Mtodos Cuantitativos I

Integrantes: Alberto Boher, Nicols Van Rysseghem

Otoo 2017
Tarea 1

Informe Tarea 1

Introduccin.

En este primer aproximamiento a programas estadsticos como Stata o R, se nos pidi

trabajar en base a los datos recogidos por la encuesta Casen 2015, la aplicacin practica
de estos programas reside tanto en la estadstica descriptiva, como en modelos prcticos
de la econometra.

Pregunta 1

Como primer paso fijamos el directorio y descargamos la base de datos de la Casen en la

pagina del Ministerio de desarrollo. Con esto podemos iniciar a trabajar los datos mediante
estos dos programas.

Pregunta 2

Replicamos las tablas dadas por el perfil educacional y el perfil laboral de los aos 2013
y 2015. Para lograr esto, usamos mayoritariamente los comandos de stata gen para
generar las nuevas variables y la funcin replace para reasignar con valores binarios los
datos de inters.
Tabla Original Pobres no pobres
2013 2015 2013 2015
Tasa de analfabetismo 6,2 5,9 3,4 2,8
promedio Escolaridad 9,1 9,3 11 11,2
Porcentaje educacin Media incompleta 60,3 57,3 38,6 36,7
Tasa de participacin 43,7 43,1 59,1 60
tasa de dependencia 4,2 4,3 2,2 2,2
tasa de desocupacin 19,8 21,1 5,7 6,4
tasa de ocupacin 35,1 34 55,7 56,1

Obtenidos con stata Pobres no pobres

2013 2015 2013 2015
Tasa de analfabetismo 5,4 5,5 2,74 2,7
promedio Escolaridad 9,1 9,3 11 11,2
Porcentaje educacin Media incompleta 60,3 57,3 38,6 36,7
Tasa de participacin 44,23 43,9 59,1 59,6
tasa de dependencia 39 38,1 31 32,3
tasa de desocupacin 19,4 20,3 5,7 6,4
tasa de ocupacin 35,1 35 55,7 56,1
Revisando la tabla es posible percatarse que la tasa de analfabetismo ha bajado, el
promedio de escolaridad ha subido y el porcentaje de gente sin educacin media ha bajado.
En otras palabras en ndices de educacin hemos mejorado.

Por otra parte la tasa de participacin ha cado en los pobres y subido en los no pobres
La tasa de dependencia ha cado en los pobres y subido en los no pobres, la tasa de
desocupacin subi en los pobres y en los no pobres y la tasa de ocupacin cay en los
pobres pero subio en los no pobres. Hay que tener en consideracin que los datos variaron
poco.

Pregunta 3

Para crear nuestra variable tasa de pobreza, acudimos a los datos entregados por la
Casen respecto a la lnea de pobreza dados segn el ingreso y el numero de personas
que integran el hogar. Para lograr esto, generamos una variable y mediante formato
condicional establecimos criterios respecto al piso de ingreso con su respectivo numero de
habitantes. Luego de esto etiquetamos los valores con la funcin label define y label
vales.

Realizando tab tpobre [w=expr] obtuvimos lo siguiente:

Tasa
pobreza Freq. Percent Cum.
No pobre 15.593.837 88,84 88,84
pobre 1.958.668 11,16 100
Total 17.552.505 100

Lo que nos indica que un 11,16% de la poblacin se encuentra en situacin de pobreza

Pregunta 4

Creamos nuestra variable de nivel educacional asignando valores a las definiciones

correspondientes mediante un formato condicional respecto del criterio educ de nuestra
base de datos. Posterior a esto etiquetamos los valores correspondientes.

Obtuvimos la siguiente tabla con tab nvleduc [w=expr] :

Nivel Educacional Freq. Percent Cum
Educacion Basica Incompleta 5.268.343 30,06 30
Educacion Basica completa 4.119.058 23,5 53,5
Educacion Media Completa 5.815.744 33,18 86,7
Tecnico a nivel superior completa 813.575 4,64 91,3
Educacion profesional completa 1.509.759 8,61 100
Total 17.526.479 100

Pregunta 5
Las tablas que nos muestran la media y la desviacin estndar de nuestras variables son
visibles con el comando sum. Para obtener la media condicional al sexo y al nivel
educacional ejecutamos el comando tabstat el cual nos permite agregar ms variables a
nuestro anlisis.
Obteniendo lo siguiente:

sexo mean sd
hombre 0,1073004 0,3094961
mujer 0,1154412 0,3195548
Total 0,1115891 0,3148608

Esta tabla nos muestra que existe mayor pobreza en las mujeres

Nivel Educacional mean sd

Educacion Basica Incompleta 0,1690085 0,3747616
Educacion Basica Completa 0,1308889 0,3372814
Educacion Media Completa 0,0834039 0,2764935
Tecnico nivel superior completo 0,0300575 0,1707532
Educacion profesional completa 0,0111488 0,1050003
Total 0,1115955 0,3148687

La tabla nos muestra que a mayor nivel educacional, la tasa de pobreza es mucho menor,
basta con percatarse que a medida que el nivel educacional aumenta, la tasa de pobreza
decae.
Pregunta 6

Para crear un grafico para nuestras variables de inters, es necesario asignar los ejes de
las abscisas y las ordenadas con las clasificaciones correspondientes. Agregamos titulo y
leyendas para ordenar nuestro grafico de barras correspondiente. Cabe destacar que los
valores son distintos a la Casen por dos motivos. El primero es debido a los factores de
expansin, y el segundo es porque consideramos solo el criterio de ingreso en nuestro
anlisis de pobreza.
 Pobreza por sexo y nivel educacional
.193542 .192309
,2

.154216
Media nivel de pobreza
,15

.14355

.110279
,1

.079105
,05

.040118
.032133

.01183 .012374
0

Ed
u c
a c
io n B
a s
ic aIn c
o mp
le ta Ed
u c
a c
io n B
a s
ic ac
o mp
le ta Ed
u c
a c
io n M e
d ia C
om p
le ta T e
c n
ic o a n
iv e
l s
u p
e rio r c
o mp
let Ed
u c
a c
io n p
r o
f e
s io
n a
l c
o mp
le ta Ed
u c
acio n B
a s
ic a In c
o mp
le ta Ed
u c
a c
io nB
a s
ic a c
o mp
le ta Ed
u c
a c
io n Me
d ia C
o mp
le ta T e
c n
ic o a n
iv e
l s
u p
e rior c
o mp
le t Ed
u c
a c
io n p
r o
f e
s io
n a
lc
o mp
le ta

hombre mujer
mean of tpobre

Siendo de izquierda a derecha las categoras: bsica incompleta, bsica completa, media
completa, tcnica completa, universitaria completa, respectivamente para hombre y mujer.
El grfico nos hace percatarnos que el nivel de pobreza se reduce a mayor nivel
educacional. Por otro lado hay un mayor porcentaje de mujeres con educacin media en
situacin de pobreza.

Pregunta 7

Ahora trabajaremos en R, para trabajar con la base de datos ejecutamos el comando

attach, creamos nuestra variable de inters llamada experiencia potencial con el
comando na.omit. Posterior a esto etiquetamos nuestra variable.

Pregunta 8

Pregunta 9

Pregunta 10

Pregunta 11
Realizando la regresin en Stata:
Source SS df MS
Model 156,786639 1156 0,786639
Residual 61563,8675 83146 0,740430899
Total 61720,6541 83147 0,74230765
 Number of obs 83148
F( 1, 83146) 211,75
Prob > F 0
R-squared 0,0025
Adj R-squared 0,0025
Root MSE 0,86048

lny Coef. Std. Err. t t P>t [95% Conf. Interval]

sex 0,0878868 0,00604 14,55 0 0,0760492 0,0997245
_cons 7,680057 0,004586 1674,53 0 7,671068 7,689046

Que el valor de R-Cuadrado sea 0,0025 indica que hay poco nivel de significancia entre el
ingreso percibido y el sexo. Por otro lado que el coeficiente sea 0,0878 nos indica que el
ser hombre implica tener un ingreso mayor en un 8,78%.

Pregunta 12
Para el caso de la regresin en Stata:

Source SS df MS
Model 2,02E+09 1 2,02E+09
Residual 2,26E+13 83146 271612697
Total 2,26E+13 83147 271633701

Number of obs 83148

F( 1, 83146) 7,43
Prob > F 0,0064
R-squared 0,0001
Adj R-squared 0,0001
Root MSE 16481

yph Coef. Std. Err. t P>t [95% Conf. Interval]

sex 315,3066 115,6763 2,73 0,006 88,58189 542,0312
_cons 3478,885 87,8423 39,6 0 3306,714 3651,055

El coeficiente 315,30 nos indica que cuando se es hombre se gana 315,3 pesos ms por
hora.

La interpretacin de resultados cambia dado que en el caso anterior, el aumento en 1 en la

variable sexo (es decir, que sea hombre) nos indicar el cambio porcentual en el salario por
hora, mientras que en el segundo caso, nos indicar el valor en pesos en que cambia.

Ninguna de las 2 opciones es ms adecuada, dado que una nos permite determinar el
cambio porcentual en el valor mientras que el otro el cambio en las unidades
correspondientes. Depende netamente de lo que busque determinar el investigador.