Download Métodos Cuantitativos Avanzados Primer Semestre 2012 David
Document related concepts
no text concepts found
Transcript
Métodos Cuantitativos Avanzados Primer Semestre 2012 David Crow Tarea 2 Para entregarse el miércoles 2 de mayo en clase. FAVOR DE ENTREGARLA IMPRESA. Como siempre, incluyan los resultados de las estimaciones así como el código en Stata o R (o ambos) que usaron para realizar los ejercicios. Tarea 2: 20 puntos Efectos Interactivos (Nota: Estos ejercicios se basan en la revisión teórica que hicimos en clase de efectos interactivos así como en los archivos de código Stata “Interaction Effects-Stata.txt” e “Interaction Effects-R.txt”, los cuales se hallan en la sección “Código” del sitio Web del curso. También convendrá consultar Braumoeller (2004), disponible en la sección de “Lectura” del sitio Web, para contestar las primeras tres preguntas.) 1. (2 puntos) Expliquen la lógica y den un ejemplo hipotético de un efecto interactivo. Cuando estimas una regresión con un término multiplicativo, ¿siempre deben incluirse los términos de orden inferior (lower order terms), o sea, términos para los efectos principales de cada una de las variables que entran en la interacción? ¿Por qué sí o no? 2. (2 puntos) Usando la base de datos que quieran, estimen una regresión con un efecto interactivo. (Desde luego, no pueden repetirse ejemplos que vimos en clase.) Interpreten los coeficientes de los efectos de primer orden (o sea, de los efectos principales), si están incluidos en las regresiones, y del efecto interactivo. Basándose en el valor-t del coeficiente que corresponde al efecto interactivo, ¿es apropiado incluir el efecto interactivo en el modelo? 3. (3 puntos) Calculen las pendientes de la segunda variable en la interacción para cada uno de tres o cuatro valores (niveles) de la primera variable. Esto es, ¿cuál es la beta de X2 cuando X1 = x? ¿Y cuál es la beta de X2 cuando X1 = x’? ¿Y cuando X1 = x’’? (Nota: las pendientes pueden calcularse con el comando “lincom” en Stata, con “predict” en R, o a mano, como se hizo en la hoja de cálculo “Interaction Effects”.) Grafiquen las pendientes con uno de los comandos “eclplot”, “postgr3” en Stata o en R. Modelos Multinivel / Datos Panel (Nota: Para las preguntas 4 a 7, consulten el código “Random Effects Models – Stata” y “Random Effects Models R”, en la sección “Código” del sitio Web.) 4. (2 puntos) Elijan una base de datos en la que algunas unidades, en un primer nivel, están “anidadas” en otras, en un segundo nivel (p.e., individuos en secciones electorales o países)—o sea, que los datos sean estructurados jerárquicamente—. Seleccionen una variable dependiente y efectúen un análisis de varianza (ANOVA). Basándose en la 1 prueba F, ¿son distintas las medias de cada subgrupo (o sea, unidad del segundo nivel)? Grafiquen las medias (interceptos) por grupo. A simple vista, ¿son diferentes al intercepto global? 5. (3 puntos) Estimen un modelo no pooling de los interceptos no condicionales (unconditional intercept model). Ahora estimen un modelo de interceptos con efectos aleatorios (unconditional random intercept model) y recobren los efectos aleatorios estimados usando el comando “gllapred” en Stata o “coef” en R. Grafiquen los interceptos desagregados (unpooled) en el eje X contra los interceptos parcialmente agregados (partially pooled) en el eje Y, con una línea que pasa por el origen y tiene una pendiente de 1. ¿Hay un efecto de encogimiento (shrinkage) de los interceptos específicos para cada grupo hacia el intercepto global? ¿Por qué sí o no? Calculen el coeficiente de correlación intraclase. ¿Es mayor la varianza entre grupos o dentro de ellos? 6. (4 puntos) Ahora, seleccionen una variable independiente y estimen un modelo de coeficientes aleatorios en el que tanto el intercepto como la pendiente varíen entre grupos. ¿Cuál es la varianza o desviación típica de los interceptos? ¿De las pendientes? ¿Cuál es la varianza o desviación típica de los residuales individuales (correspondientes al primer nivel, esto es, la varianza de individuos en torno a la media grupal)? Datos de Panel 7. (4 puntos) Ahora, elijan una base de datos longitudinales (p.e., National Longitudinal Survey of Youth, Panel Study of Income Dynamics, Mexican Panel 2006, etc.), en la que el tiempo está anidado dentro de individuos. Estimen un modelo de coeficientes aleatorios (interceptos y pendientes) en el que tanto la medición inicial (intercepto) como el efecto del tiempo (pendiente) varíen entre individuos. Grafiquen las pendientes para los individuos en una sola gráfica. ¿Es significativa la varianza entre individuos del intercepto (o sea, del nivel inicial)? ¿Y de la pendiente (o sea, de la tasa de cambio en el tiempo)? Calculen e interpreten el coeficiente de correlación intraclase. Sugiero que empiecen la tarea de inmediato. Es larga y más difícil que la primera. Estoy a la orden para cualquier duda, aclaración, etc. 2