Las bases de datos económicos pueden ser de diversos tipos:
1. Corte transversal (cross section).
2. Series de Tiempo (time series)
3. Combinación de cortes transversales (pooling cross section)
4. Datos panel (panel data)
Las características particulares de cada tipo de datos deben ser consideradas a fin sacar provecho del análisis que se realizara de estos datos.
Introducción
“Una base de datos de corte transversal consiste en una muestra de individuos, hogares, empresas, ciudades, estados, países u otras unidades, tomada en algún punto dado en el tiempo” (Wooldrige, 2010: 5).
Una de sus características más importantes radica que, en muchas ocasiones, se obtienen de un proceso de muestreo aleatorio.
Constituye el tipo de datos con el que se inicia el estudio del análisis econométrico.
Corte transversal
Fuente: Tomado de Wooldridge, 2010: 7.
“Una base de datos de series de tiempo consiste de las observaciones de una o varias variables a lo largo del tiempo” (Wooldrige, 2010: 8).
Una de sus características más importantes radica que, rara vez, puede suponerse que las observaciones sean independientes del tiempo.
Constituye el tipo de datos más común en la economía y su estudio es más complejo.
Series de tiempo
Fuente: Tomado de Wooldridge, 2010: 9.
Al resultado de combinar diferentes cortes transversales se le da el nombre de una base de datos pooling.
Permite ampliar el tamaño de la muestra.
Constituye el tipo de datos que permite analizar los efectos de los cambios en políticas públicas al observar las diferencias que presentan las variables en el tiempo.
Combinación de cortes transversales
Datos panel
“Un conjunto de datos de panel (o longitudinal) consiste en una serie de tiempo por cada unidad de una base de datos de corte transversal”
(Wooldrige, 2010: 10).
Su característica que los distingue de las
combinaciones de cortes transversales, es que
durante un intervalo de tiempo se siguen a las
mismas unidades de observación de un corte
transversal.
Fuente: Tomado de Wooldridge, 2010: 9.
Las bases de datos se han constituido en una de las herramientas más ampliamente difundidas en la actual sociedad de la información en todos los campos del conocimiento.
Dada la variedad de tópicos –en diferentes niveles de análisis- que se captan en una base de datos está puede estar conformada por un conjunto de archivos en los que se distribuye la información obtenida de acuerdo con los temas considerados.
Las bases de datos
Existen cuatro comandos (métodos) para combinar bases de datos:
1. Añadiendo (appending).
2. Combinando (merging)
3. Juntando (joining)
4. Cruzando (crossing)
La versión 11 introduce una nueva sintaxis para el comando merge.
Combinando bases de datos 1/
1/
Para estas notas es necesario obtener los archivos de datos dmus1 y dmus2 de net from http://www.stata-press.com/data/dmus,
en la forma net get dmus1 y net get dmus2. De igual manera, se requiere obtener de net from http://www.stata-
press.com/data/kk2, los archivos net get data y net get kksoep.
Los comandos más utilizados son append y merge .
Para nuestros fines, inicialmente podemos considerar a una base de datos (archivo) como un arreglo rectangular entre observaciones (renglones) y variables (columnas).
append añade observaciones (renglones) a una base de datos.
merge se agregan variables (columnas) a
una base de datos.
… 5 4 3 2 1
var1 id
… 10 9 8 7 6
var1 id
archivo 1 archivo 2
… 5 4 3 2 1
var1 id
… 5 4 3 2 1
var2 id
archivo 3 archivo 4
Bases de datos en diferentes situaciones
… 5 4 3 2 1
var1 id
… 3 5 10
9 1
var2 id
archivo 5 archivo 6
… 2 2 1 1 1
var1 id
… 5 4 3 2 1
var2 id
archivo 7 archivo 8
(hogares) (individuos)
Caso 1: añadir observaciones
Caso 2: combinar variables
Caso 3: seguir observaciones y combinar variables
Caso 4: agregar obs. y añadir var. diferentes niveles
Merge: one-to-one-match merging
El procedimiento match-merge combina dos bases de datos (archivos) empleando una o más variables clave para integrar a las observaciones entre las dos bases (Mitchell, 2010:189).
La(s) variable(s) clave identifica(n) a cada observación en cada base de datos.
Las ilustraciones siguientes emplean bases de
datos pequeñas pero el funcionamiento es
similar con bases de datos de mayor tamaño.
Considere moms1.dta y dads1.dta .
use moms1 list
use dads1 list
use moms1
merge 1:1 famid using dads1 list
variable clave
Nota: Recuerde obtener los archivos de datos dmus1 y dmus2 de:
net from http://www.stata-press.com/data/dmus net get dmus1
net get dmus2
|---|
1. | 1 33 2 1 | 2. | 2 28 1 1 | 3. | 3 24 2 1 | 4. | 4 21 1 0 | +---+
+---+
| famid dage drace dhs |
|---|
1. | 1 21 1 0 | 2. | 2 25 1 1 | 3. | 3 31 2 1 | 4. | 4 25 2 1 | +---+
Result # of obs.
---
not matched 0
matched 4 (_merge==3)
---
+---+
| famid mage mrace mhs dage drace dhs _merge |
|---|
1. | 1 33 2 1 21 1 0 matched (3) | 2. | 2 28 1 1 25 1 1 matched (3) | 3. | 3 24 2 1 31 2 1 matched (3) | 4. | 4 21 1 0 25 2 1 matched (3) | +---+
use moms1 list
use dads1 list
merge 1:1 famid using dads1
list
Result # of obs.
---
not matched 0
matched 4 (_merge==3)
---
El listado denominado Result confirma que, al utilizar el comando merge , cada observación de moms1.dta fue integrado a dads1.dta .
Con list podemos apreciar que la variable clave famid (identificador del hogar) ha permitido combinar a las variables de los dos archivos: dmoms1.dta y dads1.dta .
+---+
| famid mage mrace mhs dage drace dhs _merge |
|---|
1. | 1 33 2 1 21 1 0 matched (3) | 2. | 2 28 1 1 25 1 1 matched (3) | 3. | 3 24 2 1 31 2 1 matched (3) | 4. | 4 21 1 0 25 2 1 matched (3) | +---+
En el lenguaje del comando merge de Stata, moms1.dta es la master dataset, dads1.dta es la using dataset y famid es la key variable.
¿Qué si algunas observaciones “no empatan” en los archivos?
Veamos un segundo ejemplo.
Considere moms2.dta y dads2.dta .
use moms2 list
use dads2 list
use moms2
merge 1:1 famid using dads2 list
+---+
| famid mage mrace mhs fr_moms2 |
|---|
1. | 1 33 2 1 1 |
2. | 3 24 2 1 1 |
3. | 4 21 1 0 1 |
4. | 5 39 2 0 1 |
+---+ +---+ | famid dage drace dhs fr_dads2 | |---| 1. | 1 21 1 0 1 |
2. | 2 25 1 1 1 |
3. | 4 25 2 1 1 | +---+
El comando merge resume la forma en que se realizo el empate de las observaciones.
Se puede observar que las familias 3 y 5 tienen datos para moms2.dta pero no para dads2.dta .
---
not matched 3
from master 2 (_merge==1)
from using 1 (_merge==2)
matched 2 (_merge==3)
---
+---+
| famid mage mrace mhs fr_moms2 dage drace dhs fr_dads2 _merge |
|---|
1. | 1 33 2 1 1 21 1 0 1 matched (3) | 2. | 3 24 2 1 1 . . . . master only (1) | 3. | 4 21 1 0 1 25 2 1 1 matched (3) | 4. | 5 39 2 0 1 . . . . master only (1) | 5. | 2 . . . . 25 1 1 1 using only (2) | +---+
Merging: one-to-many match merging
El procedimiento 1:1 merge combino uno a uno las observaciones de dos bases de datos (archivos) empleando una variable clave.
En contraste cuando se combinan madres e hijos es claro que una madre puede tener más de un hijo lo que da origen al procedimiento denominado one-to-many (uno a muchos).
moms1.dta es 1 base de datos mientras que
kids1.dta es una base de datos m.
Considere moms1.dta y kids1.dta .
use moms1 list
use kids1
list
+---+| famid mage mrace mhs |
|---|
1. | 1 33 2 1 | 2. | 2 28 1 1 | 3. | 3 24 2 1 | 4. | 4 21 1 0 | +---+
+---+
| famid kidid kage kfem |
|---|
1. | 3 1 4 1 | 2. | 3 2 7 0 | 3. | 2 1 8 0 | 4. | 2 2 3 1 | 5. | 4 1 1 0 |
|---|
6. | 4 2 3 0 | 7. | 4 3 7 0 | 8. | 1 1 3 1 | +---+
La variable clave es famid.
Se puede observar que la madre de la familia 1 solo tiene un hijo pero la de la familia 4 tiene 3 hijos.
+---+
| famid kidid kage kfem |
|---|
1. | 3 1 4 1 | 2. | 3 2 7 0 | 3. | 2 1 8 0 | 4. | 2 2 3 1 | 5. | 4 1 1 0 |
|---|
6. | 4 2 3 0 | 7. | 4 3 7 0 | 8. | 1 1 3 1 | +---+
Se busca combinar las dos bases de datos
(las variables de manera que corresponda a la
misma familia)
Siguiendo con la sintaxis se tiene
use moms1
merge 1:m famid using kids1
Result # of obs.
--- not matched 0 matched 8
(_merge==3)
---
Se señala que todas las observaciones fueron
“empatadas” (match).
Es posible ordenar la base de datos resultante
considerando las variables famid y kidid .
Siguiendo con la sintaxis
sort famid kidid list, sepby(famid)
+---+
| famid mage mrace mhs kidid kage kfem _merge |
|---|
1. | 1 33 2 1 1 3 1 matched (3) |
|---|
2. | 2 28 1 1 1 8 0 matched (3) | 3. | 2 28 1 1 2 3 1 matched (3) |
|---|
4. | 3 24 2 1 1 4 1 matched (3) | 5. | 3 24 2 1 2 7 0 matched (3) |
|---|
6. | 4 21 1 0 1 1 0 matched (3) | 7. | 4 21 1 0 2 3 0 matched (3) | 8. | 4 21 1 0 3 7 0 matched (3) | +---+
De esta manera, por ejemplo, se puede apreciar
que la madre de la familia 4 tiene tres hijos
donde su información se despliega en tres
ocasiones.
use moms2 list
use kids2 list
¿Qué sucede si los archivos no “empatan”
perfectamente?
Veamos este caso:
+---+
| famid mage mrace mhs fr_moms2 |
|---|
1. | 1 33 2 1 1 |
2. | 3 24 2 1 1 |
3. | 4 21 1 0 1 |
4. | 5 39 2 0 1 |
+---+ +---+ | famid kidid kage kfem | |---| 1. | 2 2 3 1 |
2. | 2 1 8 0 |
3. | 3 2 7 0 |
4. | 3 1 4 1 |
5. | 4 2 3 0 |
|---| 6. | 4 3 7 0 |
7. | 4 1 1 0 | +---+
Siguiendo con la sintaxis
use moms2
merge 1:m famid using kids2 list
Result # of obs.
--- not matched 4
from master 2 (_merge==1) from using 2 (_merge==2)
matched 5 (_merge==3) ---
Los resultados señalan que 5 observaciones
fueron “empatadas” y 4 no lo fueron. Entre las
no empatadas 2 provienen del master dataset
y las otras 2 del using dataset.
La base de datos combinada se puede ordenar de acuerdo a famid y kidid .
sort famid kidid list, sepby(famid)
+---+
| famid mage mrace mhs fr_moms2 kidid kage kfem _merge |
|---|
1. | 1 33 2 1 1 . . . master only (1) |
|---|
2. | 2 . . . . 1 8 0 using only (2) | 3. | 2 . . . . 2 3 1 using only (2) |
|---|
4. | 3 24 2 1 1 1 4 1 matched (3) | 5. | 3 24 2 1 1 2 7 0 matched (3) |
|---|
6. | 4 21 1 0 1 1 1 0 matched (3) | 7. | 4 21 1 0 1 2 3 0 matched (3) | 8. | 4 21 1 0 1 3 7 0 matched (3) |
|---|
9. | 5 39 2 0 1 . . . master only (1) | +---+
Merging: many-to-one match merging
El procedimiento ilustrado anteriormente para el comando merge fue 1:m (one-to-many), pero Stata permite también combinar m:1 (many- to-one), en el cual el master dataset puede tener múltiples observaciones que empatar al using dataset en el cual la(s) variable(s) clave(s) identifican de manera única a cada observación.
En concreto, para el ejemplo anterior, más que
combinar a las madres con los hijos, es posible
combinar a los hijos con las madres.
La sintaxis sería entonces
use kids1
merge m:1 famid using moms1
Result # of obs.
--- not matched 0
matched 8 (_merge==3) ---
Como se muestra a continuación, las variables
del archivo kids1.dta aparecen antes que las
del archivo moms1.dta debido a que
kids1.dta hace el papel de master dataset
y moms1.dta el de using dataset.
Ordenando nuevamente por famid y kidid se tiene
sort famid kidid list, sepby(famid)
+---+
| famid kidid kage kfem mage mrace mhs _merge |
|---|
1. | 1 1 3 1 33 2 1 matched (3) |
|---|
2. | 2 1 8 0 28 1 1 matched (3) | 3. | 2 2 3 1 28 1 1 matched (3) |
|---|
4. | 3 1 4 1 24 2 1 matched (3) | 5. | 3 2 7 0 24 2 1 matched (3) |
|---|
6. | 4 1 1 0 21 1 0 matched (3) | 7. | 4 2 3 0 21 1 0 matched (3) | 8. | 4 3 7 0 21 1 0 matched (3) | +---+
