Professional Documents
Culture Documents
StataCorp LLC
(StataCorp LLC) 1 / 59
Introducción
Museo
Las obras más destacadas/ Herramientas
Por qué son interesantes, intuición, ejemplos
Ejemplificar no enseñar
(StataCorp LLC) 2 / 59
Introducción
Museo
Las obras más destacadas/ Herramientas
Por qué son interesantes, intuición, ejemplos
Ejemplificar no enseñar
(StataCorp LLC) 2 / 59
Introducción
Museo
Las obras más destacadas/ Herramientas
Por qué son interesantes, intuición, ejemplos
Ejemplificar no enseñar
(StataCorp LLC) 2 / 59
Paradas del tour
(StataCorp LLC) 3 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
Modelos de regresión extendida (ERMs)
Problemas: Endogeneidad, selección, y asignación de
tratamiento no aleatorio
Endogeneidad Las variables no observadas afectan la relación
causal
I Modelo de salarios como función de años de educación (habilidad
no observada)
Selección Parte de la muestra es faltante no sucede de manera
aleatoria (variable dependiente)
I Modelo de salarios donde no observamos salarios de los
individuos desempleados
Tratamiento no aleatorio Queremos algo que parece un
experimento
ERM estos tres problemas para variables dependientes
I continuas
I binarias
I intervalos
I ordinales
Con una sola herramienta
(StataCorp LLC) 4 / 59
(StataCorp LLC) 5 / 59
Ejemplo ERM
CONTEXTO
Effecto de pasos caminados por día, steps , en IMC, bmi
Características individuales: age, gender, y education
PROBLEMAS
Endogeneidad
steps está correlacionado con la propensidad de vivir una vida
saludable
I Variable instrumental education
Selección
No devolución del podómetro. No aleatorio.
I Selección Heckman
(StataCorp LLC) 6 / 59
Ejemplo ERM
CONTEXTO
Effecto de pasos caminados por día, steps , en IMC, bmi
Características individuales: age, gender, y education
PROBLEMAS
Endogeneidad
steps está correlacionado con la propensidad de vivir una vida
saludable
I Variable instrumental education
Selección
No devolución del podómetro. No aleatorio.
I Selección Heckman
(StataCorp LLC) 6 / 59
Ejemplo ERM
CONTEXTO
Effecto de pasos caminados por día, steps , en IMC, bmi
Características individuales: age, gender, y education
PROBLEMAS
Endogeneidad
steps está correlacionado con la propensidad de vivir una vida
saludable
I Variable instrumental education
Selección
No devolución del podómetro. No aleatorio.
I Selección Heckman
(StataCorp LLC) 6 / 59
Ejemplo ERM
CONTEXTO
Effecto de pasos caminados por día, steps , en IMC, bmi
Características individuales: age, gender, y education
PROBLEMAS
Endogeneidad
steps está correlacionado con la propensidad de vivir una vida
saludable
I Variable instrumental education
Selección
No devolución del podómetro. No aleatorio.
I Selección Heckman
(StataCorp LLC) 6 / 59
Ejemplo ERM
CONTEXTO
Effecto de pasos caminados por día, steps , en IMC, bmi
Características individuales: age, gender, y education
PROBLEMAS
Endogeneidad
steps está correlacionado con la propensidad de vivir una vida
saludable
I Variable instrumental education
Selección
No devolución del podómetro. No aleatorio.
I Selección Heckman
(StataCorp LLC) 6 / 59
ERM sintaxis
Regresión lineal
I eregress bmi i.gender age steps
Agregar ecuación que toma en cuenta la endogeneidad
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
Agregar ecuación que considera selección muestral
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
Agregar tratamiento endógeno
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
entreat(treatvar = . . .)
(StataCorp LLC) 7 / 59
ERM sintaxis
Regresión lineal
I eregress bmi i.gender age steps
Agregar ecuación que toma en cuenta la endogeneidad
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
Agregar ecuación que considera selección muestral
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
Agregar tratamiento endógeno
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
entreat(treatvar = . . .)
(StataCorp LLC) 7 / 59
ERM sintaxis
Regresión lineal
I eregress bmi i.gender age steps
Agregar ecuación que toma en cuenta la endogeneidad
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
Agregar ecuación que considera selección muestral
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
Agregar tratamiento endógeno
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
entreat(treatvar = . . .)
(StataCorp LLC) 7 / 59
ERM sintaxis
Regresión lineal
I eregress bmi i.gender age steps
Agregar ecuación que toma en cuenta la endogeneidad
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
Agregar ecuación que considera selección muestral
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
Agregar tratamiento endógeno
I eregress bmi i.gender age,
endogenous(steps = i.gender age education)
select(selected = i.gender age education)
entreat(treatvar = . . .)
(StataCorp LLC) 7 / 59
ERM tabla
. eregress bmi i.gender age, endogenous(steps = i.gender age education) ///
> select(selected = i.gender age education) nolog
Extended linear regression Number of obs = 10,000
Selected = 8,731
Nonselected = 1,269
Wald chi2(3) = 1230026.06
Log likelihood = -47640.24 Prob > chi2 = 0.0000
Coef. Std. Err. z P>|z| [95% Conf. Interval]
bmi
gender
man 4.015643 .0107476 373.63 0.000 3.994578 4.036708
age .0997214 .0005055 197.28 0.000 .0987307 .1007122
steps -.2999713 .0002768 -1083.69 0.000 -.3005138 -.2994287
_cons 35.99807 .0232168 1550.52 0.000 35.95257 36.04358
selected
gender
man -1.449045 .0926148 -15.65 0.000 -1.630567 -1.267523
age -.2923803 .0108288 -27.00 0.000 -.3136045 -.2711562
education 1.456351 .0572853 25.42 0.000 1.344074 1.568628
_cons 1.525279 .2190627 6.96 0.000 1.095924 1.954634
steps
gender
man 3.23547 .2876587 11.25 0.000 2.671669 3.799271
age -.035306 .0105695 -3.34 0.001 -.0560218 -.0145902
education 6.003897 .0435651 137.81 0.000 5.918511 6.089283
_cons .2631133 .6463559 0.41 0.684 -1.003721 1.529948
corr(e.sel~d,
e.bmi) .5890283 .0481794 12.23 0.000 .486586 .6754921
corr(e.steps,
e.bmi) .0732502 .013163 5.56 0.000 .0474079 .0989945
corr(e.steps,
e.selected) .0970988 .041502 2.34 0.019 .0152878 .1776183
(StataCorp LLC) 8 / 59
margins
Delta-method
Contrast Std. Err. [95% Conf. Interval]
_at
(2 vs 1) -2.034287 .0032774 -2.040711 -2.027864
(StataCorp LLC) 9 / 59
margins
Delta-method
Contrast Std. Err. [95% Conf. Interval]
_at
(2 vs 1) -2.034287 .0032774 -2.040711 -2.027864
(StataCorp LLC) 9 / 59
Cambio de velocidad
(StataCorp LLC) 10 / 59
Cambio de velocidad
(StataCorp LLC) 10 / 59
Creación de documentos en Word desde Stata
(StataCorp LLC) 11 / 59
Creación de documentos en Word desde Stata
(StataCorp LLC) 11 / 59
Veámoslo en acción
(StataCorp LLC) 12 / 59
putdocx Estructura I
putdocx begin
...
putdocx save mydoc.docx, replace
(StataCorp LLC) 13 / 59
putdocx Estructura II
putdocx begin
putdocx paragraph
putdocx text (“text”)
(StataCorp LLC) 14 / 59
putdocx Estructura III
putdocx begin
histogram variable
graph export mygraph.png, replace
putdocx image mygraph.png
(StataCorp LLC) 15 / 59
putdocx Estructura IV
putdocx begin
(StataCorp LLC) 16 / 59
Ejemplo de parte del código
putdocx text ("Estimation and graphs"), bold underline
putdocx paragraph, spacing(before, .1)
putdocx text ("A histogram of birthweight with")
putdocx text (" a kernel density overlayed")
putdocx text (" helps us see how birthweight is distributed")
(StataCorp LLC) 17 / 59
Creación de documentos pdf desde Stata
(StataCorp LLC) 18 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Creación de páginas web
«dd_include: header»
Text
∼∼∼∼
«dd_do»
...
«/dd_do »
∼∼∼∼
«dd_do: quietly»
...
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 19 / 59
Ejemplo de parte del código
«dd_do: quietly»
histogram bweight, kdensity
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:quietly»
regress bweight mage medu i.msmoke
«/dd_do»
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 20 / 59
Ejemplo de parte del código
«dd_do: quietly»
histogram bweight, kdensity
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:quietly»
regress bweight mage medu i.msmoke
«/dd_do»
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 20 / 59
Ejemplo de parte del código
«dd_do: quietly»
histogram bweight, kdensity
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:quietly»
regress bweight mage medu i.msmoke
«/dd_do»
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 20 / 59
Ejemplo de parte del código
«dd_do: quietly»
histogram bweight, kdensity
« /dd_do »
« dd_graph: saving("hist.svg") replace »
«dd_do:quietly»
regress bweight mage medu i.msmoke
«/dd_do»
«dd_do:nocommand»
_coef_table, markdown
«/dd_do»
(StataCorp LLC) 20 / 59
Obtener nuestra página web
(StataCorp LLC) 21 / 59
Documentos Word, documentos pdf, páginas web
Texto es interpretado
Los comandos son ejecutados
Tablas y gráficos son exportados
Podemos crear, actualizar, y modificar documentos de Word, pdf,
y páginas web desde Stata.
(StataCorp LLC) 22 / 59
Documentos Word, documentos pdf, páginas web
Texto es interpretado
Los comandos son ejecutados
Tablas y gráficos son exportados
Podemos crear, actualizar, y modificar documentos de Word, pdf,
y páginas web desde Stata.
(StataCorp LLC) 22 / 59
Transparencia en gráficos
(StataCorp LLC) 23 / 59
Transparencia en gráficos
(StataCorp LLC) 23 / 59
Gráfico por defecto
(StataCorp LLC) 24 / 59
Gráfico usando transparencia
(StataCorp LLC) 25 / 59
Código
marginsplot, recastci(rarea)
marginsplot, recastci(rarea) ciopts(fcolor(%30))
(StataCorp LLC) 26 / 59
Código
marginsplot, recastci(rarea)
marginsplot, recastci(rarea) ciopts(fcolor(%30))
(StataCorp LLC) 26 / 59
. scatter mpg price, mcolor(%30)
(StataCorp LLC) 27 / 59
Análisis de clase latente (LCA)
(StataCorp LLC) 28 / 59
Comportamiento riesgoso durante el embarazo
(StataCorp LLC) 29 / 59
LCA resultados
. estat lcprob
Latent class marginal probabilities Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
C
1 .8980132 .0298238 .8230429 .9434054
2 .1019868 .0298238 .0565946 .1769571
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
alcohol .0135323 .0036052 .0080151 .02276
mbsmoke .1195862 .0152853 .0927171 .1529294
prenatal1 .1631802 .0087445 .1467572 .181051
2
alcohol .1976879 .0412223 .1289578 .2908188
mbsmoke .7720253 .104267 .5146616 .9153593
prenatal1 .5106874 .0685655 .3787086 .6411929
(StataCorp LLC) 30 / 59
LCA resultados
. estat lcprob
Latent class marginal probabilities Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
C
1 .8980132 .0298238 .8230429 .9434054
2 .1019868 .0298238 .0565946 .1769571
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
alcohol .0135323 .0036052 .0080151 .02276
mbsmoke .1195862 .0152853 .0927171 .1529294
prenatal1 .1631802 .0087445 .1467572 .181051
2
alcohol .1976879 .0412223 .1289578 .2908188
mbsmoke .7720253 .104267 .5146616 .9153593
prenatal1 .5106874 .0685655 .3787086 .6411929
(StataCorp LLC) 30 / 59
LCA resultados
. estat lcprob
Latent class marginal probabilities Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
C
1 .8980132 .0298238 .8230429 .9434054
2 .1019868 .0298238 .0565946 .1769571
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
alcohol .0135323 .0036052 .0080151 .02276
mbsmoke .1195862 .0152853 .0927171 .1529294
prenatal1 .1631802 .0087445 .1467572 .181051
2
alcohol .1976879 .0412223 .1289578 .2908188
mbsmoke .7720253 .104267 .5146616 .9153593
prenatal1 .5106874 .0685655 .3787086 .6411929
(StataCorp LLC) 30 / 59
Trascendiendo el modelo con sólo una constante
(StataCorp LLC) 31 / 59
Modelos de mezcla finita (FMM)
Los modelos de mezcla finita identifican grupos latentes para un conjunto amplio
de modelos
I regress
I tobit
I intreg
I truncreg
I ivregress
I poisson
I tpoisson
I nbreg
I streg
I logistic
I ologit
I mlogit
I probit
I oprobit
I cloglog
I betareg
I glm
Como en los modelos de análisis de clase latente el comportamiento puede
variar para cada grupo
(StataCorp LLC) 32 / 59
ejemplo fmm
Delta-method
Margin Std. Err. [95% Conf. Interval]
Class
1 .0772425 .0220658 .0436389 .1331201
2 .9227575 .0220658 .8668799 .9563611
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
lbweight .1606212 .0692845 .0653245 .3438022
2
lbweight .0519167 .0075811 .0389153 .0689502
(StataCorp LLC) 33 / 59
ejemplo fmm
Delta-method
Margin Std. Err. [95% Conf. Interval]
Class
1 .0772425 .0220658 .0436389 .1331201
2 .9227575 .0220658 .8668799 .9563611
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
lbweight .1606212 .0692845 .0653245 .3438022
2
lbweight .0519167 .0075811 .0389153 .0689502
(StataCorp LLC) 33 / 59
ejemplo fmm
Delta-method
Margin Std. Err. [95% Conf. Interval]
Class
1 .0772425 .0220658 .0436389 .1331201
2 .9227575 .0220658 .8668799 .9563611
. estat lcmean
Latent class marginal means Number of obs = 4,642
Delta-method
Margin Std. Err. [95% Conf. Interval]
1
lbweight .1606212 .0692845 .0653245 .3438022
2
lbweight .0519167 .0075811 .0389153 .0689502
(StataCorp LLC) 33 / 59
Regresión kernel noparamétrica
(StataCorp LLC) 34 / 59
Regresión kernel noparamétrica
(StataCorp LLC) 34 / 59
Regresión kernel noparamétrica
(StataCorp LLC) 34 / 59
npregress en acción
mbsmoke
(smoker
vs
nonsmoker) -166.598
alcohol
(1 vs 0) -111.5533
prenatal1
(Yes vs No) 41.26474
Note: Effect estimates are averages of derivatives for continuous covariates
and averages of contrasts for factor covariates.
Note: You may compute standard errors using vce(bootstrap) or reps().
(StataCorp LLC) 35 / 59
margins después de npregress
. margins mbsmoke, at(medu=(9(1)16)) vce(boot, reps(200) seed(111))
. marginsplot, recastci(rarea) ciopts(fcolor(%30))
(StataCorp LLC) 36 / 59
Análisis bayesiano
(StataCorp LLC) 37 / 59
Análisis bayesiano
(StataCorp LLC) 37 / 59
Análisis bayesiano
(StataCorp LLC) 37 / 59
Análisis bayesiano
(StataCorp LLC) 37 / 59
Prefijo bayes
(StataCorp LLC) 38 / 59
Prefijo bayes
(StataCorp LLC) 38 / 59
Prefijo bayes
(StataCorp LLC) 38 / 59
Sintaxis
(StataCorp LLC) 39 / 59
Veámoslo en acción
Burn-in ...
Simulation ...
Equal-tailed
Mean Std. Dev. MCSE Median [95% Cred. Interval]
weight
week 6.211294 .0419925 .001807 6.211144 6.130065 6.295917
_cons 19.32584 .7582537 .151992 19.36217 17.91306 20.87597
id
U0:sigma2 15.95426 3.678421 .142266 15.45631 10.24181 24.61659
e.weight
sigma2 4.429085 .3228506 .007422 4.407558 3.851172 5.118842
(StataCorp LLC) 40 / 59
Inferencia bayesiana
(StataCorp LLC) 41 / 59
Inferencia bayesiana
(StataCorp LLC) 41 / 59
Modelos estocásticos dinámicos de equlibrio general
linearizados (DSGE)
(StataCorp LLC) 42 / 59
Modelos estocásticos dinámicos de equlibrio general
linearizados (DSGE)
(StataCorp LLC) 42 / 59
Modelos estocásticos dinámicos de equlibrio general
linearizados (DSGE)
(StataCorp LLC) 42 / 59
Modelos estocásticos dinámicos de equlibrio general
linearizados (DSGE)
(StataCorp LLC) 42 / 59
Modelos estocásticos dinámicos de equlibrio general
linearizados (DSGE)
(StataCorp LLC) 42 / 59
Veámoslo en acción
(StataCorp LLC) 43 / 59
dsge resultados
OIM
Coef. Std. Err. z P>|z| [95% Conf. Interval]
/structural
beta .5112878 .075791 6.75 0.000 .3627402 .6598355
kappa .16963 .0475493 3.57 0.000 .0764351 .2628248
rhou .6989186 .0449192 15.56 0.000 .6108786 .7869586
rhoz .9556407 .0181342 52.70 0.000 .9200983 .9911831
(StataCorp LLC) 44 / 59
Impulso respuesta de un incremento en la tasa de
interés
(StataCorp LLC) 45 / 59
Modelos espaciales autoregresivos
(StataCorp LLC) 46 / 59
Modelos espaciales autoregresivos
(StataCorp LLC) 46 / 59
Tasas de homicidio de condados del sur de E.E.U.U
en 1990
. spset
Sp dataset homicide1990.dta
data: cross sectional
spatial-unit id: _ID
coordinates: _CX, _CY (planar)
linked shapefile: homicide1990_shp.dta
A B C
A 0 1 0
B 1 0 0
C 0 0 0
(StataCorp LLC) 47 / 59
Tasas de homicidio de condados del sur de E.E.U.U
en 1990
. spset
Sp dataset homicide1990.dta
data: cross sectional
spatial-unit id: _ID
coordinates: _CX, _CY (planar)
linked shapefile: homicide1990_shp.dta
A B C
A 0 1 0
B 1 0 0
C 0 0 0
(StataCorp LLC) 47 / 59
Matriz espacial de pesos
. spmatrix summarize W
Weighting matrix W
Type contiguity
Normalization spectral
Dimension 1412 x 1412
Elements
minimum 0
minimum > 0 .1507104
mean .000612
max .1507104
Neighbors
minimum 1
mean 5.733711
maximum 11
(StataCorp LLC) 48 / 59
Matriz espacial de pesos
. spmatrix summarize W
Weighting matrix W
Type contiguity
Normalization spectral
Dimension 1412 x 1412
Elements
minimum 0
minimum > 0 .1507104
mean .000612
max .1507104
Neighbors
minimum 1
mean 5.733711
maximum 11
(StataCorp LLC) 48 / 59
Resultados
hrate
ln_populat~n .195714 .2654999 0.74 0.461 -.3246563 .7160843
ln_pdensity 1.060728 .2303736 4.60 0.000 .6092043 1.512252
gini 77.10293 5.330446 14.46 0.000 66.65544 87.55041
_cons -28.79865 2.945944 -9.78 0.000 -34.57259 -23.02471
W
hrate .2270154 .0607158 3.74 0.000 .1080146 .3460161
Wald test of spatial terms: chi2(1) = 13.98 Prob > chi2 = 0.0002
(StataCorp LLC) 49 / 59
Resultados
. estat impact
progress : 33% 67% 100%
Average impacts Number of obs = 1,412
Delta-Method
dy/dx Std. Err. z P>|z| [95% Conf. Interval]
direct
ln_populat~n .1971473 .2671523 0.74 0.461 -.3264616 .7207563
ln_pdensity 1.068497 .2333061 4.58 0.000 .611225 1.525768
gini 77.6676 5.262439 14.76 0.000 67.35341 87.98179
indirect
ln_populat~n .0471186 .060043 0.78 0.433 -.0705636 .1648008
ln_pdensity .2553728 .113273 2.25 0.024 .0333618 .4773839
gini 18.56271 5.811729 3.19 0.001 7.171931 29.95349
total
ln_populat~n .2442659 .3257636 0.75 0.453 -.3942191 .8827509
ln_pdensity 1.323869 .3235966 4.09 0.000 .6896318 1.958107
gini 96.23031 7.409878 12.99 0.000 81.70721 110.7534
(StataCorp LLC) 50 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Regresión de efectos mixtos no lineal
(StataCorp LLC) 51 / 59
Ejemplo conocido
(StataCorp LLC) 52 / 59
Ejemplo conocido
(StataCorp LLC) 52 / 59
Ejemplo conocido
(StataCorp LLC) 52 / 59
Veámoslo en acción
xb
x .9895467 .0073349 134.91 0.000 .9751705 1.003923
_cons .9852863 .0341461 28.86 0.000 .9183612 1.052211
id: Identity
var(B0) 1.011148 .0496717 .9183333 1.113344
(StataCorp LLC) 53 / 59
Un resultado conocido
(StataCorp LLC) 54 / 59
Un resultado conocido
(StataCorp LLC) 54 / 59
Modelo de crecimiento
φ1j
weightij =
1 + exp − timeij − φ2j /φ3j
φ1j = φ1 + u1j
(StataCorp LLC) 55 / 59
Modelo de crecimiento
φ1j
weightij =
1 + exp − timeij − φ2j /φ3j
φ1j = φ1 + u1j
(StataCorp LLC) 55 / 59
Modelo de crecimiento
φ1j
weightij =
1 + exp − timeij − φ2j /φ3j
φ1j = φ1 + u1j
(StataCorp LLC) 55 / 59
Especificación con menl
(StataCorp LLC) 56 / 59
Resultados
(StataCorp LLC) 57 / 59
Mucho más
Regresión para modelos de umbral
Regresión logit mixta específica de alternativa
Tests de cointegración para datos de panel
Análisis de potencia para regresión lineal
Regresión heterocedástica
Regresión de intervalo censurado para datos de supervivencia
ICD-10-CM/PCS
Modelos de ecuaciones estructurales generalizados multigrupo
Test para múltiples quiebres estructurales
Análisis de potencia para diseńos aleatorizados por
conglomerados
Generación de números aleatorios en cadenas
Model tobit para paneles con intercepto y pendiente aleatorias
Poisson con selección muestral
Plugins de Java
Regresión probit ordenada con inflación de zeros
(StataCorp LLC) 58 / 59
GRACIAS
(StataCorp LLC) 59 / 59