SESIÓN 01: INTRODUCCIÓN A STATA

• Objetivo:
  • Presentar la interfaz del programa para utilizar las opciones principales de STATA.
• Temas:
  • ¿Qué es STATA?
  • Iniciar STATA
  • Personalizar la interfaz de STATA
  • Tipos de archivos en STATA
  • Estructura básica de STATA
  • Documentación en STATA
• Ejemplos:
  • Bitácora
  • Do-file
  • Edición de la interfaz
  • Uso del menú de ayuda (Help) en STATA
  • Estableciendo una ruta de trabajo
  • Guía PDF en STATA

 SESIÓN 02: EDICIÓN DE BASE DE DATOS Y PRINCIPALES COMANDOS DESCRIPTIVOS

• Objetivo:
  • Exponer los supuestos del modelo de regresión clásico y explicar a profundidad el supuesto de variables independientes fijas, valor esperado del error igual que cero y la varianza del error constante.
• Temas:
  • Sintaxis
  • Abrir un archivo de datos
  • Tipos de datos
  • Introducción a la estadística descriptiva
  • Principales comandos descriptivos
  • Operadores y condicionales IF e IN
  • Identificando y eliminando observaciones duplicadas
• Ejemplos:
  • Apertura de base de datos
  • Tipos de variables
  • Describe y List
  • Codebook
  • Table y Tabulate
  • Summarize
  • Exportar una base de datos
  • Destring y tostring
  • Estadísticas descriptivas
  • Operadores y condicionales IF e IN
  • Eliminando duplicados

 SESIÓN 03: ESTRUCTURA DE LA BASE DE DATOS

• Objetivo:
  • Explicar los supuestos de distribución normal de los errores, la ausencia de multicolinealidad y la ausencia de autocorrelación entre las perturbaciones, y cómo corregirlos.
• Temas:
  • Unir y colapsar bases de datos
  • Comandos para eliminar y mantener variables
  • Ordenar bases de datos
  • Reestructurar bases de datos
  • Preservar y restaurar bases de datos
• Ejemplos:
  • Aplicación de Merge y Append
  • Uso de Collapse
  • Uso de Drop y Keep
  • Ordenar base de datos
  • Reshape
  • Preservar bases de datos
  • Aplicación de merge M:1 y M:M
  • Aplicación de los comandos sort y keep
  • Aplicación del comando merge
  • Operadores condicionales y perserve

 SESIÓN 04: GENERACIÓN DE VARIABLES, ETIQUETAS Y MUESTREO

• Objetivo:
  • Explicar y desarrollar los principales modelos de elección discreta: Logit y Probit.
• Temas:
  • Generar variables
  • Muestreo probabilístico
• Ejemplos:
  • Generate y Recode
  • Generación de variables con EGEN
  • Encode y Decode
  • Nombres y etiquetas
  • Factor de expansión
  • Caso práctico
  • Aplicación del comando split
  • Aplicación del comando replace
  • Muestreo aleatorio simple
  • Distribución de probabilidad

 SESIÓN 05: ANÁLISIS GRÁFICO - PARTE 1

• Objetivo:
  • Explicar los modelos de elección múltiple ordinal y sus principales comandos en STATA.
• Temas:
  • Teoría de gráficos estadísticos
  • Gráficos para una sola variable 
  • Gráficos para una variable continua y una discreta   
  • Gráficos con dos o más variables continuas
• Ejemplos:
  • Gráficos unidimensionales
  • Gráficos con variables discretas y continuas
  • Gráficos bidimensionales
  • Gráficos de rango
  • Gráficos de ajuste
  • Gráficos de función
  • Otros gráficos descriptivos
  • Gráfico de distribuciones
  • Aplicación del comando histogram y kdensity
  • Comando graph

 SESIÓN 06: ANÁLISIS GRÁFICO - PARTE 2

• Objetivo:
  • Explicar cómo realizar la estimación y postestimación de los modelos de elección múltiple no ordenados mediante el programa STATA.
• Temas:
  • Resumen de los principales comandos
  • Guardar, exportar y abrir gráficos
  • Combinar gráficos
  • Edición de gráficos sin comandos
  • Edición de gráficos con comandos
  • Creación de mapas
• Ejemplos:
  • Combinar y guardar
  • Textos y etiquetas
  • Esquemas y colores
  • Editor de gráficos
  • Gráfico de dos escalas
  • Caso práctico
  • Gráfico de dispersión
  • Gráfico circular
  • Edición de etiquetas
  • Presentación de un gráfico
  • Elaborar un mapa

SESIÓN 07: ANÁLISIS DE LA ENAHO

• Objetivo:
  • Explicar los comandos para generar y analizar modelos truncados y censurados en STATA.
• Temas:
  • ¿Qué es la ENAHO?
  • ¿Cómo empezar a trabajar?
  • Comandos relevantes
• Ejemplos:
  • Ámbitos geográficos
  • Grupos de edad
  • Indicadores de educación
  • Indicadores de empleo
  • Unir BBDD de ENAHO
  • Distribución de ingresos
  • Gráfica del estrato
  • Análisis de pobreza según la región
  • Ingreso per cápita por área
  • Relación entre ingreso y gastos del hogar

SESIÓN 08: COMPARACIÓN DE MUESTRAS

• Objetivo:
  • Realizar pruebas de hipótesis para comparación de muestras en STATA.
• Temas:
  • Conceptos previos
  • Prueba T para una muestra
  • Prueba T para dos muestras
  • Test de proporciones
  • Test de varianza
  • Anova

• Ejemplos:
  • Prueba T para una muestra
  • Prueba T para dos muestras
  • Prueba de diferencia de proporciones
  • Prueba de varianza
  • Prueba de medias para datos resumidos
  • Prueba T para muestra pareadas
  • Prueba T de una muestra para datos resumidos
  • Prueba de varianza de una muestra
  • Prueba de varianza para datos resumidos
  • Prueba de proporciones para datos resumidos

Actualización parcial el 12 de diciembre del 2023.

SESIÓN 01: REGRESIÓN LINEAL Y VERIFICACIÓN DE DATOS

• Objetivo:
  • Mostrar cómo llevar a cabo una regresión lineal en STATA.
• Temas:
  • Introducción a la econometría
  • Dispersión, covarianza y correlación
  • Regresión simple
  • Regresión múltiple
  • Regresión con variables cualitativas
  • Regresión con interacción
• Ejemplos:
  • Regresión lineal simple
  • Significancia estadística
  • Predicción
  • Variables exógenas cualitativas
  • Interacción
  • Modelos no lineales
  • Estimación de modelo polinómico cuadrático

SESIÓN 02: SUPUESTOS DEL MODELO CLÁSICO DE REGRESIÓN - PARTE 1

• Objetivo:
  • Exponer los supuestos del modelo de regresión clásico y explicar a profundidad el supuesto de variables independientes fijas, valor esperado del error igual que cero y la varianza del error constante.
• Temas:
  • Supuestos del modelo de regresión
  • Supuesto de exogeneidad de las variables independientes
  • Valor esperado del error igual que cero
  • Varianza del error constante
• Ejemplos:
  • Detección endogeneidad
  • Corrección de endogeneidad
  • Error igual que cero
  • Breusch-Pagan - Parte 1
  • Breusch-Pagan - Parte 2
  • Corrección de heterocedasticidad
  • Prueba de ramsey
  • Prueba de white
  • Anova
  • Análisis de covarianza

SESIÓN 03: SUPUESTOS DEL MODELO CLÁSICO DE REGRESIÓN - PARTE 2

• Objetivo:
  • Explicar los supuestos de distribución normal de los errores, la ausencia de multicolinealidad y la ausencia de autocorrelación entre las perturbaciones; y cómo corregirlos.
• Temas:
  • Distribución normal de los errores
  • Multicolinealidad
  • Autocorrelación
  • Quiebre estructural
• Ejemplos:
  • Normalidad de los residuos
  • Detección de multicolinealidad
  • Corrección de multicolinealidad
  • Detección de autocorrelación
  • Corrección de autocorrelación
  • Quiebre estructural
  • Test de Shapiro-Wilk
  • Multicolinealidad
  • Prueba de Durbin-Watson
  • Método de cochrane

SESIÓN 04: MODELOS DE ELECCIÓN DISCRETA

• Objetivo:
  • Explicar y desarrollar los principales modelos de elección discreta: Logit y Probit.
• Temas:
  • Modelos no lineales
  • Modelos de elección discreta
  • Modelos de elección discreta binaria
• Ejemplos:
  • Modelo de probabilidad lineal
  • Modelo Logit
  • Modelo Probit
  • Elección del mejor modelo
  • Odds ratios
  • Afianzamiento
  • Método logit para datos individuales 
  • Efecto marginal del modelo logit
  • Modelo logit agrupado
  • Efecto marginal del modelo probit

SESIÓN 05: MODELOS DE ELECCIÓN MÚLTIPLE ORDINAL

• Objetivo:
  • Explicar los modelos de elección múltiple ordinal y sus principales comandos en STATA.
• Temas:
  • Definición
  • Modelo de variable latente
  • Modelo logístico ordinal
  • Modelo probabilístico ordinal
  • Testeo de hipótesis
  • Supuesto de paralelismo
  • Análisis de probabilidades
• Ejemplos:
  • Logit ordenado
  • Probit ordenado
  • Logit vs. Probit
  • Odds ratios
  • Supuesto de paralelismo
  • Predicción
  • Efecto marginal del modelo logit ordenado
  • Efecto marginal del modelo probit ordenado
  • Análisis de probabilidades
  • Testeo de hipótesis

SESIÓN 06: MODELOS DE ELECCIÓN MÚLTIPLE NO ORDENADOS

• Objetivo:
  • Explicar cómo realizar la estimación y post estimación de los modelos de elección múltiple no ordenados mediante el programa STATA.
• Temas:
  • Definición y ejemplos
  • Logit multinomial
  • Probit multinomial
  • Testeo de hipótesis
  • Independencia de las alternativas irrelevantes (IAI)
  • Análisis de probabilidades y cambios marginales
• Ejemplos:
  • Logit multinomial
  • Probit multinomial
  • Elección del mejor modelo
  • Ratio de riesgo relativo
  • Odds ratios e iai
  • Predicción
  • Cambio marginal del modelo logit multinomial
  • Análisis de probabilidades
  • Test de Wald
  • Ratio de máxima verosimilitud

SESIÓN 07: MODELOS TRUNCADOS Y CENSURADOS

• Objetivo:
  • Explicar los comandos para generar y analizar modelos truncados y censurados en STATA.
• Temas:
  • Definiciones
  • Variables dependientes con truncamiento no incidental
  • Variable de truncamiento incidental, sesgo de selección
  • Modelo Oaxan-Blinder
• Ejemplos:
  • Mco vs. Modelo truncado
  • Modelo truncado
  • Mco vs. Tobit
  • Modelo Tobit
  • Truncamiento incidental - Parte 1
  • Truncamiento incidental - Parte 2
  • MCO
  • Truncamiento en el modelo de regresión
  • Censura en el modelo de regresión
  • MCO vs modelo truncado vs tobit
  • Modelo Oaxan blender con sesgo de selección

SESIÓN 08: MODELOS DE DURACIÓN

• Objetivo:
  • Explicar los modelos de duración y su aplicación en Stata.
• Temas:
  • Ideas generales
  • Planteamiento inicial
  • Función de sobrevivencia y Hazard Rate
  • Formas de la función Hazard
  • Estimación de máxima verosimilitud
  • Modelos de la tasa de transición con tiempo continuo
  • Elección del modelo
  • Modelo de Cox
  • Estimación en tiempo discreto
• Ejemplos:
  • Modelo semiparamétrico de cox
  • Cox con datos censurados
  • Kaplan-Meier
  • Máxima verosimilitud
  • Función de riesgo y supervivencia
  • Estimación como modelo de elección discreta
  • Análisis del modelo
  • Regresión de Weibull
  • Regresión de Gompertz
  • Comparación entre la distribución Weibull y Gompertz

Actualización parcial el 12 de diciembre del 2023.

SESIÓN 01: PROGRAMACIÓN EN STATA

• Objetivo:
  • Explicar los conceptos y métodos generales para programar en STATA.
• Temas:
  • Componentes básicos
  • R-Store and E-Store
  • Bucles
• Ejemplos:
  • Operadores de matrices
  • Aplicar macros
  • Crear un programa
  • Atajos con macros
  • Bucles - Parte 1
  • Bucles - Parte 2
  • Macro global-local
  • Bucle con variables y condicionales
  • Funciones mata
  • Bondad de ajuste mediante operadores de matrices

SESIÓN 02: INTRODUCCIÓN A SERIES DE TIEMPO

• Objetivo:
  • Explicar sobre la teoría de series de tiempo, los comandos para establecer una base de datos temporal y los principales operadores utilizados en este contexto.
• Temas:
  • Ideas generales
  • Análisis de la serie de tiempo univariado
  • Operadores de series de tiempo
• Ejemplos:
  • Media de una serie de tiempo
  • Tasas de crecimiento
  • Detectar la estacionalidad
  • Estacionalidad en correlograma
  • Componentes de una serie de tiempo
  • Fechas
  • Gráficos de una serie de tiempo
  • Diferencia porcentual
  • Comparación de la diferencia porcentual
  • Tendencia y estacionalidad en una serie de tiempo

SESIÓN 03: SERIES DE TIEMPO ESTACIONARIAS

• Objetivo:
  • Explicar las implicancias de la estacionariedad en las series de tiempo y cómo verificarlas.
• Temas:
  • Gráfico de series de tiempo
  • Procesos estocásticos y estacionariedad
  • Metodología de Box-Jenkins
  • Pruebas de estacionariedad en STATA
  • Transformaciones para alcanzar la estacionariedad
• Ejemplos:
  • Random Walk
  • Pruebas de raíz unitaria
  • Análisis gráfico de estacionariedad
  • Raíz unitaria en niveles
  • Transformación de la serie
  • Analizando una serie con quiebre estructural
  • Estacionalidad
  • Pruebas Dickey-Fuller y Phillips Perron
  • Aplicar primera diferencia a una serie no estacionaria

SESIÓN 04: PRIMEROS MODELOS DE SERIES DE TIEMPO

• Objetivo:
  • Explicar los modelos AR, MA, ARMA y ARIMA.
• Temas:
  • Primeros modelos
  • Identificación de modelos
  • Estimación del modelo
  • Validación del modelo
  • Pronóstico
• Ejemplos:
  • Ruido blanco
  • Selección de p, d & q
  • Estimación arima
  • Parsimonia
  • Pronóstico
  • Modelo autorregresivo
  • Modelo de media movil 
  • Modelo arma
  • Elección y pronóstico

SESIÓN 05: MODELOS TEMPORALES DE ALTA VOLATILIDAD

• Objetivo:
  • Explicar los modelos de series de tiempo con alta volatilidad.
• Temas:
  • Modelos de volatilidad
  • Modelo Arch
  • Modelo Garch
  • Garch exponencial
  • Modelo Threshold Arch
• Ejemplos:
  • Base de datos de Yahoo Finance
  • Estimación de un Arch
  • Uso de un modelo Garch
  • Garch y Egarch
  • Estudio del modelo y validación
  • Pronóstico en modelo Garch
  • Modelo Arch con componente Ar
  • Modelo Arch con componente Ma
  • Modelo Arch con componente Arma
  • Elección del modelo y pronóstico

SESIÓN 06: MODELOS TEMPORALES MULTIVARIANTES

• Objetivo:
  • Identificar y modelar procesos temporales con más de una variable de análisis.
• Temas:
  • Modelo de cointegración
  • Modelos de vectores autorregresivos
  • Modelo de vector de corrección de error
• Ejemplos:
  • Cointegración
  • Cointegración multivariada
  • Mecanismo de corrección de errores
  • Modelos VAR
  • Modelo VEC
  • Evaluación del modelo VEC
  • Análisis estacionario
  • Prueba de Engle-Granfer
  • Modelo de corrección de error
  • Supuestos del modelo a corto plazo

SESIÓN 07: MODELO DE DATOS PANEL

• Objetivo:
  • Explicar de manera teórica y práctica el funcionamiento de los modelos de regresión de datos panel.
• Temas:
  • Conceptos generales
  • Forma de la base de datos
  • Modelos de datos de panel
  • Elección del mejor modelo
  • Efectos temporales
  • Posestimación
• Ejemplos:
  • Modelo Pooled
  • Análisis de un panel de datos
  • Modelo de efectos fijos
  • Evaluación de modelo de efectos fijos
  • Modelo de efectos aleatorios
  • Prueba de Hausman
  • Modelo MCO agrupado
  • Modelo de efectos fijos para datos enaho
  • Modelo de efectos aleatorios para datos enaho
  • Elección del modelo

SESIÓN 08: DATOS PANEL DINÁMICOS

• Objetivo:
  • Indicar cómo estimar modelos Panel Data con, por lo menos, un rezago.
• Temas:
  • Ideas generales
  • Preestimación
  • Estimación
  • Posestimación
• Ejemplos:
  • Preestimación
  • Estimación con xtabond
  • Estimación con xtdpdsys
  • Estimación con xtdpd
  • Estimación con xtabond2
  • Análisis posestimación
  • Pre estimación con datos enaho
  • Estimación con Xtabond para datos enaho
  • Estimación con XTDSYS para datos enaho

Actualización parcial el 12 de diciembre del 2023.