Apresentação do PowerPointhome.iscte-iul.pt/~jjsro/ecoi/Praticas-Resolucoes-temp.pdf · 2020-03-03 · . scatter yhat sono trab, connect(l i) c). display -0.1507458*120-18.089496

Joaquim J.S. Ramalho

ECONOMETRIA I

Resoluções dos Exercícios Práticos - Stata


Inserção de comandos

Selecção de comandos no menu▪ Útil quando não se conhece o nome do comando

Introdução manual de comandos▪ Mais rápida

Execução de comandos gravados num ficheiro do▪ Ideal para processos repetitivos

▪ Implementação de métodos não disponíveis no Stata

Stata

2017/2018 Econometria I 2


Stata – Janelas Principais


Inserção manual de comandos

Histórico de comandos

Resultados

Lista de variáveis


File

Open – abre ficheiro de dados em formato dta

Save – grava ficheiro de dados em formato dta

Log – os resultados que aparecem na janela de resultados são simultaneamente gravados num ficheiro smcl (apenas pode ser aberto no Stata) ou log (ficheiro de texto que pode ser lido por qualquer software)▪ Begin – inícia a gravação

▪ Close – termina a gravação

▪ Suspend – suspende temporariamente a gravação

▪ Resume – retoma a gravação

Stata – Menus Principais



Window

Data Editor – abre folha tipo excel para introdução, alteração ou visualização de dados

Help

Search – se não se souber o nome do comando

Stata command – se se souber o nome do comando

Stata – Menus Principais (cont.)



Stata – Principais Botões


Open

Save

Log

Data Editor

Interrompe a execução de um comando


. summarize X

Variable | Obs Mean Std. Dev. Min Max

-------------+---------------------------------------------------------

X | 10 566 229.6955 300 1100

Exercício 1.1 – a



. summarize X, d

X

-------------------------------------------------------------

Percentiles Smallest

1% 300 300

5% 300 350

10% 325 440 Obs 10

25% 440 450 Sum of Wgt. 10

50% 505 Mean 566

Largest Std. Dev. 229.6955

75% 670 640

90% 900 670 Variance 52760

95% 1100 700 Skewness 1.189377

99% 1100 1100 Kurtosis 3.967482

Exercício 1.1 – b



. clear

. summarize X Y, d

X

-------------------------------------------------------------


1% 4.7 4.7

5% 4.7 5.2

10% 4.7 8.4 Obs 8

25% 6.8 9.3 Sum of Wgt. 8

50% 9.8 Mean 9.8375


75% 12.7 10.3

90% 15.4 11.3 Variance 14.53125

95% 15.4 14.1 Skewness .0394896

99% 15.4 15.4 Kurtosis 1.898667




Y

-------------------------------------------------------------


1% 2.1 2.1

5% 2.1 3.5

10% 2.1 4.5 Obs 8

25% 4 5.1 Sum of Wgt. 8

50% 6.35 Mean 7.1875


75% 10.75 7.6

90% 13.2 9.5 Variance 16.55554

95% 13.2 12 Skewness .2968191

99% 13.2 13.2 Kurtosis 1.666582

Exercício 1.2 – a (cont.)



. cor X Y, c

(obs=8)

| X Y

-------------+------------------

X | 14.5313

Y | 12.9634 16.5555

. cor X Y

(obs=8)

| X Y

-------------+------------------

X | 1.0000

Y | 0.8358 1.0000




. gen Xnew=10*X

. summarize Xnew, d

Xnew

-------------------------------------------------------------


1% 47 47

5% 47 52

10% 47 84 Obs 8

25% 68 93 Sum of Wgt. 8

50% 98 Mean 98.375


75% 127 103

90% 154 113 Variance 1453.125

95% 154 141 Skewness .0394897

99% 154 154 Kurtosis 1.898667

Exercício 1.2 – c



. cor Xnew Y, c

(obs=8)

| Xnew Y

-------------+------------------

Xnew | 1453.13

Y | 129.634 16.5555

. cor Xne Y

(obs=8)

| Xnew Y

-------------+------------------

Xnew | 1.0000

Y | 0.8358 1.0000

Exercício 1.2 – c (cont.)



. regress Y X

Source | SS df MS Number of obs = 10

---------+------------------------------ F( 1, 8) = 374.92

Model | 26.0100006 1 26.0100006 Prob > F = 0.0000

Residual | .555000229 8 .069375029 R-squared = 0.9791

---------+------------------------------ Adj R-squared = 0.9765

Total | 26.5650009 9 2.95166676 Root MSE = .26339

------------------------------------------------------------------------------

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

---------+--------------------------------------------------------------------

X | 1.7 .0877971 19.363 0.000 1.497539 1.902461

_cons | 1.26 .3353575 3.757 0.006 .4866642 2.033336

------------------------------------------------------------------------------

. display 1.7*3

5.1




. gen yhat=1.26+1.7*X

ou

. predict yhat2

(option xb assumed; fitted values)

. scatter yhat Y X, connect(l i)



46

81

0

2 3 4 5X

yhat Y


c)

. gen uhat= Y-yhat

ou

. predict uhat2, resid

. summarize uhat

Variable | Obs Mean Std. Dev. Min Max

---------+-----------------------------------------------------

uhat | 10 -4.77e-08 .2483279 -.3600006 .3400002

e)

. display 1.26+1.7*5.2

10.1

Exercício 2.4 – c, e



. regress sono trab

Source | SS df MS Number of obs = 706

-------------+------------------------------ F( 1, 704) = 81.09

Model | 14381717.2 1 14381717.2 Prob > F = 0.0000

Residual | 124858119 704 177355.282 R-squared = 0.1033

-------------+------------------------------ Adj R-squared = 0.1020

Total | 139239836 705 197503.313 Root MSE = 421.14

------------------------------------------------------------------------------

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

-------------+----------------------------------------------------------------

trab | -.1507458 .0167403 -9.00 0.000 -.1836126 -.117879

_cons | 3586.377 38.91243 92.17 0.000 3509.979 3662.775

------------------------------------------------------------------------------




b)

. predict yhat

(option xb assumed; fitted values)

. scatter yhat sono trab, connect(l i)

c)

. display -0.1507458*120

-18.089496

Exercício 2.5 – b, c


100

02

00

03

00

04

00

05

00

0

0 2000 4000 6000min/sem

Fitted values min/sem

Documents

Apresentação do PowerPointhome.iscte-iul.pt/~jjsro/ecoi/Praticas-Resolucoes-temp.pdf · 2020-03-03 · . scatter yhat sono trab, connect(l i) c). display -0.1507458*120-18.089496