2014

Slabo de STATA 13 para Economistas

1. Datos informativos:

1.1. Curso: STATA 13 para Economistas

1.2. Total de horas: 24 horas
1.3. Modalidad: Presencial
1.4. Pre- requisitos: Conocimientos bsicos de Ms. Windows y bsico de
estadstica.

2. Sumilla:

Cada vez es ms necesario que los economistas y profesionales de campos afines puedan
trabajar con bases de datos de grandes dimensiones y de gran complejidad.

Pensando en ello, este curso ser una introduccin a las tcnicas economtricas necesarias
para trabajar con bases de datos complejas empleando STATA 13. Las primeras sesiones
sern dedicadas al manejo del programa y a la preparacin de la bases de datos previa a la
estimacin y al anlisis descriptivo. Luego se presentaran las metodologas de estimacin
ejemplificndose stas con una aplicacin a una base de datos peruana.

Para el cumplimiento de los objetivos es necesario que el participante tenga el conocimiento

mnimo de un curso de econometra bsica.

3. Objetivos:

3.1. Objetivo general:

Emplear el STATA 13 tanto en el modo interactivo como mediante archivos de ejecucin

por lotes (dofiles) para obtener estadsticos descriptivos, grficos, estimaciones y post
estimacin de modelos economtricos de corte transversal y panel de datos.

3.2. Objetivos especficos

Manipular una base de datos con muestreo aleatorio complejo (como la ENAHO) para
obtener estadsticos descriptivos.
Fusionar, colapsar y recodificar bases de datos como paso previo para la estimacin de
modelos economtricos de corte transversal y panel de datos.
Elegir entre varias tcnicas economtricas de corte transversal segn el tipo de
problema terico que enfrente.
 2014

4. Contenidos:

I. STATA y recursos de STATA

1.1. Iniciando una sesin en STATA

1.2. Documentacin y ayuda en STATA
1.3. Bsqueda de informacin
1.4. Statalist

II. Manejo de datos

2.1. Creando una nueva base de datos

2.2. Subconjuntos de datos: `if, `in
2.3. Generando y reemplazando variables
2.4. Uso de funciones
2.5. De numrico a String y viceversa
2.6. Importando datos de otros programas
2.7. Combinando dos o ms archivos de datos en Stata
2.8. Reshaping y agrupamiento de datos
2.9. Ponderando observaciones
2.10. Creacin de datos aleatorios y muestras aleatorias
2.11. Escribiendo programas para la administracin de la base de datos
2.12. Administracin de la memoria

III. Introduccin a la programacin

3.1. ado file y do file

3.2. Lenguaje matricial

IV. Grficos

4.1. Ejemplos
4.2. Histogramas y kernels
4.3. Scatter
4.4. Grfico de lneas
4.5. Uso del twoway
4.6. Box plots
4.7. Combinacin de grficos

V. Estadsticas resumen y tablas

5.1. Estadsticas resumen

5.2. Anlisis exploratorio de los datos
5.3. Pruebas de normalidad
5.4. Frecuencias, tablas cruzadas
5.5. Tablas con estadsticas resumen

VI. Anlisis de componentes principales y conglomerados

6.1. Aplicaciones
6.2. Anlisis de componentes principales
 2014

VII. ANOVA y otros mtodos de comparacin

7.1. Anlisis de varianza y covarianza

7.1.1. One-sample test
7.1.2. Two-sample test

VIII. Anlisis de regresin lineal

8.1. Estimacin y prediccin

8.2. Grficos bsicos de regresin
8.3. Correlacin
8.4. Pruebas de hiptesis
8.5. Variables dicotmicas
8.6. Stepwise
8.7. Regresin polinomial

IX. Series de tiempo

9.1. Manejo de variables temporales

9.2. Anlisis de series de tiempo
9.3. Autocorrelacin
9.4. VAR, SVAR y funciones impulso respuesta

X. Diagnsticos de una regresin

10.1. Plots de diagnstico

10.2. Estadsticos de diagnstico
10.3. Multicolinealidad
10.4. Outliers

XI. Regresin robusta

11.1. Regresin con datos ideales

11.2. Heterocedasticidad
11.3. Anlisis robusto de varianza

XII. Regresin logstica

12.1. Estimacin e interpretacin

12.2. Estadsticos de diagnstico
12.3. Efectos marginales
12.4. Estadsticos de diagnstico
12.5. Logit ordenado
12.6. Logit multinomial

XIII. Datos de panel

13.1. Modelos para datos de panel esttico: pooled ols, fixed efects, random efects.
Contraste F, Hausman y de multiplicadores de Lagrange.
13.2. Modelos para datos de panel dinmico: Estimacin por MGM. Modelo en
primeras diferencias (modelos Arellano-Bond y Arellano-Bover).
 2014

5. Metodologa:

El curso est basado en las metodologas de aprendizaje colaborativo y ABP, las cuales
promueven el autoaprendizaje y autonoma personal.

Se han planteado para el curso un material de estudio, ejercicios sugeridos y casos. El medio
con el cual interactuaran ser el Campus Virtual, a travs de ella se facilitar la interaccin
entre el docente y los participantes. Otros: aula informtica, pizarra acrlica, equipo multimedia
y plumones de pizarra

6. Evaluacin:

La calificacin final del participante se obtendr de la siguiente manera:

Trabajos aplicativos 70%

Examen 30%

Total 100%

7. Certificacin:

El instituto otorgar la certificacin digital a todos los participantes que aprueben los cursos
desarrollados en 24 horas a ms; con una nota mayor o igual a 11 (once); en el caso que el
participante no cuente con una nota aprobatoria podr solicitar la emisin de una constancia al
correo institucional siempre y cuando no haya excedido el nmero de faltas permisibles.

8. Recursos bibliogrficos / digitales:

Acock, Alan C. (2012). A Gentle Introduction to Stata, Revised Third Edition. Stata
Press.
Adkins, Lee C. y Hill, R. Carter (2011). Using Stata for Principles of Econometrics,
Fourth Edition. Wiley.
Baum, Christopher F. (2006). An Introduction to Modern Econometrics Using Stata.
Sata Press.
Becketti, Sean (2013). Introduction to Time Series Using Stata. Stata Press.
Cameron, A. Colin y Trivedi, Pravin K. (2010). Microeconometrics Using Stata, Revised
Edition. Stata Press.
Long, J. Scott y Freese, Jeremy (2006). Regression Models for Categorical Dependent
Variables Using Stata, Second Edition. Stata Press.
Mendoza Velzquez, Alfonso (Ed.) (2013). Aplicaciones en Economa y Ciencias
Sociales con Stata. Stata Press.
Regression with Stata, UCLA Academic Technology Services, USA. Recuperado de
http://www.ats.ucla.edu/stat/stata/webbooks/reg/default.htm
StataCorp (2013) Stata Users Guide Release 13.
 2014
Wooldridge, Jeffrey M. (2010) Econometric Analysis of Cross Section and Panel Data:
Second Edition. The Mit Press.