La Microeconometría en la investigación económica y social: Construcción de Modelos de Regresión Lineal Clásico y Modelos de Elección Binaria con STATA 15

Abstract

La estimación de modelos econométricos se ha vuelto fundamental en la formación profesional de los economistas, debido a que los métodos de la econometría son importantes para la investigación. Su uso va desde la implementación o análisis de políticas públicas hasta la toma de decisiones para las empresas. Esta importancia radica principalmente en la capacidad de relacionar una variable con otra o con un conjunto de variables permitiendo establecer como una variable influye sobre otra. A este estudio de la dependencia de una variable dependiente respecto a variables independientes se denomina análisis de regresión. Aprender el correcto manejo de datos representa una parte importante para la estimación de cualquier modelo econométrico y en la actualidad, los economistas se apoyan en la informática para crear y/o usar softwares estadísticos siendo los más importantes: Eviews, SPSS, STATA, Gretl, R, Excel, etc. La estimación de modelos econométricos conlleva a usar un software estadístico que permita realizar procesos estadísticos, econométricos y matemáticos que serían imposibles realizar de manera manual y además de una base de datos obtenida mediante un instrumento de recolección de datos, en el caso peruano se usa la Encuesta Nacional de Hogares(ENAHO) dirigida por el Instituto Nacional de Estadística e Informática (INEI), la cual muestra variables económicas y sociales de la población como el ingreso familiar, el gasto familiar, el índice de pobreza, la tasa de informalidad, etc. Además, que a partir de las variables recogidas por la ENAHO es que se pueden calcular otras variables, como el gasto catastrófico, el índice de Gini, etc. es por eso que esta guía servirá para conocer el manejo de datos de la ENAHO con STATA. Con la intención que esta guía de estudios sea lo más orientada posible se hará uso de la ilustración del trabajo de investigación medición del impacto de la infraestructura relacionada con acceso a los servicios básicos sobre las pobreza mediante un modelo de regresión logística publicada por Carlos Aparicio, Miguel Jramillo y Cristina San Román para mostrar la sintaxis de los comandos que permiten el manejo de datos y el análisis de regresión logística para un modelo con variable dependiente binaria.