Professional Documents
Culture Documents
Vol 26 No 3
VERSION
Ha actualizado su versin de Stata?
Stata 12 ya est disponible. Si an no se ha actualizado, se est perdiendo nuevas herramientas estadsticas y un montn de funcionalidades nuevas.
ARFIMA
GARCH multivariado
UCM (modelos con componentes no
observados)
Filtros para series de tiempo
Calendarios de das hbiles
Grficos de mrgenes
Manejo automtico de la memoria
Importacin/exportacin Excel
Calificacin de la instalacin
Ms ...
m1
10 12 14
1970m1
L1
8
m2
m6
1980m1
1990m1
Month
2000m1
2010m1
trend, smooth
.1
8,000
1970m1
30,000
7,600
35,000
40,000
Easting
45,000
49,000
2000m1
2010m1
95% CI
.3
65,000
7,700
1990m1
Month
.4
7,800
1980m1
.1
7,900
Depth (ft)
m4
Northing
75,000
m7
L2
m3
85,000
.2
L3
seasonal, smooth
1
0
1
m5
10
20
30
40
Body Mass Index (BMI)
50
60
Este artculo es para aquellos que no estn familiarizados con SEM, que no ven
en su campo publicaciones que utilicen SEM, o que por alguna otra razn creen
que SEM no les interesa.
p. 4
sem y <- x1 x2 x3
sem y1 y2 <- x1 x2 x3
sem L -> m1 m2 m3
Contrastes y comparaciones
por pares
El comando contrast facilita comparaciones y contrastes de los
efectos de las covariables categricas en indicadores, para estimaciones
ANOVA, regresin lineal, regresin logstica, o prcticamente cualquiera
de los 140 estimadores de Stata. Los contrastes por nombre le permiten
efectuar automticamente comparaciones respecto a las categoras
de referencia, las categoras adyacentes, la media general, o todas las
anteriores. Tambin puede realizar contrastes de polinomios ortogonales y
manejar interacciones de mltiples vas.
Adems de los contrastes por nombre, usted puede crear cualquier
contraste que se ajuste a sus necesidades. El operador de interaccin
funciona con contrastes personalizados, lo que le ahorra el tedio de la
creacin de tablas que realicen los productos internos de contrastes
mltiples. contrast tambin realiza anlisis de varianza del estilo de
ANOVA para efectos principales, efectos de interaccin, y efectos simples y
anidados luego de una estimacin.
Por otra parte, el comando margins ahora es compatible con los
operadores de contraste, de forma que los contrastes tambin pueden
ser obtenidos para resultados producidos por margins, desde medias
marginales estimadas y probabilidades condicionales hasta efectos
marginales y probabilidades promedio de poblacin.
El nuevo comando pwmean realiza todas las comparaciones por pares
de medias entre grupos o interacciones de varios grupos.
.1
Manejo automtico de
la memoria
0
.1
Grficos de mrgenes
150
2029
3039
.4
10
15
95% CI
.3
.2
10
140
4049
5059
130
Age Group
6069
20
120
110
2029
30
40
Body Mass Index (BMI)
50
60
70+
Male
Female
3039
4049
5059
Age Group
6069
70+
Los modelos lineales mixtos estimados con el comando xtmixed ahora soportan ponderaciones
de muestreo, errores estndar robustos y por conglomerado, y, para los datos de encuesta, los errores
estndar se pueden ajustar para tener en cuenta el primer nivel de muestreo (unidades primarias de
muestreo, PSU).
0.125
0.125
1920
0.003
0.25
1930
1940
1950
1960 1970
Quarterly dat
a
1980
1990
2000
2010
Recessions highlighted
0.002
Stata 12 tiene una batera de nuevos estimadores y filtros para series de tiempo.
0.001
Adiciones a la
Interfaz
01jan2009
01jul2009
01jan2010
01jul2010
01jan2011
01jul2011
Stata 12 tiene filtros para series de tiempo para descomponer una serie en componentes de tendencia
y cclico. Cuatro filtros estn disponibles: filtros de paso de banda de BaxterKing y Christiano
Fitzgerald, y filtros de paso alto de Butterworth y HodrickPrescott.
Grficos de contorno
Elevation of Rock Formation
85,000
30,000
0.5
0.25
40,000
Easting
0.25
0.5
0.75
False-positive rate
45,000
49,000
EastWest (50ft)
Y ms
reference
30 mos.
40 mos.
50 mos.
0
7,600
35,000
0.75
ROC
65,000
7,700
ROC, by age
925
900
875
850
825
800
775
750
725
700
7,800
Depth (ft)
Northing
75,000
7,900
NorthSouth (50ft)
8,000
www.stata.com/stata12
Enfoque de SEM para economistas (y otros que piensan que no les interesa)
Este artculo no es para los que conocen SEM (modelos de ecuaciones
estructurales): aquellos que quieren utilizar modelos de medicin, anlisis
de trayectoria, anlisis factorial confirmatorio, modelos MIMIC, modelos de
crecimiento latente, y relaciones estructurales generales entre regresores
no observados (latentes) y las variables de respuesta; los que quieren
hacer todo lo anterior con un manejo sencillo y elegante de datos faltantes.
No. Este artculo es para aquellos que no estn familiarizados con SEM,
que no ven en su campo publicaciones que utilicen SEM, o que por alguna
otra razn no se han interesado por SEM.
No voy a tratar de convencerlo de que usted necesita los modelos
mencionados en el prrafo anterior (aunque es probable que algunas
de las herramientas en la lista le sean tiles). Ms bien, le voy a mostrar
algunos casos en los que SEM puede ajustar modelos que usted conoce
y utiliza, de una manera ms flexible y con extensiones que no estn
disponibles en los estimadores que usted utiliza habitualmente.
Ampliaciones de SUR
Vamos a empezar con la regresin aparentemente no relacionada (SUR),
que es simplemente una extensin de la regresin multivariada en la
que cada variable dependiente depende de un conjunto diferente de
covariables, por lo que los estimadores de los coeficientes dependen de
la matriz de covarianza de los errores, y no solamente de las varianzas
individuales. El siguiente es un modelo simple de tres ecuaciones:
y1 = 1 x1 + 2 x2 + 1
y2 = 3 x1 + 4 x3 + 2
y 3 = 5 x 1 + 6 x 2 + 7 x 3 + 3
x1 x2) (y2
x1 x3) (y3
x1 x2 x3)
sem (y1 <- x1 x2) (y2 <- x1 x3) (y3 <- x1 x2 x3)
,
covstruct(e.oendogenous, unstructured)
sem (y1 <- x1 x2) (y2 <- x1 x3) (y3 <- x1 x2 x3)
,
covstruct(e.oendogenous, exchangeable)
sem (y1 <- x1 x2) (y2 <- x1 x3) (y3 <- x1 x2 x3)
,
vce(cluster group)
sem (y1 <- x1 x2) (y2 <- x1 x3) (y3 <- x1 x2 x3)
,
method(mlmv)
Dicho de otra manera, las variables y1, y2, y3 pueden tener valores
faltantes al azar (MAR), y an as se puede usar la informacin de las
otras variables. El supuesto de MAR, tambin llamado seleccin sobre
observables, establece que la calidad de faltante slo depende de los
valores observados de y1, y2, y3, x1, x2 y x3 y no depende de datos
que no se observan.
Cuando slo las variables y presentan valores faltantes, el mtodo de
estimacin mlmv no aade supuestos adicionales a la estimacin.
Tambin se pueden realizar estimaciones utilizando mlmv cuando faltan
valores en las x, pero para ello debemos hacer la suposicin de que la
distribucin de x es normal multivariada.
Endogeneidad
Endogeneidad significa simplemente que existe una correlacin entre
un regresor y el trmino de error en una regresin. La endogeneidad
plantea un problema fundamental para la estimacin de parmetros. Si la
endogeneidad no se tiene en cuenta, los estimadores de los parmetros
sern sesgados e inconsistentes. Incrementar el tamao del conjunto de
datos no resolver este problema.
Todos estos problemas pueden ser tratados con SEM. El enfoque es
ms directo para los sistemas simultneos. Los sistemas simultneos se
presentan cuando dos o ms variables dependientes se afectan entre s.
y1 = 1 y2 + 2 x1 + 3 x2 + 1
y2 = 4 y1 + 5 x1 + 6 x3 + 2
A menudo hacemos la suposicin de que los tienen distribucin
normal y estn correlacionados, aunque muchos estimadores son
robustos frente a este supuesto.
La endogeneidad es obvia: dado que y2 es una funcin de y1, y2 est
claramente relacionada con la perturbacin de y1. Por qu no estimar
las ecuaciones de forma reducida que resultan de utilizar la expresin
de y1 en la ecuacin de y2 y viceversa? La estructura de las ecuaciones
originales a menudo surge de la teora, y los parmetros de las ecuaciones
son en s mismos de inters primario. Un ejemplo clsico de la economa
es cuando y1 es la cantidad demandada de un producto e y2 es el precio
del producto. 1 es claramente un parmetro importante, que relaciona la
cantidad demandada con el precio de oferta.
5
Estos parmetros son tan importantes que los economistas tienen un nombre
para ellos (parmetros estructurales), y las ecuaciones son tan importantes
que tenemos un nombre para ellas (ecuaciones estructurales).
Es el colmo de la irona que rara vez o nunca vemos las ecuaciones
estructurales estimadas por medio de modelos de ecuaciones estructurales
(SEM), a pesar de que estructural significa lo mismo en las dos expresiones.
Tal vez nos dejemos intimidar por las variables latentes que tambin pueden
aparecer en SEM, a pesar de que esto tambin resulta irnico dada la actual
popularidad de los modelos de factores dinmicos (muchos de los cuales se
pueden estimar con el comando de Stata dfactor).
En Stata 11, el sistema anterior se puede estimar con el mtodo de
mnimos cuadrados en tres etapas (3SLS) escribiendo
reg3 (y1
y2 x1 x2) (y2
y1 x1 x3)
Esto realizar una estimacin del modelo estructural para y1, pero slo una
forma reducida del modelo para y2.
El mtodo es apropiado para muchas formas de endogeneidad ms all de
los sistemas simultneos. Al igual que con SUR y los sistemas simultneos,
sem ofrece cierta flexibilidad que ivregress no tiene.
Qu ms?
Para acceder a una visin general de este enfoque, visite el post en el blog
Not Elsewhere Classified, en www.stata.com/blog/xtsem.
Si usted ha estado pasando por alto a SEM, pensado que no es para
usted, es posible que desee reconsiderar este punto de vista.
Vince Wiggins, Vicepresidente de
Desarrollo Cientfico, StataCorp
Fechas
Lugar
Costo
4 y 5 de abril de 2012
Washington, DC
USD 1.295
9 y 10 de febrero de 2012
Washington, DC
USD 1.295
18 y 19 de abril de 2012
Washington, DC
USD 1.295
8 y 9 de marzo de 2012
Washington, DC
USD 1.295
30 y 31 de mayo de 2012
Washington, DC
USD 1.295
6 y 7 de marzo de 2012
Washington, DC
USD 1.295
3 y 4 de noviembre de 2011
7 y 8 de febrero de 2012
6 y 7 de marzo de 2012
4 y 5 de abril de 2012
9 y 10 de mayo de 2012
19 y 20 de junio de 2012
Programacin de Comandos de
Estimacin en Stata
Este curso muestra cmo escribir un comando
de estimacin en Stata. No se requiere
experiencia en programacin en Stata o en
Mata, pero el tenerla ayuda. Despus de
una introduccin a la programacin bsica
usando los archivos .do de Stata, el curso
cubre los aspectos bsicos y avanzados
de programacin con archivos .ado. A
continuacin, se ofrece una introduccin a
Mata, el lenguaje matricial compilado que
forma parte de Stata. Luego se muestra cmo
implementar mtodos estadsticos lineales y
no lineales escribiendo programas en Stata
y Mata. Por ltimo, se discute el uso de
simulaciones de Monte Carlo para probar la
implementacin. Las clases se complementan
con ejercicios y ejemplos en Stata.
NUEVO
USD 950
NUEVO
D
erechos de autor:
2011
ISBN-13: 978-1-4398-1680-6
La quinta edicin del libro Practical Multivariate Analysis, por Afifi, May y
Clark, ofrece una introduccin aplicada al anlisis de datos multivariados. El
prefacio dice:
Escribimos este libro para los investigadores, especialmente los
cientficos del comportamiento, los cientficos biomdicos y los
investigadores industriales y acadmicos, que deseen llevar a cabo
anlisis estadsticos multivariados y entender los resultados. Esperamos
que los lectores sean capaces de realizar y entender los resultados,
pero tambin esperamos que sepan cundo pedir ayuda a un experto
en el tema. Puede ser utilizado como libro de lecturas auto-guiadas o
como texto en un curso aplicado sobre anlisis multivariado.
La primera mitad del libro, compuesta por las secciones 1 y 2, revisa
los conceptos bsicos: la comprensin de los diferentes tipos de datos,
la preparacin de los datos, la seleccin de las tcnicas estadsticas
apropiadas, y el uso y la comprensin de las tcnicas de regresin y
correlacin.
D
erechos de autor:
2011
ISBN-13: 978-0-521-19815-8
StataCorp
4905 Lakeway Drive
College Station, TX 77845
USA
Cmo contactarnos
979-696-4600
979-696-4601 (fax)
service@stata.com
www.stata.com
Por favor, incluya su nmero de serie de Stata en toda su correspondencia.
Encuntrenos en Facebook.
Derechos de Autor 2011 por StataCorp LP.
Sganos en Twitter.
Serious software for serious researchers. Stata es una marca registrada de StataCorp LP. Serious software for serious
researchers es una marca registrada de StataCorp LP.
Suecia
Washington, DC,
29 de octubre 29
2 de noviembre
Italia
El encuentro, organizado por TStat, distribuidor
de Stata en Italia, ofrece a los usuarios de Stata
que trabajan en diferentes reas de investigacin
una oportunidad nica para intercambiar ideas,
experiencias e informacin sobre rutinas escritas por
usuarios y aplicaciones. Los usuarios de Stata interesados en presentar contribuciones estn invitados
a enviar sus propuestas al comit cientfico. Como en aos anteriores, se har hincapi en el desarrollo
de nuevos comandos o procedimientos que actualmente no estn disponibles en Stata. Para ver ms
detalles, incluyendo un programa preliminar, visite www.stata.com/meeting/italy11.