| time sales lead lag lags |
|----------------------------------|
1. | 1 100 150 . .|
2. | 2 150 200 100 . |
3. | 3 200 250 150 125 |
4. | 4 250 10 200 175 |
5. | 5 10 100 250 225 |
|----------------------------------|
6. | 6 100 500 10 130 |
7. | 7 500 250 100 55 |
8. | 8 250 . 500 300 |
+----------------------------------+
Para obtener ayuda sobre el código anterior, véase:

Guía de usuario: [U] 13.4 Variables del Sistema (variables)
help bysort
MATERIAL DE APOYO
Algunos recursos en Internet para usuarios Stata:
- http://www.ats.ucla.edu/stat/stata/
- http://econpapers.hhs.se/paper/bocbocoec/531.htm
- http://fmwww.bc.edu/ec/res.info.php
- http://ideas.repec.org/s/boc/bocins.html
159
INSTRUCTOR
11 BIBLIOGRAFIA
[1] Adkins, L. & Hill, R. (2008). Using Stata for Principles of Econometrics. Wiley, Third Edition.
[�2] Baum, Christopher. (2006). An Introduction to Moderm Econometrics Using Stata. Stata Press,
Second Edition.
[3] Baum, Christopher. (2009). An Introduction to Stata Programming.. Stata Press, First Edition.
[4] Cameron, A. & Trivedi, P. (2009). Microeconometrics Using Stata. Stata Press, Second Edition.
[5] Cox, N. & Newton, H. (2009) Seventy-six Stata Tips. Stata Press, Second Edition.
[6] Freese, J. & Long. S. (2006). Regression Models for Categorial Dependent Variables Using
Stata. Stata Press, Second Edition.
[7] Mitchell, Michael. (2008). A Visual Guide to Stata Graphics. Stata Press, Second Edition.
[8] Mitchell, Michael. (2010). Data Management Using Stata, A Practical Handbook. Stata Press,
Second Edition.
160

Manual Basico e Intermedio de Stata 12 VS 1 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Manual Basico e Intermedio de Stata 12 VS 1 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

SOFTWARE SHOP

MANEJO DE BASES DE DATOS Y ANÁLISIS

DESCRIPCIÓN DEL LIBRO

1. MANEJO FUNDAMENTAL DE Stata 12 ....................................................... 5

5 REGRESIÓN LINEAL EN Stata .................................................................... 94

1. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO

Stata es un programa estadístico para investigadores de diferentes disciplinas, como bioestadísticos

Stata está disponible en 4 tipos de versión.

Small Stata Versión estudiantil de Stata

A continuación se presentan las principales diferencias entre las versiones Intercooled y SE de

Small Stata/IC Stata/MP and Stata/SE

1.1 CONOCIENDO EL ENTORNO DE Stata

Figura 1. Ventanas de Stata

Ventana de Variables: Muestra el listado de variables de la base de datos activa.

Ventana de Comandos: En este cuadro se escriben y almacenan las líneas de comandos, si

Ventana de Resultados: Permite visualizar la sintaxis, y los resultados de los procedimientos

Ventana de Propiedades: Presenta la información de cada variable, como nombre, tipo de

comando notes para verlas en la ventana de resultados), entre otras

Barra de Nombre: Indica la versión de Stata disponible, el nombre y la ruta de la base

Barra de Herramientas: Es el conjunto de íconos de acceso rápido a herramientas

1.2 EL MENÚ DE AYUDA

Stata ha incorporado en la versión 11 un conjunto de nuevas opciones en el menú de ayuda para

El menú de ayuda de Stata le permite:

- Ver el índice de contenidos del programa

Figura 3. La Ayuda de Stata

La ayuda de Stata ofrece información sobre:

- La sintaxis completa y abreviada de letra(s) subrayadas) de cada comando,

- Descripción del comando,

- Los ejemplos oficiales de Stata disponibles en su sitio web,

Se despliega el siguiente cuadro de ayuda:

ACTUALIZACIONES DE Stata: Automáticamente Stata hace actualizaciones periódicas del

1.3 TIPOS DE ARCHIVOS

Tipo de Archivo Extensión

1.4 ESTRUCTURA DE COMANDOS

1.5 VENTANAS DE COMANDOS

File  Import  ASCII data created by a Spreedsheet

En este caso es el comando insheet. A continuación se explican algunas características generales de

Limpiar la Ejecutar No Ejecutar

Figura 5. Características de una ventana

1.6 CONFIGURANDO LA MEMORIA DE Stata

set mem 100m

no room to add more observations

1.7 CAMBIANDO EL DIRECTORIO DE TRABAJO DE Stata

1.8 BASES DE DATOS DE EJEMPLO

En el momento en que Stata se instala en su equipo se incluyen bases de datos de ejemplo

sysuse dir * para ver el directorio de bases de ejemplo en su equipo

1.9 TIPOS DE VARIABLES

Una de las preguntas comunes en el manejo de un software estadístico es cómo el programa

Las variables las podemos dividir de acuerdo al siguiente esquema

Inicio de un formato número de caracteres

% 10. 0 g c opcional, separados de

Si desea cambiar el formato de una variable utilice el comando recast.

Para mayor información: help data_types y help recast

2. { TC "MANEJO FUNDAMENTAL DE STATA 11" }MANEJO DE

Entre opciones avanzadas se encuentran la protección de bases de datos, la creación de firmas y

El capítulo se divide en cuatro secciones, la primera un manejo de bases de datos básico, en la

1.1 FUNDAMENTOS DE BASES DE DATOS

1.1.1 Creación de un archivo log

Figura 6. Creación de un archivo Log

Para la creación de un archivo log por medio de comandos debe usar

log using tables.log, replace

1.1.2 Abrir una base de datos

use "C:\Users\Brayan\Desktop\ipc_raw.dta", clear