Econometría

Taller 1

Manuel Alejandro Beltrán Cárdenas (201411913)

Natalia Vanessa Higuera Moreno (201412435)
Profesor complementario: Juliana Guevara
Parte practica
1. Calcule estadísticas descriptivas para el número de votos en blanco, votos nulos,
ingresos tributarios e índice de gobierno abierto. Exporte los resultados con outreg2 e
interprete
Tabla 1. Estadísticas descriptivas ingresos tributarios, índice de gobierno abierto, votos nulos
y votos en blanco.
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18) (19)
VARIABLES N mea sd min max sum Var skewne kurtosi sum p1 p5 p10 p25 p50 p75 p90 p95 p99
n _w ss s

y_corr_tribut 8,8 15,7 206,0 0 6.571e+ 8,8 4.247e+ 29.60 932.3 1.391e+ 161 293 382 649 1,3 3,8 11,7 31,4 140,6
08 87 71 06 08 10 08 .7 .3 .7 .6 30 13 52 56 55
iga_total 8,8 69.5 9.952 28. 91.03 8,8 99.05 -0.769 3.517 612,502 41. 50. 55. 64. 71. 76. 81.3 83.1 86.55
08 4 16 08 72 13 57 30 11 72 3 0
votos_nulos 8,9 34.5 643.2 0 54,663 8,9 413,728 71.17 5,858 310,114 0 0 0 0 0 0 27 89 541
76 5 76
votos_en_blanc 8,9 85.3 2,341 0 207,525 8,9 5.482e+ 79.49 6,908 766,099 0 0 0 0 0 0 50 159 966
o 76 5 76 06

En primer lugar, las medias de estas variables indican: i) que en promedio 85.35 de los votos de los
ciudadanos son en blanco, lo cual indica que en promedio son pocos los individuos que no apoyan a
ninguno de los candidatos; ii) en promedio los votos nulos son 35, que es un número bajo en una
muestra de 8976 personas; iii) Los ingresos tributarios son en promedio 15787, y iv) el índice de
gobierno abierto es en promedio 69.54.
En segundo lugar, se observa en las variables votos nulos y votos en blanco, que desde el percentil
90 se encuentran resultados superiores a 0, que indica que es alrededor del 10% de la muestra en la
que se presenta cada uno de los casos.
Finalmente, se observa que algunos de los municipios no tienen ingresos tributarios y en los
percentiles se evidencian importantes diferencias a partir del percentil 50. Respecto al índice de
gobierno abierto, se puede decir que hay diferencias considerables en la forma en que los diferentes
municipios reportan su información y el fortalecimiento de la gestión pública.
2. Presente mediante diagramas de caja (box plots) la distribución del número de votos
en blanco, votos nulos, ingresos tributarios e índice de gobierno abierto. Interprete los
resultados.
De acuerdo con los resultados del diagrama, la variable votos nulos no sigue una distribución
normal, en tanto la mayoría de los datos se concentran en la parte inferior de la gráfica. Su valor
máximo se encuentra en 54.663 con una observación y su mínimo es 0, y se encuentra que
aproximadamente el 75% de los votos nulos son iguales a 0. Sin embargo, la media de 34.55, puede
ser resultado de las observaciones que se encuentran en el extremo o son atípicos.

Respecto a la variable índice de gobierno abierto, se encuentra que los datos tienden a seguir una
distribución normal, y se concentran principalmente entre 64% y 77%. En cuanto a la media, esta es
del 69.54% y el valor máximo que alcanza es del 91%. Sin embargo, algunas de las observaciones
se encuentran por debajo del 40% y el valor más bajo es del 28%,. Esto implica que el
cumplimiento de reportes y cumplimiento de estrategias para la prevención de corrupción o
ineficiencia en la gestión públicas no es del 100% y en algunos municipios es muy bajo este índice
de gestión.
En cuanto a la variable votos en blanco, esta presenta valores bajos e inferiores a 50.000.Su
distribución no es normal, pues los datos se encuentran concentrados hacia la parte inferior de la
gráfica. Presenta su valor más alto en 207.525 y su mínimo en 0, teniendo una media de 85.35. Esto
último se considera que se debe a los valores atípicos que se encuentran desde el percentil 90, los
cuales pueden alterar el valor de la media.

Finalmente, los ingresos tributarios no siguen una distribución normal, pues sus valores se
encuentran principalmente por debajo de 2.000.000, siendo el mínimo de 0. No obstante, se
presenta un valor máximo de ingresos en 6.571.000. En cuanto a la media, su valor es de 15.787.
3. ¿Cuáles municipios tienen más de 10.000 votos en blanco? Para este grupo de
municipios, ¿cuál es el valor máximo, mínimo y promedio del índice de gobierno
abierto?
Summary statistics: max min mean by(mun_mas_10m_vb )
mun_mas_10m_vb max min mean

BARRANQUILLA 67.985 67.985 67.985

BELLO 80.269 80.269 80.269

BOGOTA. D.C. 70.098 70.098 70.098

BUCARAMANGA 79.399 79.399 79.399

CALI 82.618 82.618 82.618

CUCUTA 78.203 78.203 78.203
IBAGUE 82.934 82.934 82.934
MANIZALES 78.426 78.426 78.426

MEDELLIN 84.229 84.229 84.229

PEREIRA 77.57 77.57 77.57

 (1) (2) (3) (4) (5)

VARIABLES N mean sd min max

iga_total 10 78.17 5.317 67.98 84.23

4. Calcule e interprete una matriz de correlación entre el número total de votos, ingresos
tributarios e índice de gobierno abierto. ¿Son estas correlaciones estadísticamente
significativas al 5%? ¿Qué comando de Stata sirve para este proposito, correlate o
pwcorrelate?
Usando el comando pwcorr, se obtuvo el siguiente resultado

Pairwise correlations
Variables (1) (2) (3)
(1) votos 1.000

(2) y_corr_tribut 0.984* 1.000

0.000

(3) iga_total 0.063* 0.037 1.000

0.038 0.217

* shows significance at the 0.05 level

De acuerdo con este resultado, se puede concluir que las correlaciones entre los ingresos
tributarios y los votos, y el índice de gobierno abierto y los votos, son significativas al 5%.
Entre los ingresos tributarios y los votos se presenta una correlación positiva de 0.984, lo
cual indica una fuerte relación entre las variables. En cuanto los votos y el índice de
gobierno abierto, la correlación es positiva pero su valor de 0.063 es muy bajo. Finalmente,
entre los ingresos tributarios y el índice de gobierno abierto, la correlación es positiva, pero
no es significativa.
5. Calcule estadísticas descriptivas del número total de votos por departamento

Summary statistics: N mean sd min max by(coddpto )

coddpto N mean sd min max
11 1 2510384 . 2510384 2510384
13 46 8265.565 22333.66 1134 152879
15 123 3380.74 7651.347 392 58644
 17 27 13428.22 30296.49 1175 162345
18 16 5832.375 11749.52 1078 49328
19 42 8245.238 14552.59 1135 95538
20 25 9824.96 16927.01 1530 88158
23 30 13910.87 17948.23 2826 99617
25 116 7197.466 12487.46 695 95553
27 30 2843.833 4293.475 625 24899
41 37 8397.405 16613.71 1059 99653
44 15 8066.6 7899.885 1502 31212
47 30 9055.367 17345.95 2327 98131
5 125 14570.94 64256.19 615 700180
50 29 10444.07 27996.75 726 152116
52 64 6227.875 15881.1 1408 123260
54 40 9800.375 31051.38 856 196819
63 12 16861.75 30368.59 1280 110513
66 14 24195.36 47526.65 2452 177395
68 87 7941.759 25629.61 463 211251
70 26 9428.846 12570.74 1916 68215
73 47 9138.191 25732.97 1180 179336
76 42 28074.12 84481.3 1863 548587
8 23 17877.7 45195.27 1701 218940
81 7 8400.429 8305.876 1013 24877
85 19 6599.316 11080.05 373 49721
86 13 5027.231 3705.246 1826 12960
88 2 4337 4590.537 1091 7583
91 11 1287.273 3270.88 6 11065
94 9 713.444 1786.767 20 5469
95 4 4571.5 5258.994 887 12286
97 6 881.333 1655.632 23 4251
99 4 3008.5 1539.997 1118 4880

6. Estime el siguiente modelo y presente los resultados:

Total votosi =β 0+ β1 y ¿i +ε i
Donde el número total de votos depende de los ingresos tributarios. Interprete cada uno de los
coeficientes estimados, ¿son estadísticamente significativos?

(1)
VARIABLES votos

y_corr_tribut 0.000393***
(2.12e-06)

Constant 5,701***
(437.3)

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1
En primer lugar, el β 0 indica que sin considerar los ingresos tributarios, el total de votos es 5.701.
En segundo lugar, el β 1 indica que con un aumento de un millón en los ingresos tributarios, el
número de votos aumenta en 0.000393, con una significancia del 99%.
En cuanto a la significancia individual:
H 0 : β 0=0
Ha : β0≠ 0
5701−0
t c= =13.024
437.7
Región de rechazo: |t c|>t t

α =0.01
t t=2.57
13.57¿2.57: por lo que se rechaza la hipótesis nula.
Con una significancia del 99% se concluye que el valor del β 0 es diferente de 0

H 0 : β1 =0
Ha : β1≠ 0
0.000393−0
t c= =¿
0.00000212
Región de rechazo: |t c|>t t

α =0.01
t t=2.57
185.37¿2.57: por lo que se rechaza la hipótesis nula
Con unas significancia del 99% se concluye el valor del β 1 es diferente de 0.

7. Realice la regresión anterior pero ahora defina los ingresos tributarios en miles de
millones de pesos. ¿Qué cambios evidencia en las conclusiones del literal j?

(1) (2)
VARIABLES votos votos

y_corr_tribut 0.000393***
(2.12e-06)
y_corr_tribut_mm 0.393***
(0.00212)
Constant 5,701*** 5,701***
(437.3) (437.3)

Observations 1,101 1,101

 R-squared 0.969 0.969
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
De acuerdo con el resultado obtenido, un aumento de mil millones en los ingresos tributarios
implica un aumento en 0.393. De igual manera, el valor del coeficiente β 1 es el mismo, y solo
cambia en la misma proporción que se modificaron las unidades de la variable ingresos tributarios y
este mismo cambio se presenta en el error estándar. Entonces, de acuerdo con esta regresión, por
cada mil millón en que aumenten los ingresos tributarios, los votos aumentarán 0.393.
8. Realice la regresión del literal j pero ahora defina la variable votos en miles de votos.
¿Qué cambios evidencia en las conclusiones del literal j? Exporte los resultados con
outreg2 de los literales j, k y l en la misma tabla. Pista: revise la opción append.

(1) (2) (3)

VARIABLES votos votos votos_m

y_corr_tribut 0.000393***
(2.12e-06)
y_corr_tribut_mm 0.393*** 0.000393***
(0.00212) (2.12e-06)
Constant 5,701*** 5,701*** 5.701***
(437.3) (437.3) (0.437)

Observations 1,101 1,101 1,101

R-squared 0.969 0.969 0.969
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1

En este caso, al tener los votos y los ingresos tributarios en miles de millones, los resultados
vuelven a ser los mismos que en la primera regresión con las variables en millones. Entonces, por
cada ml millón que aumente el ingreso tributario, los votos aumentaran 0.000393 miles de millones.
9. Estime de nuevo el modelo del literal k pero transforme la variable dependiente en el
logaritmo del total de votos 𝑙𝑜𝑔_𝑡𝑜𝑡𝑎𝑙_𝑣𝑜𝑡𝑜𝑠. Interprete el coeficiente estimado de 𝛽1,
¿es estadísticamente significativo?

(1)
VARIABLES log_votos

y_corr_tribut_mm 1.56e-06***
(1.51e-07)
Constant 8.279***
(0.0311)

Observations 1,101
R-squared 0.089
Standard errors in parentheses
 *** p<0.01, ** p<0.05, * p<0.1

H 0 : β1 =0
Ha : β1≠ 0
0.000156−0
t c= =993.63
0.000000157
Región de rechazo: |t c|>t t

α =0.01
t t=2.57
993.63¿2.57: por lo que se rechaza la hipótesis nula

Con unas significancia del 99% se concluye el valor del β 1 es diferente de 0.

10. Realice con detalle los pasos de la prueba de hipótesis para probar que el coeficiente
estimado de 𝛽1 es mayor a 0.001.
H 0 : β1 ≤ 0.001

H a : β 1> 0.001
0.00000156−0.001
t c= =−0.000998
0.000000157

Región de rechazo: t c > t t

α =0.01
t t=2.4049
-0.000998¿2.57: por lo que no se rechaza la hipótesis nula

Con unas significancia del 99% se concluye el valor del β 1 es mayor de 0.001.

11. Estime de nuevo el modelo del literal k pero transforme la variable independiente en
el logaritmo del total de ingresos tributarios. Interprete el coeficiente estimado de 𝛽1,
¿es estadísticamente significativo?

(1)
VARIABLES votos

log_y_corr_tribut_mm 20,999***
(1,589)
Constant -145,270***
 (12,115)

Observations 1,100
R-squared 0.137
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1

En este modelo logarítmico, se tiene que por cada 1% en que aumenten los ingresos tributarios, los
votos aumentarán en 20.999, con una significancia del 99%.
De igual forma, el coeficiente β 1 es significativo al 90%, 95% y 99% al tenerse un p-valor menor al
0.01.
12. Estime de nuevo el modelo del literal k pero haciendo una transformación logarítmica
tanto al número de votos como a los ingresos tributarios. Exporte los resultados con
outreg2 de los literales m, o y p en la misma tabla. Pista: revise la opción append.
Interprete el coeficiente estimado de 𝛽1, ¿es estadísticamente significativo?

(1) (2) (3)

VARIABLES log_votos votos log_votos
log_y_corr_tribut_mm 20,999*** 0.632***
(1,589) (0.0117)
Constant 8.279*** -145,270*** 3.574***
(0.0311) (12,115) (0.0894)

Observations 1,101 1,100 1,100

R-squared 0.089 0.137 0.726
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
De acuerdo con este resultado, por cada 1% en que aumenten los ingresos tributarios,
los votos aumentarán en 0.632%. Este valor de β 1 es significativo al 90%, 05% y 99%
considerando que el p-valor es menor a 0.01.
13. Realice con detalle los pasos de la prueba de hipótesis para probar que el
coeficiente estimado de 𝛽1 es mayor a 1.
H 0 : β1 ≤1
H a : β 1>1
0.632−1
t c= =−31.4529
0.0117
Región de rechazo: t c > t t

α =0.01
t t=2.4049
Dado que -31.4529<2.4049 no se rechaza la hipótesis nula y con una significancia del 99%
se concluye que el coeficiente β 1 no es mayor a 1.
Do file
clear all
set more off
cd "C:\Users\ma.beltran641\Downloads\Taller 1 stata\Taller 1 stata"
// a. Abra la base de datos PANEL_BUEN_GOBIERNO.dta...
use "PANEL_BUEN_GOBIERNO.dta"
keep ano codmpio y_corr_tribut iga_total
keep if ano==2014
save "base2014.dta", replace
//b. Abra la base de datos 2014_Presidente_Primera_Vuelta...
use "2014_Presidente_Primera_Vuelta.dta", clear
encode primer_apellido, generate (codigo) label(n_codigo)
label var codigo "Codigo por candidato"
recode codigo (1=1) (3=2)(4=3)(2=4)(8=5)(5=6)(7=7)(6=8)
label values codigo
//c. Una la base de datos 2014_Presidente_Primera_Vuelta con la base construida en el
literal a...
merge m:1 codmpio using base2014.dta
save "baselitc.dta", replace
//d. alcule estadísticas descriptivas para el número de votos en blanco, votos nulos...
generate votos_nulos = votos if codigo==7
generate votos_en_blanco = votos if codigo==8
recode votos_en_blanco (.=0)
recode votos_nulos (.=0)
outreg2 using estdesclitc.doc, replace sum(detail) keep(votos_en_blanco votos_nulos
y_corr_tribut iga_total)
//e. Presente mediante diagramas de caja (box plots) la distribución del número de votos
en blanco,
graph box votos_nulos
graph save Graph "C:\Users\toshiba\Desktop\taller 1 20192\Nueva carpeta\Taller 1
stata30 de agosto\Taller 1 stata\BOX VOTOS NULOS.gph"
graph export "C:\Users\toshiba\Desktop\taller 1 20192\Nueva carpeta\Taller 1 stata30
de agosto\Taller 1 stata\BOX VOTOS NULOS.png", as(png) replace
graph box votos_en_blanco
graph export "C:\Users\toshiba\Desktop\taller 1 20192\Nueva carpeta\Taller 1 stata30
de agosto\Taller 1 stata\bOX VOTOS EN BLANCO .png", as(png) replace
graph box y_corr_tribut
graph export "C:\Users\toshiba\Desktop\taller 1 20192\Nueva carpeta\Taller 1 stata30
de agosto\Taller 1 stata\box ingresos tributarios.png", as(png) replace
graph box iga_total
graph export "C:\Users\toshiba\Desktop\taller 1 20192\Nueva carpeta\Taller 1 stata30
de agosto\Taller 1 stata\Gobierno abierto.png", as(png) replace
//f. ¿Cuáles municipios tienen más de 10.000 votos en blanco? Para este grupo de
municipios
generate mun_mas_10m_vb = municipio if votos_en_blanco>10000

label var mun_mas_10m_vb "Municipios con mas de 10 mil votos"

asdoc tabstat iga_total, by(mun_mas_10m_vb) stat(max min mean) nototal

outreg2 using Estadisticasmunmas10mil.doc if votos_en_blanco>10000, sum (detail)
eqkeep(N mean sd min max) keep (iga_total)

save "baselitg.dta", replace

//g.Calcule para cada municipio el número total de votos.

collapse (sum) votos, by(coddpto codmpio municipio y_corr_tribut iga_total)

save "basecollapse.dta", replace

// debo usar el collapse(sum) usar la colapsada hasta eñ final collapse (sum),

by(coddmpio municipio iga_total y_corr_tribut)

//h. Calcule e interprete una matriz de correlación entre el número total de

votos,ingresos tributarios e índice de gobierno abierto. ¿Son estas correlaciones
estadísticamentesignificativas al 5%? ¿Qué comando de Stata sirve para este proposito,
correlate opwcorrelate?

pwcorr votos y_corr_tribut iga_total

asdoc pwcorr votos y_corr_tribut iga_total, sig star(0.05)

// i.Calcule estadísticas descriptivas del número total de votos por departamento. //

asdoc sum votos, by(coddpto) detail
// j.Donde el número total de votos depende de los ingresos tributarios. Interprete cada
uno delos coeficientes estimados, ¿son estadísticamente significativos?

reg votos y_corr_tribut

outreg2 using literalljk_.doc, replace

// k.Realice la regresión anterior pero ahora defina los ingresos tributarios en miles de
millones de pesos. ¿Qué cambios evidencia en las conclusiones del literal j? //
gen y_corr_tribut_mm = y_corr_tribut/1000
reg votos y_corr_tribut_mm
outreg2 using literalljk_.doc , append

// Punto l.Realice la regresión del literal j pero ahora defina la variable votos en miles
de votos//
gen votos_m = votos/1000
reg votos_m y_corr_tribut_mm
outreg2 using literalljk_.doc , append
// Punto m. Estime de nuevo el modelo del literal k pero transforme la variable
dependiente en el logaritmo del total de votos 𝑙𝑜𝑔_𝑡𝑜𝑡𝑎𝑙_𝑣𝑜𝑡𝑜� //
gen log_votos = log(votos)
reg log_votos y_corr_tribut_mm
outreg2 using literalmop_.doc , replace

//o.Estime de nuevo el modelo del literal k pero transforme la variable independiente

e //
gen log_y_corr_tribut_mm = log(y_corr_tribut_mm)
reg votos log_y_corr_tribut_mm
outreg2 using literalmop_.doc , append
// p.Estime de nuevo el modelo del literal k pero haciendo una
transformaciónlogarítmica tanto al número de votos como a los ingresos tributarios //
reg log_votos log_y_corr_tribut_mm
outreg2 using literalmop_.doc , append