Anotaciones de Econometria USO DE STATA

Aplicaciones de Stata en regresión lineal

Estimados alumnos, a continuación las tareas de esta actividad:

1. Investigar y generar en Stata 5 vectores de números aleatorios, cada vector con diferente distribución paramétrica. Ningún vector puede tener distribución t o normal. El número de

DISTRIBUCIONES

• CHI CUADRADO
• DISTRIBUCIÓN F
• DISTRIBUCIÓN UNIFORME DISCRETA        
• DISTRIBUCIÓN BINOMIAL
• DISTRIBUCIÓN EXPONENCIAL

observaciones queda a la decisión de cada estudiante. 

1. Investigar y obtener en Stata los valores críticos para una distribución t para los siguientes grados de libertad: 10, 1000, 1000000. Para cada caso, obtener al 60% y 98%.α En total serían 6 valores críticos.
2. A partir de la base GPA1.RAW, elabore 5 regresiones (queda a la decisión del estudiante las variables y el número de variables en cada regresión) y presente sus resultados en una sola tabla, como se realizó en clase.
3. Explique en el do file la significancia de los estimadores de las 5 regresiones del punto 3. 
4. Escoja 2 de las 5 regresiones elaboradas en el punto 3, y, considerando los promedios y desvíos estándar de sus variables, crear nuevas variables (dependiente y explicativas) de forma aleatoria (utilizando la función de creación de números aleatorios para una distribución normal). Utilizando las nuevas variables generadas aleatoriamente, estimar nuevas regresiones y presentar sus resultados en una sola tabla.  

Obs:

• Este trabajo tendrá validez de 2 notas sobre 10.
• Se deberá subir únicamente el do file hasta la fecha indicada. 

*UASB -ECONOMETRÍA

*ANDRÉS SALAZAR M.

*PARTE I - VECTORES======================================

*--------------------------------------------------------------------------

*1.1.- VECTOR CON DISTRIBUCIÓN UNIFORME

*Los parámetros son (Mínimo, Máximo)

clear all

set obs 10000

generate y_dependiente = runiform(100,8000)

summarize y

generate x_independiente = runiform(0,10000)

summarize x

*--------------------------------------------------------------------------

*1.2.- VECTOR CON DISTRIBUCIÓN BETA

*Los parámetros son (entre 0 y 1 por tratarse de densidad)

clear all

set obs 1000

generate y_dep = rbeta(0.2,1)

summarize y_dep

generate x_indep = rbeta(0.14,0.59)

summarize x_indep

*--------------------------------------------------------------------------

*1.3.- VECTOR CON DISTRIBUCIÓN BINOMIAL

*Los parámetros son (n= numero ensayos o experimento; p=probabilidad de éxito

* que va de 0 a 1 es decir hasta el 100% de probabilidad de éxito)

clear all

set obs 5000

generate y_explicada = rbinomial(5000,0.5)

summarize y_explicada

generate x_explicativa = rbinomial(2500,0.9)

summarize x_explicativa

*--------------------------------------------------------------------------

*1.4.- VECTOR CON DISTRIBUCIÓN CHI CUADRADO

* Si la probabilidad es menor que el nivel de significación, la prueba se

* considera que es estadísticamente significativa. Se usa en muestras pequeñas n<30

clear all

set obs 30

generate y2 =  rchi2(15)

summarize y2

generate x2 = rchi2(8.9)

summarize x2

*--------------------------------------------------------------------------

*1.5.- VECTOR CON DISTRIBUCIÓN EXPONENCIAL

*Los parámetros son (b = escalar)

clear all

set obs 12000

generate y_exp =  rexponential(6)

summarize y_exp

generate x_exp = rexponential(10.4)

summarize x_exp

*PARTE II - DISTRIBUCIÓN t  ==============================================

*--------------------------------------------------------------------------

*2.1.- VALORES CRITICOS GL = 10 AL 60%

*  Si α = 0.40

clear all

set obs 30

generate y_tgl10 = invttail(10,0.40)

summarize y_tgl10

*si asumimos un análisis de dos colas

display invttail(10,0.40)/2

*--------------------------------------------------------------------------

*2.2.- VALORES CRITICOS GL = 10 AL  98%

*  Si α = 0.02

clear all

set obs 30

generate y_tgl_10 = invttail(10,0.020)

summarize y_tgl_10

*si asumimos un análisis de dos colas

display invttail(10,0.020)/2

*--------------------------------------------------------------------------

*2.3.- VALORES CRITICOS GL = 1000 AL 60%

*  Si α = 0.40

clear all

set obs 30

generate y_tgl1000 = invttail(1000,0.40)

summarize y_tgl1000

*si asumimos un análisis de dos colas

display invttail(1000,0.40)/2

*--------------------------------------------------------------------------

*2.4.- VALORES CRITICOS GL = 1000 AL 98%

*  Si α = 0.02

clear all

set obs 30

generate y_tgl_1000 = invttail(1000,0.020)

summarize y_tgl_1000

*si asumimos un análisis de dos colas

display invttail(1000,0.020)/2

*--------------------------------------------------------------------------

*2.5.- VALORES CRITICOS GL = 1000000 AL 60%

*  Si α = 0.40

clear all

set obs 30

generate y_tgl1000000 = invttail(1000000,0.40)

summarize y_tgl1000000

*si asumimos un análisis de dos colas

display invttail(1000000,0.40)/2

*--------------------------------------------------------------------------

*2.6.- VALORES CRITICOS GL = 1000000 AL 98%

*  Si α = 0.02

clear all

set obs 30

generate y_tgl_1000000 = invttail(1000000,0.020)

summarize y_tgl_1000000

*si asumimos un análisis de dos colas

display invttail(1000000,0.020)/2

*PARTE III - BASE GPA1.RAW  ==============================================

*--------------------------------------------------------------------------

* Elabore 5 regresiones  y presente sus resultados en una sola tabla.

clear all

use "C:\Users\AUDICOMEX3-2017\Documents\0.-ASM PERSONAL\Maestria\II TRIMESTRES ESP FINANZAS\ECONOMETRIA\Material Clase-Econometria\gpa1.dta"

*quietly regress.- para guardar informacion de la regresion en la memoria del stata pero no me

*muestre el output

*estimate store "nombre de la regresion" para que ejecute lo que no quice me muestre

...