• Author / Uploaded
• Hillary Martín Santillán

Citation preview

INTRODUCCION GENERAL AL

Aplicaciones con la Encuesta Nacional de Hogares

DOCUMENTO DE TRABAJO DEL CURSO TALLER “INDICADORES SOCIALES SOBRE LAS CONDICIONES DE VIDA Y POBREZA EN EL PERU”

Elaborado por: Ing. Romy E. Rodríguez Ravines Noviembre, 2000

Introducción al Stata

-1-

INTRODUCCION GENERAL AL Aplicaciones con la Encuesta Nacional de Hogares

Stata es un software que permite manipular y analizar datos usando métodos estadísticos. Es un paquete integrado con el que se pueden realizar Estadísticas Básicas, Modelos de Regresión Lineal, Modelos con Variables Binarias, Análisis de datos tipo panel y de Series de Tiempo, Estadística No Paramétrica, Análisis Multivariado, Simulaciones, etc.

 

Para ingresar al Stata basta con dar clic sobre el icono: Las ventanas que aparecen por defecto son :

Review Aquí se visualizan los comandos que se ejecutaron durante la sesión

Variables Aquí se visualizan las variables, y sus respectivas etiquetas, de la base de datos activa.

Results Aquí se visualizan los resultados de los procesos realizados

Command Aquí se digitan ejecutarán



los

comandos

que

se

Además se pueden abrir las ventanas Help y Do-File

Help Aquí se visualiza la ayuda del Stata. En ella se encuentra la sintaxis de cada comando así como la explicación detallada de los resultados obtenidos con cada opción.

Introducción al Stata

Do-File Es una ventana similar a un editor de texto, en ella se digitan los programas (do-files) del Stata. Desde aquí se pueden ejecutar programas enteros o sólo algunos comandos

-2-

ABRIR Y GUARDAR ARCHIVOS



Para ABRIR archivos de datos se puede usar el Menú: File\Open...., o escribir el comando use Los archivos de datos del Stata tienen extensión .dta. USE



use d:\panel\panel_1.dta

Abre el archivo “panel_1.dta”

use d:\panel\panel_1.dta, clear

Abre el archivo “panel_1.dta” aun si se encuentra en la memoria activa y tiene cambios respecto a la versión guardada

Para GUARDAR archivos de datos se puede usar el Menú: File\Save...., o File\Save as....,o escribir el comando save SAVE save d:\panel\panel_2.dta save d:\panel\panel_1.dta, replace

Guarda datos con el nombre “panel_2.dta” Reemplaza el archivo “panel_1.dta” con los datos de la base de datos activa.



Para IMPORTAR archivos de datos de otros formatos , se recomienda utilizar el Stat/Transfer (ver anexo 01)



Para GUARDAR los RESULTADOS en un archivo de texto se puede usar el comando Log using LOG USING log using d:\panel\resulta_1.txt

Crea el archivo “resulta_1.txt” y graba los resultados en formato texto.

log using d:\panel\resulta_1.txt, replace

Reemplaza el contendido del archivo “resulta_1.txt” con los nuevos resultados

log using d:\panel\resulta_1.txt, append

Adiciona los nuevos resultados al final del archivo “resulta_1.txt”

CONTENIDO DEL ARCHIVO DE DATOS



Para obtener una DESCRIPCIÓN DE LAS VARIABLES contenidas en el archivo de datos, se utiliza el comando Describe. DESCRIBE describe d d mieperho

Introducción al Stata

Muestra el formato y etiqueta de las variables de la base de datos Es el modo abreviado de describe Muestra el formato y etiqueta de la variable “mieperho”

-3-

. describe Contains data from d:\panel\panel_1.dta obs: 9,333 vars: 10 24 Oct 2000 11:29 size: 457,317 (50.9% of memory free) ------------------------------------------------------------------------------1. caseid str9 %9s identificación del hogar 1998 2. mieperho float %9.0g numero de miembros 3. percepho float %9.0g numero de perceptores 4. inghogtr float %9.0g ingreso total trimetral 5. gashogtr float %9.0g gasto total trimestral 6. pobreza float %9.0g pobreza pobreza 7. facpan float %9.0g factor 8. year float %9.0g año 9. nrocaso float %9.0g nrocaso identificacion del hogar 10. filtro float %9.0g filtro filtro ------------------------------------------------------------------------------Sorted by:



Para obtener los ESTADÍSTICOS DESCRIPTIVOS BÁSICOS (media, desviación estándar, mínimo y máximo) de las variables contenidas en el archivo de datos, se utiliza el comando Summarize. SUMMARIZE summarize

Muestra el número de casos, media, desviación estándar, mínimo y máximo

sum

Es el modo abreviado de summarize

sum mieperho, detail

Además de los estadísticos por defecto, muestra percentiles, kurtosis, Skewness de la variable “mieperho”

. summarize Variable | Obs Mean Std. Dev. Min Max ---------+----------------------------------------------------caseid | 0 mieperho | 9321 4.892501 2.291154 1 17 percepho | 9321 2.102886 1.184047 0 12 inghogtr | 9321 3790.891 4733.62 10 95752 gashogtr | 9321 3513.513 3456.631 114 91608 pobreza | 9321 2.522369 .7234267 1 3 facpan | 9333 1750.985 1394.398 128.8532 8945.154 year | 9333 1998 .8165403 1997 1999 nrocaso | 9333 1556 898.1164 1 3111 filtro | 9321 1 0 1 1 . sum mieperho, detail numero de miembros ------------------------------------------------------------Percentiles Smallest 1% 1 1 5% 1 1 10% 2 1 Obs 9321 25% 3 1 Sum of Wgt. 9321 50% 75% 90% 95% 99%

Introducción al Stata

5 6 8 9 12

Largest 16 16 16 17

Mean Std. Dev.

4.892501 2.291154

Variance Skewness Kurtosis

5.249387 .6552366 3.754976

-4-



Para obtener los un HISTOGRAMA E INFORMACIÓN ADICIONAL (cantidad de valores negativos, cero o positivos, cantidad de valores perdidos, cantidad de valores enteros)de las variables contenidas en el archivo de datos, se utiliza el comando Inspect. INSPECT inspect mieperho

Muestra un histograma pequeño e información sobre las observaciones de la variable “mieperho”

. inspect mieperho mieperho: numero de miembros ----------------------------| # | # # | # # | # # | # # | # # # . . +---------------------1 17 (17 unique values)

Negative Zero Positive Total Missing

Number of Observations NonTotal Integers Integers 9321 9321 ------------9321 9321 12 ----9333

FRECUENCIAS, PORCENTAJES, CRUCE DE VARIABLES



Las FRECUENCIAS de una variable se obtienen con el comando Tabulate. TABULATE tabulate mieperho

Muestra las frecuencias de “mieperho”

tab mieperho

Es la forma abreviada de tabulate

tab pobreza, generate (pob99)

Muestra las frecuencias de “pobreza” y crea 3 variables dicotómicas con los valores de “pobreza”

. tabulate mieperho numero de | miembros | Freq. Percent Cum. ------------+----------------------------------1 | 468 5.02 5.02 2 | 888 9.53 14.55 3 | 1310 14.05 28.60 4 | 1665 17.86 46.46 5 | 1645 17.65 64.11 6 | 1281 13.74 77.86 7 | 902 9.68 87.53 8 | 561 6.02 93.55 9 | 286 3.07 96.62 10 | 154 1.65 98.27 11 | 67 0.72 98.99 12 | 52 0.56 99.55 13 | 21 0.23 99.77 14 | 12 0.13 99.90 15 | 5 0.05 99.96 16 | 3 0.03 99.99 17 | 1 0.01 100.00 ------------+----------------------------------Total | 9321 100.00

Introducción al Stata

-5-



Los CRUCES DE DOS VARIABLES también se obtienen con el comando Tabulate. TABULATE tabulate year pobreza

tabulate year pobreza, row

Muestra el número de casos del cruce de las variables “year” y pobreza” Muestra el número de casos y el porcentaje horizontal del cruce de las variables “year” y “pobreza”

. tab year pobreza | pobreza año | pobre ext pobre no pobre | Total -----------+---------------------------------+---------1997 | 429 635 2035 | 3099 1998 | 444 640 2027 | 3111 1999 | 403 625 2083 | 3111 -----------+---------------------------------+---------Total | 1276 1900 6145 | 9321 . tab year pobreza,row | pobreza año | pobre ext pobre no pobre | Total -----------+---------------------------------+---------1997 | 429 635 2035 | 3099 | 13.84 20.49 65.67 | 100.00 -----------+---------------------------------+---------1998 | 444 640 2027 | 3111 | 14.27 20.57 65.16 | 100.00 -----------+---------------------------------+---------1999 | 403 625 2083 | 3111 | 12.95 20.09 66.96 | 100.00 -----------+---------------------------------+---------Total | 1276 1900 6145 | 9321 | 13.69 20.38 65.93 | 100.00



Los ESTADÍSTICOS de una variable cuantitativa RESPECTO A LAS CATEGORÍAS de otra variable, se obtienen combinando el comando tabulate y sum. TABULATE, SUM tabulate year, sum(mieperho)

tabulate pobreza (if year==1999), sum mieperho

Muestra la media, desviación estándar y el número de casos de la variable “mieperho” en cada categoría de la variable “year” Muestra la media, desviación estándar y el número de casos de la variable “mieperho” en cada categoría de la variable “pobreza”, cuando “year “ es igual a 1999.

. tab year, sum(mieperho) | Summary of numero de miembros año | Mean Std. Dev. Freq. ------------+-----------------------------------1997 | 4.9286867 2.2961247 3099 1998 | 4.9125683 2.2910576 3111 1999 | 4.836387 2.2859645 3111 ------------+-----------------------------------Total | 4.8925008 2.2911541 9321

Introducción al Stata

-6-

. tab pobreza if (year==1999), sum (mieperho) | Summary of numero de miembros pobreza | Mean Std. Dev. Freq. ------------+-----------------------------------pobre ext | 6.325062 2.3491381 403 pobre | 5.7184 2.3439907 625 no pobre | 4.2837254 2.0311359 2083 ------------+-----------------------------------Total | 4.836387 2.2859645 3111



Los ESTADÍSTICOS de una variable cuantitativa RESPECTO AL CRUCE DE DOS VARIABLES, se obtienen combinando el comando tabulate y sum. TABULATE, SUM tabulate year pobreza, sum(mieperho)

Muestra la media, desviación estándar y el número de casos de la variable “mieperho” en cada categoría del cruce de las variables “year” y “pobreza”

tabulate year pobreza, sum(mieperho) means

Muestra la sólo la media de la variable “mieperho” en cada categoría del cruce de las variables “year” y “pobreza”

. tab year pobreza, sum(mieperho) Means, Standard Deviations and Frequencies of numero de miembros | pobreza año | pobre ext pobre no pobre | Total -----------+---------------------------------+---------1997 | 6.5431235 5.5732283 4.3872236 | 4.9286867 | 2.3672474 2.2081527 2.0876643 | 2.2961247 | 429 635 2035 | 3099 -----------+---------------------------------+---------1998 | 6.204955 5.6859375 4.3852985 | 4.9125683 | 2.3112001 2.3649347 2.0717726 | 2.2910576 | 444 640 2027 | 3111 -----------+---------------------------------+---------1999 | 6.325062 5.7184 4.2837254 | 4.836387 | 2.3491381 2.3439907 2.0311359 | 2.2859645 | 403 625 2083 | 3111 -----------+---------------------------------+---------Total | 6.3565831 5.6589474 4.3515053 | 4.8925008 | 2.3445815 2.3063205 2.063634 | 2.2911541 | 1276 1900 6145 | 9321 . tab year pobreza, sum(mieperho) means Means of numero de miembros | pobreza año | pobre ext pobre no pobre | Total -----------+---------------------------------+---------1997 | 6.5431235 5.5732283 4.3872236 | 4.9286867 1998 | 6.204955 5.6859375 4.3852985 | 4.9125683 1999 | 6.325062 5.7184 4.2837254 | 4.836387 -----------+---------------------------------+---------Total | 6.3565831 5.6589474 4.3515053 | 4.8925008

Introducción al Stata

-7-



Para REPETIR una tabla para diferentes VALORES DE UNA VARIABLE, se combinan los comandos sort , by y tabulate. Antes de hacer un cálculo repetido, se debe ordenar la base de datos. SORT sort year

Ordena los datos en función de la variable “year”

BY, TABULATE by year: tabulate(pobreza)

Presenta las frecuencias de la variable “pobreza” en forma indepediente para cada valor de la variable “year”

. sort year . by year: tab pobreza -> year= 1997 pobreza | Freq. Percent Cum. --------------+----------------------------------pobre extremo | 429 13.84 13.84 pobre | 635 20.49 34.33 no pobre | 2035 65.67 100.00 --------------+----------------------------------Total | 3099 100.00 -> year= 1998 pobreza | Freq. Percent Cum. --------------+----------------------------------pobre extremo | 444 14.27 14.27 pobre | 640 20.57 34.84 no pobre | 2027 65.16 100.00 --------------+----------------------------------Total | 3111 100.00 -> year= 1999 pobreza | Freq. Percent Cum. --------------+----------------------------------pobre extremo | 403 12.95 12.95 pobre | 625 20.09 33.04 no pobre | 2083 66.96 100.00 --------------+----------------------------------Total | 3111 100.00

TABLAS



El comando TABLE tabulate.

calcula y muestra tablas con estadísticos, tiene más estadísticos que

TABLE table year

Presenta el conteo de casos por cada valor de la variable “year”

table year, row

Presenta el conteo de casos por cada valor de la variable “year” y el total (suma de casos) de las filas

table year pobreza, row col

Presenta el conteo de casos del cruce de las variables “year” (en filas) y “”pobreza” (en columnas), así como los totales de filas y columnas

table year pobreza, row col c(mean mieperho)

Presenta el promedio de miembros de los hogares pertenecientes a cada categoría del cruce de las variables “year” (en filas) y “”pobreza” (en columnas), así como los totales de filas y columnas

Introducción al Stata

-8-

. table year ----------+----------año | Freq. ----------+----------1997 | 3,111 1998 | 3,111 1999 | 3,111 ----------+----------. table year, row ----------+----------año | Freq. ----------+----------1997 | 3,111 1998 | 3,111 1999 | 3,111 | Total | 9,333 ----------+----------. table year pobreza, row col ----------+----------------------------------------------------------| pobreza año | pobre extremo pobre no pobre Total ----------+----------------------------------------------------------1997 | 429 635 2,035 3,099 1998 | 444 640 2,027 3,111 1999 | 403 625 2,083 3,111 | Total | 1,276 1,900 6,145 9,321 ----------+----------------------------------------------------------. table year pobreza, row col c(mean mieperho) ----------+----------------------------------------------------------| pobreza año | pobre extremo pobre no pobre Total ----------+----------------------------------------------------------1997 | 6.543124 5.573228 4.387224 4.928687 1998 | 6.204955 5.685937 4.385298 4.912568 1999 | 6.325062 5.7184 4.283725 4.836387 | Total | 6.356583 5.658947 4.351505 4.892501 ----------+-----------------------------------------------------------

CALCULO DE VARIABLES



Para CREAR VARIABLES NUEVAS en el archivos de datos se utiliza el comando generate. GENERATE generate inghogm=inghogtr/3

Crea la variable “inghogm” que resulta de dividir la variable “inghogtr” entre 3.

gen pobre=1 if(pobreza==1 | pobreza ==2)

Crea la variable “pobre” que toma valor 1 si la variable “pobreza” tiene valor 1 o valor 2.

Introducción al Stata

-9-

gen pobregas = (pobre==1)

Crea la variable dummy “pobregas” que toma valor 1 cuando la variable “pobre” es igual a 1 , y es 0 en los otros casos

Operadores matemáticos y lógicos + / * ^ ln() Exp()

suma resta division multiplicacion potencia logaritmo natural exponencial

sqrt() exp() sqrt() ~ & |

raiz cuadrada exponencial raiz cuadrada not y o

> >= < =5)

5.

Variable tipo carácter: En este caso se debe especificar que la variable es de tipo carácter, además deseñalar su longitud, en el ejemplo es str2. gen str2 texto="si"



Para REEMPLAZAR VARIABLES EXISTENTES en el archivos de datos se utiliza el comando replace. REPLACE



replace inghogm=inghogtr/3

Reemplaza los valores de la variable “inghogm” que se encuentra en la base de datos.

replace pobre=1 if(pobreza==1 | pobreza ==2)

Reemplaza la variable “pobre” que se encuentra en la base de datos

Para GENERAR VARIABLES como funciones de otras variables se utiliza el comando extended generate (egen). EGEN egen meanmie=mean(mieperho), by (estrato)

Introducción al Stata

Crea la variable “meanmie” que contiene el número de miembros promedio del estrato al que pertece el hogar.

- 10 -

ANÁLISIS DE DATOS DE ENCUESTAS Una de las ventajas que ofrece el Stata para el análisis de Encuestas como la ENAHO, con Diseño muestral complejo, es que permite calcular los estimadores teniendo en cuenta el diseño muestral de la misma (diferente al muestreo simple al azar). Además, Stata proporciona estadísticos con los cuales se puede evaluar la confiabilidad del resultado en forma simultánea a su estimación. De esta manera el usuario está en la capacidad de interpretar y utilizar adecuadamente cada estimación proveniente de la encuesta. Los principales elementos que se deben tener en cuenta en el trabajo con datos de encuestas por muestreo son: Ponderación: En las encuestas por muestreo, las observaciones son seleccionadas mediante un proceso aleatorio, donde cada observación puede tener una probabilidad de selección diferente. La ponderación (o peso) de una observación (hogar, por ejemplo) es igual a la inversa de la probabilidad de pertenecer a la muestra. Es usual que luego del trabajo de campo se realicen ajustes sobre esta ponderación, debido, por ejemplo, al efecto de la “NoRespuesta”. Un peso wj de una observación j significa que la observación j representa a wj elementos de la población. Si no se toman en cuenta las ponderaciones, las estimaciones que se obtengan estarán sesgadas. Conglomerados o cluster: Algunas veces se utiliza el muestreo por conglomerados, es decir las observaciones son muestreadas en grupos o “clusters”, por ejemplo, provincias dentro de departamentos, distritos dentro de provincias y finalmente viviendas dentro de los distritos seleccionados, que son el objetivo final del muestreo. Todas las observaciones de un mismo cluster no son independientes entre si, si no se toma en cuenta este hecho, los errores estándar que se obtengan serán menores a los verdaderos. Estratos: En algunos casos, también se emplea el muestreo estratificado, donde diferentes grupos de observaciones o estratos, son muestreados en forma independiente. Al igual que el caso anterior, si no se toma en cuenta este hecho, se obtendrán sub estimaciones de los errores estándar verdaderos. Stata permite incorporar el DISEÑO MUESTRAL (ponderaciones, conglomerados y estratos) antes de ejecutar las estimaciones. Es decir, Stata utiliza las fórmulas de estimación de estadísticos propias de cada tipo de muestreo. Todos los comandos para el análisis de datos provenientes de encuestas comienzan con las letras svy

Especificación del Diseño Muestral: SVYSET



En el caso de la Enaho es necesario especificar las variables que contienen las ponderaciones, los conglomerados y los estratos, antes de obtener cualquier estimación.

Introducción al Stata

- 11 -

SVYSET svyset pweight fachog

Indica que las poderaciones se encuentran en la variable “fachog”

svyset psu conglome

Indica que los conglomerados están identificados en la variable “conglome”

svyset strata estrato

Indica que los estratos están determinados por la variable “estrato”

svydes

Permite visualizar los parámetros especificados con los comandos anteriores.

. svydes pweight: Strata: PSU: Strata estrato -------1 2 3 4 5 -------5

fachog estrato conglome #PSUs -------447 182 158 24 126 -------937

#Obs -------1197 555 466 197 1102 -------3517

#Obs per PSU ---------------------------min mean max -------- -------- -------1 2.7 6 1 3.0 6 1 2.9 5 3 8.2 12 1 8.7 12 -------- -------- -------1 3.8 12

Estimación de Promedios: SVYMEAN

  

Se utiliza para calcular promedio de variables cuantitativas Por defecto presenta el promedio estimado, el error estándar, el intervalo de 95% de confianza y el efecto de diseño de esta estimación Se pueden utilizar las opciones if y by.

SVYMEAN svymean mieperho percepho

Estima del promedio de las variables “mieperho” y “percepho”

svymean mieperho percepho if(pobreza==3)

Estima el promedio de las variables “mieperho” y “percepho” pero sólo para los “Hogares Pobres extremos”, es decir, cuando la variable “pobreza” toma valor 1

svymean mieperho, by(pobreza)

Estima del promedio de “mieperho” para cada categoría de la variable “pobreza”

svymean mieperho, by (estrato) ci obs

Estima del promedio de “mieperho” para cada categoría de la variable “estrato” y además obtiene el intervalo de confianza y el número de observaciones que intervino en cada cálculo.

. svymean mieperho percepho Survey mean estimation pweight:

Introducción al Stata

fachog

Number of obs

=

3517

- 12 -

Strata: PSU:

estrato conglome

Number of strata = 5 Number of PSUs = 937 Population size = 5447315.2

-----------------------------------------------------------------------------Mean | Estimate Std. Err. [95% Conf. Interval] Deff ---------+-------------------------------------------------------------------mieperho | 4.701369 .0515334 4.600234 4.802504 1.850805 percepho | 2.133357 .0278439 2.078713 2.188001 2.027123 ------------------------------------------------------------------------------

. svymean mieperho percepho if (pobreza==1) Survey mean estimation pweight: Strata: PSU:

fachog estrato conglome

Number of obs Number of strata Number of PSUs Population size

= = = =

408 5 169 596211.9

-----------------------------------------------------------------------------Mean | Estimate Std. Err. [95% Conf. Interval] Deff ---------+-------------------------------------------------------------------mieperho | 6.218288 .1345391 5.952636 6.48394 1.372599 percepho | 1.778855 .0542254 1.671785 1.885925 1.349203 ------------------------------------------------------------------------------

. svymean mieperho, by(pobreza) Survey mean estimation pweight: Strata: PSU:

fachog estrato conglome

Number of obs Number of strata Number of PSUs Population size

= 3517 = 5 = 937 = 5447315.2

-----------------------------------------------------------------------------Mean Subpop. | Estimate Std. Err. [95% Conf. Interval] Deff ---------------+-------------------------------------------------------------mieperho | pobre_ex | 6.218288 .1344376 5.954452 6.482124 1.295869 pobre_no | 5.762882 .1166482 5.533959 5.991806 1.607006 no_pobre | 4.175034 .0527947 4.071424 4.278644 1.768177 -----------------------------------------------------------------------------. svymean mieperho, by (estrato) ci obs Survey mean estimation pweight: Strata: PSU:

facpob estrato conglome

Number of obs Number of strata Number of PSUs Population size

= = = =

3517 5 937 25609840

-----------------------------------------------------------------------------Mean Subpop. | Estimate Std. Err. [95% Conf. Interval] Obs ---------------+-------------------------------------------------------------mieperho | ciudades | 5.532252 .1061104 5.324009 5.740494 1197 grandes_ | 5.48604 .1581069 5.175754 5.796327 555 resto_ur | 5.57818 .20831 5.169369 5.986991 466 rural | 5.336074 .1832503 4.976443 5.695705 197 resto_ru | 6.336794 .107257 6.1263 6.547287 1102 ------------------------------------------------------------------------------

Introducción al Stata

- 13 -

Estimación de Proporciones: SVYPROP

 

Presenta el número de observaciones, la proporción estimada y el error estándar de esta estimación de los casos de la muestra respecto a las categorías de una variable dada Se pueden utilizar las opciones if y by.

SVYPROP svyprop pobreza

Estimación de las proporciones de cada categoría de la variable “pobreza”

svyprop pobreza if (urru5==1)

Estima la proporción de hogares en cada categoría de la variable “pobreza” del área urbana, es decir, cuando “urru5” toma el valor de 1

svyprop pobreza, by (urru5)

Estima la proporción de hogares en cada categoría de la variable “pobreza”, en forma independiente para cada categoría de la variable “urru5”

. svyprop pobreza -----------------------------------------------------------------------------pweight: fachog Number of obs = 3517 Strata: estrato Number of strata = 5 PSU: conglome Number of PSUs = 937 Population size = 5447315.2 -----------------------------------------------------------------------------Survey proportions estimation pobreza pobre ext pobre no no pobre

_Obs 408 698 2411

_EstProp 0.109451 0.190635 0.699914

_StdErr 0.008538 0.009204 0.012876

. svyprop pobreza if (urru5==1) -----------------------------------------------------------------------------pweight: fachog Number of obs = 2218 Strata: estrato Number of strata = 3 PSU: conglome Number of PSUs = 787 Population size = 3716239.7 -----------------------------------------------------------------------------Survey proportions estimation pobreza pobre ext pobre no no pobre

_Obs 66 425 1727

_EstProp 0.028563 0.180470 0.790967

_StdErr 0.004478 0.011389 0.012836

. svyprop pobreza, by (urru5) -----------------------------------------------------------------------------pweight: facpob Number of obs = 3517 Strata: estrato Number of strata = 5 PSU: conglome Number of PSUs = 937 Population size = 25609840 ------------------------------------------------------------------------------

Introducción al Stata

- 14 -

Survey proportions estimation ->

urru5=1

pobreza pobre ext pobre no no pobre ->

_Obs 66 425 1727

_EstProp 0.041273 0.229791 0.728937

_StdErr 0.006935 0.015217 0.017098

_Obs 342 273 684

_EstProp 0.340749 0.241040 0.418211

_StdErr 0.024639 0.017036 0.026914

urru5=2

pobreza pobre ext pobre no no pobre

Cruce de dos variables : SVYTAB

   

Produce una tabla de dos entradas con la proporción de la muestra que pertenece a cada celda (cruce da variables), respecto al total de la muestra. Para modificar el contenido de la tabla se deben especificar los estadísticos después de una coma En caso de que se desee estimar las proporciones respecto a filas o columnas, basta con indicar row o column después de la coma. Se puede utilizar la opción if SVYTAB svytab estrato pobreza

Estimación de las proporciones de cada categoría de la variable “pobreza”

svytab,se ci deff

Luego de la coma se especifican los estadísticos que se mostrarán en la celda de la tabla

svytab, row

Especifica que la proporción se estima en forma independiente para cada fila

svytab pobreza estrato if (urru5==1)

Presenta la proporciones del cruce de “pobreza” con estrato” en los hogares donde “urru5” toma valor 1, es decir, el área urbana.

. svytab estrato pobreza pweight: Strata: PSU:

fachog estrato conglome

Number of obs Number of strata Number of PSUs Population size

= 3517 = 5 = 937 = 5447315.2

----------+--------------------------------------| pobreza estrato | pobre ex pobre no no pobre Total ----------+--------------------------------------ciudades | .0089 .0766 .3997 .4853 grandes | .0028 .0214 .0789 .103 resto ur | .0078 .0252 .061 .0939 rural | .0051 .0065 .0258 .0374 resto ru | .0849 .061 .1345 .2804 | Total | .1095 .1906 .6999 1 ----------+--------------------------------------Key: cell proportions

Introducción al Stata

- 15 -

Pearson: Uncorrected Design-based

chi2(8) = F(6.75,6288.86) =

624.9913 45.3989

P = 0.0000

. svytab,se ci deff pweight: Strata: PSU:

fachog estrato conglome

Number of obs Number of strata Number of PSUs Population size

= 3517 = 5 = 937 = 5447315.2

----------+----------------------------------------------------------| pobreza estrato | pobre ex pobre no no pobre Total ----------+----------------------------------------------------------ciudades | .0089 .0766 .3997 .4853 | (.002) (.0071) (.0123) (.0123) | [.0058,.0138] [.0637,.0917] [.3758,.4242] [.4612,.5094] | 1.552 2.512 2.232 2.13 | grandes | .0028 .0214 .0789 .103 | (.0011) (.003) (.0062) (.0075) | [.0013,.0059] [.0162,.0281] [.0676,.0919] [.0892,.1187] | 1.468 1.498 1.846 2.148 | resto ur | .0078 .0252 .061 .0939 | (.0022) (.0032) (.0055) (.0066) | [.0045,.0134] [.0195,.0324] [.051,.0727] [.0817,.1078] | 2.134 1.511 1.855 1.814 | rural | .0051 .0065 .0258 .0374 | (.0017) (.0017) (.0033) (.0048) | [.0026,.0099] [.0039,.0108] [.02,.0332] [.029,.0482] | 2.065 1.537 1.571 2.293 | resto ru | .0849 .061 .1345 .2804 | (.0081) (.0055) (.0096) (.0121) | [.0703,.1021] [.0511,.0727] [.1168,.1544] [.2572,.3048] | 2.946 1.839 2.761 2.568 | Total | .1095 .1906 .6999 1 | (.0085) (.0092) (.0129) | [.0938,.1274] [.1732,.2094] [.6741,.7246] | 2.629 1.931 2.775 ----------+----------------------------------------------------------Key: cell proportions (standard errors of cell proportions) [95% confidence intervals for cell proportions] deff for variances of cell proportions Pearson: Uncorrected Design-based

chi2(8) = F(6.75,6288.86) =

624.9913 45.3989

P = 0.0000

. svytab, row pweight: Strata: PSU:

Number of obs Number of strata Number of PSUs Population size ----------+--------------------------------------| pobreza estrato | pobre ex pobre no no pobre Total ----------+--------------------------------------ciudades | .0184 .1578 .8238 1 grandes | .0268 .2073 .766 1 resto ur | .0828 .2682 .649 1 rural | .136 .1746 .6894 1 resto ru | .3027 .2175 .4798 1 | Total | .1095 .1906 .6999 1 ----------+--------------------------------------Key: row proportions

Introducción al Stata

fachog estrato conglome

= 3517 = 5 = 937 = 5447315.2

- 16 -

Pearson: Uncorrected Design-based

chi2(8) = F(6.75,6288.86) =

624.9913 45.3989

P = 0.0000

. svytab pobreza estrato if (urru5==1) pweight: Strata: PSU:

facpob estrato conglome

Number of obs Number of strata Number of PSUs Population size

= = = =

2218 3 787 16759610

----------+--------------------------------------| estrato pobreza | ciudades grandes resto ur Total ----------+--------------------------------------pobre ex | .0191 .007 .0152 .0413 pobre no | .1485 .0381 .0432 .2298 no pobre | .5423 .1058 .0808 .7289 | Total | .7099 .1509 .1392 1 ----------+--------------------------------------Key: cell proportions Pearson: Uncorrected Design-based

chi2(4) = F(3.73,2924.65) =

67.1835 6.8934

P = 0.0000

Regresión Lineal: SVYREG

  

Produce la estimación de un modelo de regresión lineal con variable dependiente cuantitativa. Por defecto, el comando svyreg muestra el valor estimado, el error estándar, el intervalo de 95% de confianza y el efecto del diseño de cada uno de los coeficientes de regresión Se pueden utilizar las opciones if y by

SVYREG svyreg gashpcmd ingpcmd

Estima un modelo de regresión lineal donde la variable dependiente es “gashpcmd” y las variables independientes son la constante e “ingpcmd”

svyreg gashpcmd inghpcmd mieperho percepho

Estima un modelo de regresión lineal con variable independiente “gashpcm” y variables independientes constante, “inghpcmd”, “mieperho” y “percepho”

svyreg gashpcmd inghpcmd mieperho percepho if(urru5==1)

Estima un modelo de regresión lineal con variable independiente “gashpcm” y variables independientes constante, “inghpcmd”, “mieperho” y “percepho”, sólo para los hogares del área urbana, es decir cuando “urru5=1”

svyreg, deft

Presenta el efecto del diseño en la estimación de los coeficientes del último modelo estimado.

. svyreg

gashpcmd inghpcmd

Survey linear regression pweight: Strata: PSU:

Introducción al Stata

fachog estrato conglome

Number of obs = Number of strata = Number of PSUs =

3517 5 937

- 17 -

Population size = 5447315.2 F( 1, 932) = 93.06 Prob > F = 0.0000 R-squared = 0.6351 -----------------------------------------------------------------------------gashpcmd | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------inghpcmd | .5477234 .0567772 9.647 0.000 .4362973 .6591494 _cons | 129.8751 19.40622 6.692 0.000 91.79019 167.9601 ------------------------------------------------------------------------------. . svyreg

gashpcmd inghpcmd mieperho percepho

Survey linear regression pweight: Strata: PSU:

Number of obs = 3517 Number of strata = 5 Number of PSUs = 937 Population size = 5447315.2 F( 3, 930) = 200.76 Prob > F = 0.0000 R-squared = 0.6462 -----------------------------------------------------------------------------gashpcmd | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------inghpcmd | .5291295 .0591047 8.952 0.000 .4131357 .6451233 mieperho | -24.50919 4.868813 -5.034 0.000 -34.0643 -14.95409 percepho | .4952724 8.55173 0.058 0.954 -16.28761 17.27815 _cons | 252.06 30.04137 8.390 0.000 193.1034 311.0165 -----------------------------------------------------------------------------. svyreg

fachog estrato conglome

gashpcmd inghpcmd mieperho percepho if(urru5==1)

Survey linear regression pweight: Strata: PSU:

fachog estrato conglome

Number of obs = 2218 Number of strata = 3 Number of PSUs = 787 Population size = 3716239.7 F( 3, 782) = 113.05 Prob > F = 0.0000 R-squared = 0.6284 -----------------------------------------------------------------------------gashpcmd | Coef. Std. Err. t P>|t| [95% Conf. Interval] ---------+-------------------------------------------------------------------inghpcmd | .5079982 .0622407 8.162 0.000 .3858202 .6301763 mieperho | -32.30924 7.252264 -4.455 0.000 -46.5454 -18.07309 percepho | -1.644796 11.44614 -0.144 0.886 -24.11351 20.82392 _cons | 327.8976 41.54285 7.893 0.000 246.3492 409.446 -----------------------------------------------------------------------------. svyreg, deft Survey linear regression pweight: Strata: PSU:

Number of obs = 2218 Number of strata = 3 Number of PSUs = 787 Population size = 3716239.7 F( 3, 782) = 113.05 Prob > F = 0.0000 R-squared = 0.6284 -----------------------------------------------------------------------------gashpcmd | Coef. Std. Err. Deft ---------+-------------------------------------------------------------------inghpcmd | .5079982 .0622407 1.450901 mieperho | -32.30924 7.252264 1.441563 percepho | -1.644796 11.44614 1.577359 _cons | 327.8976 41.54285 1.350717 ------------------------------------------------------------------------------

Introducción al Stata

fachog estrato conglome

- 18 -

INDICADORES DE POBREZA 

Stata tiene un comando llamado POVDECO que permite obtener de manera sencilla y rápida los tres índices de pobreza de Foster, Greer y Thorbecke (FGT). POVDECO povdeco gashpcmd, varpl (lp)

Estimación de los índices FGT en función de la variable “gashpcmd”, comparándola con la variable “lp”. En otras palabras, “lp” es la variable que contiene el valor de la Linea de Pobreza y “gashpcmd” (gasto per cápita mensual deflactado) es la variable que mide el bienestar del individuo.

povdeco gashpcmd [w=facpob], varpl (lp)

Estima los índices FGT al igual que el comando anterior , pero considera los datos ponderados por la variable “facpob”

. povdeco gashpcmd ,varpl(lp) Total number of observations = 3517 Weighted total no. of observations = 3517 Number of observations poor = 1106 Weighted no. of obs poor = 1106 Mean of gashpcmd amongst the poor = 103.453 Mean of poverty gaps (poverty line - gashpcmd) amongst the poor =

39.439

Foster-Greer-Thorbecke poverty indices, FGT(a) ----------+----------------------------------All obs | a=0 a=1 a=2 ----------+----------------------------------| 0.31447 0.08917 0.03560 ----------+----------------------------------FGT(0): headcount ratio (proportion poor) FGT(1): average normalised poverty gap FGT(2): average squared normalised poverty gap

. povdeco gashpcmd [w=facpob],varpl(lp) (analytic weights assumed) Total number of observations = 3517 Weighted total no. of observations = 25609840 Number of observations poor = 1106 Weighted no. of obs poor = 9691885.4 Mean of gashpcmd amongst the poor = 104.126 Mean of poverty gaps (poverty line - gashpcmd) amongst the poor =

41.176

Foster-Greer-Thorbecke poverty indices, FGT(a) ----------+----------------------------------All obs | a=0 a=1 a=2 ----------+----------------------------------| 0.37844 0.11064 0.04501 ----------+----------------------------------FGT(0): headcount ratio (proportion poor) FGT(1): average normalised poverty gap FGT(2): average squared normalised poverty gap

Introducción al Stata

- 19 -



Para obtener la estimación de los errores estándar e intervalos de confianza de los índices FGT, se utiliza el comando SEPOV SEPOV sepov gashpcmd, p(lp)

Estimación de los índices FGT en función de la variable “gashpcmd”, comparándola con la variable “lp”. “lp” es la variable que contiene el valor de la Linea de Pobreza y “gashpcmd” (gasto per cápita mensual deflactado) es la variable que mide el bienestar del individuo.

sepov gashpcmd, p(lp) by (urru5)

Estimación de los índices FGT, al igual que en el caso anterior, para cada categoría de la variable “urru5”

sepov gashpcmd if(dominio==8), p(lp)

Estimación de los índices FGT, al igual que en el caso anterior, pero solo para los hogares de Lima Metropolitana, es decir, cuando “dominio” toma valor 8

. sepov gashpcmd, p(lp) Poverty measures for the variable gashpcmd: gasto total percapita mensual Survey mean estimation pweight: Strata: PSU:

facpob estrato conglome

Number of obs Number of strata Number of PSUs Population size

= = = =

3517 5 937 25609840

-----------------------------------------------------------------------------Mean | Estimate Std. Err. [95% Conf. Interval] Deff ---------+-------------------------------------------------------------------p0 | .3784438 .01526 .3484958 .4083918 3.480784 p1 | .110638 .0059543 .0989527 .1223234 3.803857 p2 | .0450111 .0030714 .0389834 .0510388 3.497021 -----------------------------------------------------------------------------. sepov gashpcmd, p(lp) by (urru5) Poverty measures for the variable gashpcmd: gasto total percapita mensual Survey mean estimation pweight: Strata: PSU:

facpob estrato conglome

Number of obs Number of strata Number of PSUs Population size

= = = =

3517 5 937 25609840

-----------------------------------------------------------------------------Mean Subpop. | Estimate Std. Err. [95% Conf. Interval] Deff ---------------+-------------------------------------------------------------p0 | urru5==1 | .2710635 .0170977 .2375091 .3046179 3.404233 urru5==2 | .5817891 .0269143 .5289695 .6346087 3.617433 ---------------+-------------------------------------------------------------p1 | urru5==1 | .0699288 .00581 .0585266 .0813309 3.649904 urru5==2 | .1877289 .0120189 .1641417 .2113161 3.861992 ---------------+-------------------------------------------------------------p2 | urru5==1 | .0261702 .0028045 .0206663 .0316741 3.432668 urru5==2 | .08069 .0066224 .0676935 .0936865 3.434097 ------------------------------------------------------------------------------

Introducción al Stata

- 20 -

. sepov gashpcmd if(dominio==8), p(lp) Poverty measures for the variable gashpcmd: gasto total percapita mensual Survey mean estimation pweight: Strata: PSU:

facpob estrato conglome

Number of obs Number of strata Number of PSUs Population size

= 702 = 1 = 269 = 7409098.7

-----------------------------------------------------------------------------Mean | Estimate Std. Err. [95% Conf. Interval] Deff ---------+-------------------------------------------------------------------p0 | .2188493 .0279441 .1638314 .2738673 3.201988 p1 | .0519495 .0085316 .0351521 .0687469 3.561933 p2 | .0170236 .0033825 .0103639 .0236832 3.637884 ------------------------------------------------------------------------------

Introducción al Stata

- 21 -

ANEXO O1: IMPORTACION DE ARCHIVOS A STATA

Stat/Transfer1 es un software que permite guardar archivos en diversos formatos, haciendo fácil el paso de datos entre softwares estadísticos, bases de datos y hojas de cálculo.



Para ingresar al Stat/Transfer basta con dar un clic sobre el icono:



Inmediatamente aparecerá un ventana con 4 listas desplegables donde se debe seleccionar la siguiente información: 1. Input File Type: Es el formato original en el que se encuentran los datos 2. File Specification: Es la ruta y nombre del archivo de datos que se importará 3. Output File Type: Es el formato nuevo en el que se guardará el archivo 4. File Specification: Es la ruta y nombre del archivo que se creará



Luego de completar los campos, dar clic en Transfer y el software iniciará la importación.

Por ejemplo, para importar el archivo de datos ‘Probit99.sav’ del formato Spss al Stata 6.0 la ventana debe tener la siguiente apariencia:

1

Ver http://www.stattransfer.com/

Introducción al Stata

- 22 -

Bibliografía   

Stata Corporation: “Stata Statistical Software, release 5: User’s Guide”. United State of America, 1997 Web: http://www.stata.com/ Web: http://www.stattransfer.com/

Introducción al Stata

- 23 -