La etapa de estimación
Enviado por • 17 de Abril de 2014 • Ensayos • 2.882 Palabras (12 Páginas) • 354 Visitas
Imputación múltiple de datos faltantes
El nuevo comando de Stata mi proporciona una serie completa de
métodos de imputación para el análisis de datos incompletos, es decir,
observaciones para las cuáles faltan algunos de los valores. mi provee
funcionalidades para ambas etapas, la de imputación y la de estimación.
La etapa de estimación cubre ambas, la estimación en datos individuales
y la integración de los resultados, en un procedimiento fácil de usar.
mi provee también funcionalidades para analizar los patrones de
valores faltantes en los datos. Se proporcionan métodos flexibles de
imputación, incluyendo cinco métodos de imputación univariada que
pueden ser usados como bloques básicos para construir imputaciones
multivariadas, así como MVN (imputación normal multivariada).
Supongamos que queremos estudiar la relación lineal entre una variable
y y los predictores x1 y x2. Nuestros datos presentan valores faltantes,
y el descartar todas las observaciones con valores faltantes implicaría
reducir el tamaño muestral en un 40%. Ajustaremos el modelo utilizando
imputación múltiple. Primero, imputamos los valores faltantes, creando
Panel de control para imputaciones múltiples
El panel de control para imputaciones múltiples unifica las funcionalidades del comando mi, y guía al usuario desde el principio hasta el final del
análisis, desde la etapa de examinar los patrones de valores faltantes hasta realizar estimaciones e inferencia sobre imputaciones múltiples.
• Use Examine para chequear los patrones de valores
faltantes y así determinar el método de imputación
apropiado.
• Use Setup para establecer las características de los
datos cuando es necesario imputar valores. Si sus
datos ya contienen imputaciones, entonces omita esta
etapa y utilice Import.
• Use Impute para crear imputaciones. Usted puede
imputar una o varias variables simultáneamente.
Para ello, los siguientes métodos están disponibles:
regresión, ajuste de medias predictivas, regresiones
logística, ordinal logística y multinomial logística, y
MVN. Con patrones monótonos de datos faltantes,
usted puede combinar métodos de imputación.
• Use Manage para realizar manejos de datos.
• Use Estimate para ajustar su modelo y combinar
resultados.
• Use Test para realizar tests de hipótesis.
(arbitrariamente) cinco conjuntos de datos con los valores faltantes
sustituidos.
Luego podemos ajustar el modelo:
mi estimate ajusta el modelo especificado (en este caso regresión
lineal) para cada uno de los cinco conjuntos generados, y luego combina
dichas estimaciones en un resultado global.
mi puede importar datos que han sido imputados previamente,
incluyendo datos de NHANES o ice, o permite que el usuario realice
sus propias imputaciones. En cualquiera de los casos, la clave del
análisis de datos con imputaciones múltiples es mantener control
de varias copias de los datos, y mi mantiene, automáticamente, las
distintas copias sincronizadas. Usted puede crear o descartar variables
u observaciones como si estuviera trabajando con un sólo conjunto de
datos. Usted puede adjuntar conjuntos de datos en forma horizontal
(merge) o vertical (append), e incluso cambiar la forma de sus datos.
El hecho de que las transformaciones que usted realiza deben ser
llevadas a cabo, en forma coherente, sobre 5, 50 o aún 500 conjuntos
de datos, es irrelevante.
3
Los gráficos ahora soportan múltiples
fuentes y símbolos
Ahora usted puede incluir múltiples fuentes en regular, negrita o
itálica, el alfabeto griego completo en mayúsculas y minúsculas, y más
de 70 símbolos matemáticos en cualquiera de los textos que aparecen
en los gráficos.
Además, los gráficos aceptan una versión extendida del lenguaje de
control de texto, SMCL. Las letras griegas y los símbolos matemáticos
tienen nombres intuitivos y fáciles de recordar (tags). Por ejemplo,
para producir poner en el eje x el título β-caroteno, sólo necesita
especificar xtitle(“{&beta}-carotene”). Para incluir χ 2
en su texto, especifique {&chi}{superscript:2}, o {&chi}
{sup:2}.
“Tags” adicionales facilitan seleccionar entre sans serif, serif,
monoespacio y fuentes para los símbolos.
Naturalmente, estas nuevas funcionalidades también están disponibles a través de los diálogos y del Editor de Gráficos interactivo.
Nuevos Editor de Datos, Editor de archivos Do, y Manejador de Variables
Los nuevos Editor de Datos, Editor de archivos Do, y Manejador de Variables, hacen sus tareas de manejo de datos y programación más simples
que nunca.
El nuevo Editor de archivos Do (para Windows)
incluye sintaxis coloreada, plegado de código (así
usted puede ocultar bloques de código mientras
trabaja en otras partes), capacidad de trabajar con
varios archivos en forma simultánea, y tamaño
ilimitado para los archivos.
El nuevo Editor de Datos le permite
ordenar variables, aplicar filtros para
ver subconjuntos de sus datos, tomar
“snapshots”, (así podrá revertir fácilmente
cambios que usted ha hecho), e ingresar
datos y tiempos. El Editor de Datos es
una vista en vivo de sus datos: cambie sus
datos utilizando un comando de Stata,
e instantáneamente verá los resultados
reflejados en el Editor de Datos.
El nuevo Manejador de Variables le permite usar el ratón para cambiar
nombres de variables y modificar tipos de datos en las variables, etiquetas
y notas. Usted puede aplicar un filtro para ver solamente las variables que
verifiquen cierto criterio.
Variables factoriales
Stata ahora maneja variables factoriales (categóricas) en forma elegante. Usted puede ahora utilizar el prefijo i. con una variable para especificar
indicadores para cada nivel (categoría) de la variable. También puede incluir un # entre dos variables para crear una interacción (indicadores para
cada combinación de categorías de las dos variables). Si, en lugar de un símbolo # usted escribe ##, esto indica un modelo factorial completo
de las dos variables, es decir, la inclusión de las interacciones más indicadores para cada categoría de las dos variables. Si usted desea incluir la
interacción de una variable continua con una variable factorial, simplemente incluya el prefijo c. para la variable continua; usted puede especificar
hasta interacciones de ocho vías.
En el siguiente ejemplo ajustamos una regresión lineal del nivel de colesterol (variable cholesterol) versus un factorial completo del grupo de edad
(age) y el estatus de fumador (smoke), una variable continua que contiene el índice de masa corporal (bmi), y su interacción con el indicador
de fumador.
. regress cholesterol smoker##agegrp bmi smoker#c.bmi
Podríamos haber utilizado paréntesis para expresar el modelo en forma más corta:
. regress cholesterol smoker##(agegrp c.bmi)
Las categorías de referencia pueden ser modificadas en la misma línea de la regresión: i.agegrp utiliza por defecto la categoría 1 como base,
mientras b3.agegrp hace que la categoría base sea 3.
Las variables indicadoras de grupos no son creadas en el conjunto de datos, lo que ahorra mucho espacio.
Las variables factoriales están totalmente integradas a los mecanismos de procesamiento de variables de Stata, proveyendo una forma congruente
de interactuar con comandos de estimación y de postestimación.
Regresión para riesgos en competencia
La regresión para riesgos en competencia constituye una útil alternativa
a la regresión de Cox en presencia de uno o más riesgos simultáneos.
Por ejemplo, supongamos que usted está estudiando el tiempo desde el
comienzo de un tratamiento oncológico hasta la recurrencia de cáncer
en relación al tipo de tratamiento administrado y factores demográficos.
El fallecimiento es un riesgo que compite con el evento de estudio: la
persona bajo tratamiento puede morir, impidiendo la ocurrencia del
evento de interés, recurrencia de cáncer. A diferencia de la censura de
observaciones, que meramente obstruye la observación del evento, un
evento que compite impide la ocurrencia del evento de interés, y el
análisis debe ajustarse de acuerdo a estos hechos.
El nuevo comando de Stata stcrreg implementa la regresión
para riesgos en competencia basada en el modelo de subriesgos
proporcionales de Fine y Gray.
La regresión de Cox se centra en la función de supervivencia, que
indica la probabilidad de sobrevivir más allá de un momento dado. En
cambio, la regresión para modelos en competencia se enfoca hacia la
función de incidencia acumulativa, que indica la probabilidad de que el
evento de interés ocurra antes de un instante dado. La regresión para
riesgos en competencia es semiparamétrica, dado que la función de
subriesgo (para valores cero de las variables independientes) se deja
sin especificar y los efectos de las variables independientes se asumen
proporcionales. Este comando permite la inclusión de variables que
varían con el tiempo.
El comando de Stata stcurve ha sido actualizado para funcionar
luego de stcrreg y producir gráficos de incidencia acumulativa, y
también se puede usar predict para obtener una amplia gama de
predicciones.
4
5
Stata 11 produce márgenes. Márgenes son estadísticos calculados a
partir de predicciones de modelos ajustados previamente, evaluados
en valores fijos de ciertas variables independientes y promediados, o
integrados sobre las variables independientes restantes. Entre otras
funcionalidades, esto incluye medias marginales, medias por mínimos
cuadrados, efectos marginales/parciales promediados y condicionales
(como derivadas o elasticidades), predicciones ajustadas promedio y
condicionales, márgenes predictivos.
Los márgenes predictivos son particularmente aptos para datos
provenientes de encuestas y otras muestras que representan una
población (ya sea por muestreo aleatorio o por pesos). En dichos casos,
los márgenes o efectos marginales pueden ser considerados estimadores
de los mismos estadísticos en la población o procedimiento generador
de datos (PGD), y sus errores estándar e intervalos de confianza pueden
usarse para efectuar inferencias sobre la población o PGD.
Usted puede calcular los estadísticos para cada subgrupo o
subpoblación determinada por valores únicos de una lista de variables
(varlist) por medio del uso de la opción by(varlist).
Medias marginales, predicciones ajustadas y efectos marginales
Modelos de espacio de estados y modelos de factor dinámico
Los nuevos comandos de Stata sspace y dfactor facilitan el ajuste de una amplia variedad de modelos multivariados para series de tiempo,
expresándolos como modelos lineales de espacio de estados, incluyendo modelos con vectores autorregresivos y promedios móviles (VARMA),
modelos estructurales para series de tiempo (STS), y modelos de factor dinámico.
En el ejemplo siguiente tenemos un conjunto de datos de producción industrial (variable ipman), ingreso real disponible (dsp), horas semanales
trabajadas (awhi) y tasa de desempleo (unrate). Sospechamos que existe un factor latente que puede explicar estas cuatro series, y conjeturamos
que este factor latente sigue una estructura autorregresiva de orden 2.
Primero, ajustamos nuestro modelo escribiendo:
. dfactor (ipman dsp awhi unrate = , noconstant)
(f = , ar(1/2))
Con nuestro modelo ajustado, podemos obtener un pronóstico dinámico para
el ingreso real disponible a partir de diciembre de 2008:
. predict dsp_f, dynamic(tm(2008m12))
. tsline dsp dsp_f if month >= tm(2005m1)
Debido a las nuevas funcionalidades en Stata 11 para variables factoriales,
margins entiende variables al cuadrado y otras formas polinomiales,
por lo cuál usted puede obtener efectos marginales para una variable
“age” aún cuando esta variable entra en el modelo como “age” y como
“age” al cuadrado.
El comando margins de Stata 11 incluye opciones para hacer que
los errores estándar reportados tengan en cuenta diseños de encuestas
incluyendo pesos, unidades de muestreo, pre y post estratificación, y
subpoblaciones.
Luego de margins, usted puede testear igualdad de cualquier
combinación lineal o no lineal de los resultados estimados.
. test 0.sex = 1.sex
( 1) 0b.sex - 1.sex = 0
chi2( 1) = 8.53
Prob > chi2 = 0.0035
Usted puede incluso formar combinaciones lineales y no lineales de
modo de examinar razones de riesgo, diferencias de riesgos, etc, y
efectuar tests con los mismos.
margins funciona luego de la mayoría de los comandos de
estimación de Stata.
Método de los momentos generalizado (GMM)
El nuevo comando gmm de Stata hace la estimación por el método de los momentos generalizado tan simple como una estimación no lineal por
mínimos cuadrados y una regresión no lineal aparentemente no relacionada. Simplemente especifique sus ecuaciones residuales por medio de
expresiones substituibles, liste sus instrumentos, elija una matriz de pesos, y obtenga sus resultados.
Aquí ajustamos un modelo de Poisson al número de visitas al médico como función de género, ingresos, y presencia o no de alguna enfermedad
crónica o seguro de salud privado. Tenemos razones para creer que income (ingresos) es una variable endógena, por lo que usamos edad y raza
como instrumentos.
Por defecto, gmm utiliza el estimador en dos etapas y una matriz de pesos que asume que los errores son independientes pero no necesariamente
idénticamente distribuidos.
La validez de nuestros instrumentos está ciertamente abierta al debate; (la edad probablemente influye sobre el número de visitas al doctor) y
podemos testear su validez por medio de estat overid.
. estat overid
Test of overidentifying restriction:
Hansen’s J chi2(2) = 9.52598 (p = 0.0085)
El estadístico J de Hansen indica que uno o más de uno de los instrumentos no son válidos.
gmm permite el uso de matrices de peso que implican que las observaciones son independientes e idénticamente distribuidas, independientes pero
no idénticamente distribuidas, agrupadas en conglomerados (clusters), o autocorrelacionadas. También se dispone de selección automática de
ventanas para matrices de peso que generen resultados consistentes bajo heteroscedasticidad y autocorrelación.
Además de instrumentos estándar, gmm posibilita la creación de instrumentos del estilo de los utilizados en modelos de panel dinámico y otros
modelos de panel con regresores endógenos.
Para análisis más complicados, gmm le permite escribir un programa para evaluar sus ecuaciones residuales en lugar de utilizar expresiones
sustituibles. Estos programas se estructuran igual que aquellos para ml, nl y nlsur. Tanto la versión interactiva como la programable permiten
la especificación de derivadas analíticas.
6
Documentación PDF
¡Stata ahora se distribuye con documentación completa en formato PDF!
Los nuevos manuales de Stata 11 en formato PDF están completamente
integrados con el sistema de ayuda interactivo de Stata. Seleccione
y vaya directamente al manual correcto, en la página correcta. Los
manuales PDF se distribuyen con cada copia de Stata. Por supuesto, la
documentación impresa sigue estando disponible.
Ordene ya
Para ingresar una orden, visite
www.stata.com
7
Marque su calendario para la Conferencia 2009 de Stata en Washington,
DC, los días 30 y 31 de julio. La conferencia constituirá una oportunidad de
encontrarse con otros usuarios de Stata, y su única posibilidad este año de
hablar con integrantes del equipo de desarrollo de Stata en un encuentro en
los Estados Unidos.
Además de contribuciones de usuarios, la conferencia incluye apreciaciones
globales y explicaciones detalladas sobre funcionalidades nuevas de Stata 11
presentadas por miembros del equipo de desarrollo de Stata.
El programa tentativo para la conferencia se detalla a continuación. Se
presenta intenso y estimulante. Para ver los resúmenes del encuentro, visite
www.stata.com/meeting/dcconf09/abstracts.html
Conferencia 2009 en DC Fechas: Jueves 30 y viernes 31 de julio de 2009
Lugar: Hotel Monaco, Washington, DC
700 F St. NW
Washington, DC 20004
USA
Para registrarse: www.stata.com/meeting/dcconf09/
Precio Estudiantes
Un día $125 $50
Ambos días $195 $75
Cena opcional $38
Continúa en la página 8.
Programa
Jueves 30 de julio de 2009
8:30 AM Easy approaches to GMM
David Drukker, StataCorp
9:20 AM Mixed-process models with cmp
David Roodman, Center for Global Development
10:10 AM Café
10:25 AM Multivariate time series
David Drukker, StataCorp
11:15 AM Survey statistics in Stata
Jeff Pitblado, StataCorp
12:05 PM Almuerzo
1:00 PM Regression diagnostics for survey data
Rick Valliant, University of Maryland
1:45 PM Using Stata for subpopulation analysis of
complex sample survey data
Brady West, University of Michigan
2:30 PM Café
2:45 PM Implementing econometric estimators with Mata
Christopher F. Baum, Boston College
3:10 PM Estimating high-dimensional fixed-effects
models
Paulo Guimaraes, University of South Carolina
3:45 PM Data envelopment analysis in Stata
Choonjoo Lee and Ji Yong-bae, Korea National
Defense University
4:15 PM Café
4:30 PM Estimating the fractional response model with
an endogenous count variable
Hoa Nguyen, Michigan State University
4:50 PM Threshold regression with threg
Mei-Ling Ting Lee and Tao Xiao, University of
Maryland
5:20 PM Causal inference
Austin Nichols, Urban Institute
6:00 PM Receso
7:00 PM Cena opcional en Oyamel (401 7th St. NW)
Viernes 31 de julio de 2009
8:30 AM Handling categorical covariates gracefully
Jeff Pitblado, StataCorp
9:20 AM Between tables and graphs
Nicholas J. Cox, Durham University (UK)
10:10 AM Café
10:25 AM Integrating Stata into your workflow
Bill Rising, StataCorp
11:15 AM Stata in large-scale development
Michael Lokshin, The World Bank
12:05 PM Almuerzo
1:00 PM Stata for microtargeting using C++ and ODBC
Masahiko Aida, Greenberg Quinlan Rosner
1:20 PM A Stata regression-space database server
module
Mario Alberto Barabino, Bergamo University (Italy)
1:45 PM Meta-analytic depiction of ordered categorical
diagnostic test accuracy in ROC space
Ben Dwamena, University of Michigan
2:30 PM Café
2:45 PM Stata commands for moving data between
PHASE and HaploView
Chuck Huber, Texas A&M Health Science Center
School of Rural Public Health
3:05 PM Automated individualized student assessment
Stas Kolenikov, University of Missouri
3:30 PM Altruism squared: The economics of Statalist
exchanges
Martin Weiss, University of Tuebingen (Germany)
3:50 PM Implementing custom graphics in Stata
Sergiy Radyakin, The World Bank
4:15 PM Café
4:30 PM Report to users
Bill Gould, StataCorp
5:15 PM Wishes and grumbles: User feedback and Q&A
Cómo contactarnos
StataCorp Tel 979-696-4600
4905 Lakeway Drive Fax 979-696-4601
College Station, TX 77845 Email service@stata.com
USA Web www.stata.com
Derechos de Autor 2009 por StataCorp LP.
Por favor, incluya su número de serie de Stata en toda su correspondencia.
8
Distribuidores
Revendedores
Columbia CP, Ltd.
China, Hong Kong, Malasia, Filipinas,
Singapur, Tailandia, Vietnam
tel: +86-131-47501748 China
+852-28580080 Hong Kong
+603-56389268 Malasia
+63-2-5647757 Filipinas
+65-6842 5538 Singapur
+66-8-17209515 Tailandia
+84-4-7870931 Vietnam
email: sales@columbiacp.com
Dittrich & Partner Consulting
República Checa, Alemania, Hungría
tel: +49 2 12 / 26 066-0
email: sales@dpc.de
DPC Geschäftsstelle Wien
Austria
tel: +49-212-2606624
email: info@dpc.co.at
DPC Nederland
Países Bajos
tel: +31 (0)76 530 2330
email: sales@dpc-software.nl
East Asia Training & Consultancy
Indonesia, Singapur, Tailandia
tel: +65 62199062 Singapur,
Indonesia
662 6279000 Tailandia
email: stata@eastasiatc.com.sg
iXon Technology Company, Ltd.
Taiwan
tel: +886-(0)2-27045535
email: hank@ixon.com.tw
JasonTG
Corea del Sur
tel: +82 (02)470-4143
email: info@jasontg.com
MercoStat Consultores
Argentina, Paraguay, Uruguay
tel: 598-2-613-7905
email: mercost@adinet.com.uy
Metrika Consulting
Estados Bálticos, Dinamarca, Finlandia,
Islandia, Noruega, Suecia
tel: +46 (0)8-792 47 47
email: sales@metrika.se
MultiON Consulting S.A. de C.V.
Belice, Costa Rica, El Salvador, Guatemala,
Honduras, México, Nicaragua, Panamá
tel: 52 (55) 5559 4050
email: direccion@multion.com.mx
Quantec Research (Pty), Ltd.
Africa
tel: +27-12-3615154
email: software@quantec.co.za
Ritme Informatique
Bélgica, Francia, Luxemburgo
tel: +33 (0)1 42 46 00 42
email: info@ritme.com
Scientific Formosa, Inc.
Taiwan
tel: 886-2-25050525
email: amanda@sciformosa.com.tw
Scientific Solutions, S.A.
Suiza
tel: 41 (0)21 711 15 20
email: info@scientific-solutions.ch
SOFTWARE Shop, Inc.
Bolivia, Chile, Colombia, Ecuador, Perú,
Venezuela
tel: +1-425-651-4090 Bolivia, Ecuador
+ 56-(2)-899-0455 Chile
+ 57-(1)-619-4000 Colombia
+ 58-(212)-771-5899 Venezuela
+ 51-(1)-706-8197 Perú
email: Ventas@SOFTWARE-shop.com
Survey Design & Analysis Services
Australia, Nueva Zelanda
tel: +61 (0)3 9878 7373
email: sales@survey-design.com.au
Timberlake Consultants
Eire, Irlanda, Reino Unido
tel: +44 (0)20 8697 3377
email: info@timberlake.co.uk
Timberlake Consultants Polska
Polonia
tel: +48 (0)22-8252927
email: info@timberlake.pl
Timberlake Consulting S.L.
España
tel: +34 955601430
email: timberlake@timberlakeconsulting.com
Timberlake Consultores Brasil
Brasil
tel: +55-11-3170-3123
email: info@timberlake.com.br
Timberlake Consultores, Lda.
Portugal
tel: +351 245 308 549
email: info@timberlake.pt
TStat S.r.l.
Italia
tel: +39 0864 210101
email: tstat@tstat.it
Vishvas Marketing-Mix Services
India
tel: 91-22-2589 26 39
email: vishvas@vsnl.com
Tashtit Scientific Consultants, Ltd.
Israel
tel: +972-3-523-0825
email: info@tashtitsoft.co.il
Token Communication, Ltd.
Rumania
tel: +40 364 103256
email: statasales@token.com.ro
CHIPS Electronics
Brunei, Indonesia, Malasia
tel: +62-21-452 17 61
email: puyuh23@indo.net.id
Informatique, Inc.
Japón
tel: +81-3-3505-1250
email: sales@informatiq.co.jp
Katalogo Software
Brasil
tel: +55-11-3405 4507
email: patricias@katalogo.com.br
MP & Associates
Grecia, Chipre
tel: +30-210-7600955
email: info@mpassociates.gr
NFUCA
Japón
tel: 81-3-5307-1133
email: softinfo@univcoop.or.jp
Axoft
Rusia, Armenia, Azerbaiyán, Bielorrusia,
Georgia, Kazajstán, Kirguizistán, Moldavia,
Tayikistán, Turkmenistán, Ucrania,
Uzbekistán
tel: +7-495 232-0023 ext. 232
email: annakuri@axoft.ru
BockyTech, Inc.
Taiwan
tel: +886-2-23618050
email: raymond@bockytech.com.tw
TurnTech China
Beijing Shiji Tianyan Software
Co., Ltd.
China
tel: +86-10-62978511
+86-10-62669193
email: info@sciencesoftware.com.cn
UYTES
Turquía
tel: +90 312 446 1866
email: info@uytes.com.tr
Curso de un día
Introducción de las nuevas funcionalidades
de Stata 11
Aprenda qué hay de nuevo en Stata 11. Este curso de un día está dirigido
a usuarios de Stata 10 y versiones previas que están interesados en
aprender sobre las nuevas funcionalidades de Stata 11. Usted aprenderá
sobre diversos tópicos como manejo de datos de forma eficiente y
reproducible utilizando el ratón, desarrollo simple de código utilizando
el nuevo Editor de archivos Do, y análisis marginales extendidos y
unificados utilizando el comando margins y variables factoriales de
Stata. Usted también aprenderá acerca de las nuevas herramientas de
Stata para imputaciones múltiples.
Ésta promete ser una sesión intensa donde usted puede aprender
rápidamente sobre muchas de las nuevas funcionalidades de Stata. Por
más información, ver:
www.stata.com/training/public.html
Comité científico
Austin Nichols (presidente), Urban Institute (austinnichols@gmail.com)
Frauke Kreuter, University of Maryland (fkreuter@survey.umd.edu)
Michael Lokshin, World Bank (mlokshin@worldbank.org)
Mei-Ling Ting Lee, University of Maryland (mltlee@umd.edu)
Organizadores logísticos
Chris Farrar, StataCorp LP (cfarrar@stata.com)
Gretchen Farrar, StataCorp LP (gfarrar@stata.com)
Visite www.stata.com/alerts/ y marque el casillero “Stata Conferences
and Users Group meetings” para recibir actualizaciones de la información
sobre la conferencia.
...