miércoles, 22 de febrero de 2017

Cómo comentar en una sintaxis de Stata


Es importante que las sintaxis sean entendibles. En un lugar de trabajo a veces una sintaxis hecha por una persona es retomada, quizás tiempo después, por otra. O incluso por la misma, después de un tiempo quizás largo.

En cualquiera de las dos situaciones la sintaxis debe ser comprensible. Es característica necesaria de una buena sintaxis.

Para ser comprensible ayuda que tenga una estructura tan clara y simple como sea posible, y también los comentarios. No se trata de comentar cada paso: los obvios no lo requieren. Pero sí intercalar los necesarios para facilitar la comprensión.



En Stata se puede comentar de tres maneras:

  1. empezando la línea con *
  2. comenzando el comentario con //
  3. Poniendo el comentario entre estos delimitadores: /* comentario */




La primera manera pide comenzar una línea de comentario con *


Ejemplo con *

*cálculo de impuesto

gen Iimpuesto = 0 if salario_total < 15000
replace impuesto = salario_total * 0.15 if salario_total >=15000




La segunda manera pide empezar los comentarios con //. Estas dos barras diagonales anteceden al comentario, y pueden ir al inicio del renglón o después de terminar el comando. Si van luego de un comando es imprescindible que haya espacios en blanco entre medio.


Ejemplo 1 con //

//cálculo de impuesto

gen Iimpuesto = 0 if salario_total < 15000
replace impuesto = salario_total * 0.15 if salario_total >=15000






Ejemplo 2 con //

replace costo_vida = 12000 if region == 4 // La región 4 es la noreste

En el ejemplo 2 se pone el comentario después del comando y de espacios en blanco para aclarar cuál es la región 4. Los espacios en blanco son imprescindibles aquí.






La tercera manera es con delimitadores:

Ejemplo con delimitadores: /* comentario */

replace costo_vida = 12000 /* 12000 fue provisto por Banco Central */ if region == 4

Esta forma de comentar es más engorrosa de teclear y menos usada. Permite comentar entre medio de un comando si así se desea.

lunes, 20 de febrero de 2017

Corriendo una sintaxis en Stata. Video


En ocasiones podemos encontrar en la Web (y se encontrarán próximamente en este blog) sintaxis de Stata.

Una sintaxis es un conjunto de comandos. Entre las líneas de asteriscos hay una sintaxis.



************************************************
clear all
set seed 2145
set obs 400
gen nro_caso = _n
gen colorpelo = int((runiform()*4))+ 1
label define colorpelo 1 "rubio" 2"pellirrojo" 3 "castaño" 4 "negro"
label values colorpelo colorpelo
gen altura = round(rnormal(173,6))
gen aleat = runiform()
gen nov_pref = "policial" if aleat < 0.10
replace nov_pref = "ciencia ficcion" if aleat >= 0.10 & aleat < 0.40
replace nov_pref = "romantica" if aleat >=0.40 & aleat < 0.70
replace nov_pref = "historica" if aleat >=0.70 & aleat <= 1
label variable nov_pref "Tipo de novela preferida"
drop aleat
gen sueldo = int(rnormal(200, 15))
gen patrimonio = rnormal(45000, 8200)
************************************************



Puede ver cómo ejecutar esta sintaxis en el video.

Video

miércoles, 15 de febrero de 2017

Ayuda en Stata: algunas formas de pedirla. Video


Se muestran aquí cuatro formas o bien de pedir ayuda, o bien de operar si no nos acordamos del todo de los comandos:

help comando
db comando
a través del Menú
a través de Internet.



Video

sábado, 11 de febrero de 2017

Ejercicio sobre variables categóricas (sin solución)



Se usará el archivo nhanes2, que se traerá de la web mediante el comando
webuse nhanes2.dta


  1. Pida un listado de frecuencias de la variable region. ¿Cuál es la región que aparece en mayor cantidad de observaciones?
  2. Haga un diagrama de barras con porcentajes de la variable region con catplot.
  3. Haga un diagrama de barras con porcentajes, poniendo arriba la categoría más numerosa. El comando es catplot region, var1opts(sort(1) descending) percent



La variable agegrp nos da los grupos etarios. Se pide:


4. Haga una tabla de frecuencias.
5. Indique si aquí tiene sentido usar las frecuencias acumuladas. Explique.
6. Grafique los grupos etarios.
7. Indique si aquí tendría sentido ordenar poniendo primero las categorías más frecuentes. Explique.

viernes, 10 de febrero de 2017

Ejercicio sobre variables categóricas (con solución en video)



Abra el archivo nlsw88.dta que viene con Stata. (File, Example Datasets, Example Datasets installed with Stata).

Pida tabla de frecuencias para la variable occupation. ¿Cuál es la ocupación con más casos? ¿Cuántos casos tiene? ¿Qué porcentaje del total de casos es?

Instale el programa de usuario catplot en su Stata.

Grafique con catplot la variable occupation, primero en frecuencias y luego en porcentajes. ¿Cuál es la ocupación más numerosa? ¿Cuántos casos tiene aproximadamente? ¿Qué porcentaje tiene esa categoría?

Grafique nuevamente la variable occupation en frecuencias, de manera ordenada descendente.
El comando es
catplot occupation, var1opts(sort(1) descending)
Copie el texto en negrita y ejecútelo.

¿Coinciden los resultados de la tabla y de la gráfica?


Solución en Video

domingo, 5 de febrero de 2017

Variables categóricas. Comandos tab1 y catplot. Video


Llamamos variables categóricas a variables tales como raza (blanca, negra u otra), religión (católica, protestante, umbandista, judía, musulmana, otra), sexo (varón o mujer).

Usualmente las entramos con un número al que se le añade una etiqueta de valor (por ejemplo: partidopolítico 1 "Partido Liberal" 2 "Partido del Norte" 3 "Partido Ecologista).

Las variables categóricas pueden ser ordenadas o no ordenadas. Si la variable ansiedad tuviera como valores posibles 1. Baja, 2 Media o 3 Alta, estaríamos en presencia de una variable categórica ordenada.

Para analizar de forma univariada las variables categóricas, ya sean ordenadas o no, utilizamos las tablas de frecuencia, las que pedimos con el comando tab1, o gráficas. Las gráficas de barras las haremos mediante un programa de usuario que instalaremos en nuestro Stata. El programa de usuario se llama catplot.



Video

jueves, 2 de febrero de 2017

Ejercicio sobre variables cuantitativas (sin solución)

Genérese un documento que dé respuesta a las consignas planteadas a continuación.




1) Corra el siguiente comando: sysuse nlsw88.dta  (dicho comando abrirá el archivo nlsw88.dta que viene con la instalación de Stata).

2) Grafique la variable tenure (antigüedad en el trabajo). Indique si la distribución es normal o sesgada.

3) ¿Entre qué valores se mueve la variable tenure?

4) Haga un resumen de 5 puntos de la variable tenure.

5) Grafique mediante un histograma la variable hours (horas de trabajo). Indique si la distribución es aproximadamente simétrica o si es sesgada.

6) Haga un resumen de 5 puntos para la variable hours.

7) Ejecute el comando summarize con la variable hours, observe la salida y comente los aspectos que le parezcan llamativos.






lunes, 30 de enero de 2017

Ejercicio sobre variables cuantitativas (con solución en video)

Resolver el siguiente ejercicio. Se generará un documento escrito, con las respuestas a continuación de los puntos correspondientes de la letra.


  1. Ábrase el archivo adjunto (doble clic sobre el ícono del archivo o, desde el menú de Stata, Archivo, Abrir).
  2. Grafíquense las variables altura, sueldo y notas mediante una gráfica que se estime adecuada.
  3. Para cada una de las variables indíquese si la distribución es normal o sesgada, y si tiene valores extremos (llamados outliers).
  4. Para las variables normales, si las hubiera, hállese la media y el desvío estándar, como estadísticos de resumen de esa variable.
  5. Para cada variables sesgada o con outliers, si las hubiera, hállese un resumen de 5 puntos.


miércoles, 25 de enero de 2017

Variables cuantitativas. Gráficas y medidas de resumen. Video


¿Cómo se estudian las variables cuantitativas como, por ejemplo, altura, sueldo, peso o años de educación aprobados?


Es buena idea comenzar el estudio de estas variables con gráficas. Dos gráficas muy usadas son el histograma y otra que Stata llama kdensity (¿densidad del kernel?). Kdensity es una especie de polígono de frecuencias suavizado, algo así como el perfil del histograma suavizado.

Si la distribución es aproximadamente normal, esto es, si es simétrica y con una sola moda al centro, dos medidas de resumen numérico muy eficaces son la media y la desviación estándar.

En cambio, para distribuciones asimétricas o sesgadas, muchos estadísticos prefieren el resumen de 5 puntos: mínimo, percentil 25, percentil 50 o mediana, percentil 75 y máximo.

Se verá como hacer las gráficas con los comandos histogram y kdensity, y se verá cómo pedir resúmenes numéricos con summarize y tabstat.


Video

sábado, 21 de enero de 2017

Ejercicio de exploración de base de datos (sin solución) (2)

En este ejercicio se hará uso de los comandos describe, summarize, codebook y browse.




Ejecute el comando que sigue: webuse lifeexp (Este comando abre la base llamada lifeexp.dta que viene con Stata).



Con el comando describe:

Indique cuántas variables y cúantos casos tiene la base.
Indique cuántas variables de cadena tiene la base y cuántas numéricas.



Con el comando codebook:

Indique cuál es la etiqueta de la variable gnppc.
Indique cuál es el valor mínimo, el máximo y la media para dicha variable.
Indique cuántos valores faltantes tiene dicha variable.


Indique cuáles son las etiquetas para los valores 1, 2 o 3 que toma la variable región, y cuántos casos hay en cada región. 



Con el comando summarize:

Indique cuáles son las cantidades mínima y máxima y la media de la variable safewater.



Con el comando browse:

Indique cuántas variables hay de cadena, numéricas codificadas y numéricas simples.
Indique cómo se ven los valores faltantes de la variable safewater.







viernes, 20 de enero de 2017

Ejercicio de exploración de base de datos (con solución en video).

En este ejercicio se hará uso de los comandos describe, summarize, codebook y browse.




Ejecute el comando que sigue: sysuse nlsw88 (Este comando abre la base llamada nlsw88.dta que viene con Stata).



Con el comando describe:

Indique cuántas variables y cúantos casos tiene la base.
Indique cuántas variables de cadena tiene la base y cuántas numéricas.



Con el comando codebook:

Indique cuál es la etiqueta de la variable wage.
Indique cuál es el valor mínimo, el máximo y la media para dicha variable.

Indique cuáles son las etiquetas para los valores 1, 2 o 3 que toma la variable race, y cuántos casos hay de cada raza.



Con el comando summarize:

Indique cuáles son las cantidades mínima y máxima y la media de la variable horas trabajadas (hours).



Con el comando browse:

Mire el editor de datos. ¿Ve variables de cadena? (Se recuerda que se veían rojas en el editor de datos).
¿Qué son las variables azules?
¿Qué son las variables cuyos datos se ven negros?



Solución en video (se sugiere intentar hacer el problema antes de mirar su solución)


domingo, 15 de enero de 2017

Exploración primera de bases de datos. Video.

En esta entrada se ven cuatro comandos usados para explorar, en una primera instancia, bases con las que comenzaremos a trabajar.

Los comandos que veremos son:

describe
summarize
codebook
browse


También se verán los distintos largos de almacenamiento de las variables numéricas: byte, short, int, long, float y double.


Video

miércoles, 11 de enero de 2017

Ejercicio de entrada de datos (sin solución)



Se entrarán los datos que siguen en Stata.




A) La variable peso se rotulará "Peso (en kilogramos)"

B) Las categorías de la variable peso se codificarán y rotularán según los siguientes códigos y etiquetas:


  1. Delgado
  2. Normal
  3. Sobrepeso
  4. Obeso



C) La variable MNEd se rotulará "Máximo nivel educativo alcanzado".

D) Las categorías de la variable MNEd serán:


  1. Escuela
  2. Liceo
  3. Universidad


E) Hay variables que se ven en negro, en azul y en rojo. Indique por qué.


martes, 10 de enero de 2017

Ejercicio de entrada de datos (con solución en video)

Imaginemos que en una veterinaria tienen los siguientes datos sobre perros y los quieren entrar en una base de datos de Stata:







Desean representar las razas según los siguientes valores numéricos:

  1. Caniche
  2. Labrador
  3. Ovejero

Desean representar los grados de obediencia según los siguientes valores:
  1. Baja
  2. Media
  3. Alta
Se le pide al estudiante:

  1. Entre los datos anteriores, usando los códigos numéricos arriba indicados.
  2. Utilice los nombres de variables que figuran en el encabezado de las columnas.
  3. Pegue etiquetas a las variables
    1. Peso_kg: "Peso en kilos al inicio del entrenamiento"
    2. Obediencia: "Grado de obediencia antes del entrenamiento"
  4. Pegue etiquetas a los valores de obediencia según los códigos numéricos arriba vistos.
  5. Pegue etiquetas a los valores de raza según los códigos numéricos arriba vistos.

 Conteste las siguientes preguntas:

  1. ¿Qué variables fueron almacenadas como string (cadena)?
  2. ¿De qué color aparecen en el editor de datos estas variables?
  3. ¿Qué variables fueron almacenadas en formato numérico?
  4. ¿Cuáles son las variables categóricas y en qué color aparecen los datos?
  5. ¿Cuáles datos aparecen en negro y por qué?

Solución en video (solo mirar después de haber intentado resolver el problema)


jueves, 5 de enero de 2017

Variables de cadena (string) y variables numéricas. Video


Las variables en Stata se almacenan como variables numéricas o como variables de cadena.

Se almacenan mediante números variables cuantitativas, tales como salario, altura, peso.

Pero también se almacenan mediante números variables cualitativas, tales como partido político (por ejemplo 1. Partido Verde 2. Partido Industrial y 3. Partido del Norte). Es más cómodo introducir por ejemplo un 3 que Partido del Norte. Pero si se introduce un 3, hay que poner en algún lado que ese 3 quiere decir Partido del Norte. Variables como esta exigen que cada valor de la variable sea etiquetado.

Otra forma de almacenamiento de variables es mediante sucesión de letras y números. Un ejemplo puede ser una dirección: Brandzen 2215. Estas variables se dice que son tipo "string" o cadena: son una cadena de caracteres para Stata.

Estas distintas formas de almacenamiento de los datos hace que se vean distintas en el editor de datos de Stata:

En rojo, las variables de cadena.
En números en negro, las variables numéricas sin etiquetas.
En categorías azules, las variables numéricas con etiquetas.


Video

domingo, 1 de enero de 2017