Trabajo inferencia estadística base de datos (CASEN09)

[pic 1]

Trabajo inferencia estadística base de datos (CASEN09)

Integrantes :

Karla Carmona

Carolina Nova

María José Urra

Josefina Vicencio

Marco Teórico :

La Encuesta de Caracterización Socioeconómica Nacional (Casen) del Ministerio de Desarrollo Social es una encuesta a hogares, de carácter multipropósito, es decir, que abarca diversos temas como educación, trabajo, ingresos, salud, entre otros; además es una encuesta transversal, por lo tanto, incluye a todo el espectro de la población del país.

Se realiza una medición del bienestar material de los hogares y a partir de esos datos se desarrollan indicadores de distribución del ingreso, acceso a servicios sociales y pobreza.

Datos  :

Se utilizará la base de datos casen2011_ie.dta, esta contiene una sub muestra de la base de datos original de la encuesta CASEN 20011, la cual contempla 4853 observaciones y 7 variables:

comuna: 6 comunas enumeradas de 1 a 6

zona: zona urbana =1 o rural = 2

sexo: hombre=1 y mujer =2

región: en esta muestra solo utilizaremos la R.M (región=13 para todas las observaciones)

edad: años cumplidos

ecivil: estado civil (tiene seguro = 1, no tiene seguro = 0)

ytotaj: ingreso total

Estadística Descriptiva

[pic 2]

De la tabla podemos ver que la base de datos describe datos sólo para la región metropolitana.

[pic 3]

La edad promedio de la muestra son 43 año aprox. Además, tenemos que el promedio de los ingresos totales de los hogares de la 13ava región es de 628.100 pesos.

Pasaremos a analizar por separado las variables cualitativas y categóricas:

La distribución de las observaciones por comuna queda de la siguiente manera, donde el total de observaciones de la zona rural (38 obs) pertenecen a la comuna 4, y la moda se encuentra en la comuna 5 con 1003 observaciones:

[pic 4]

La muestra está compuesta por semejante cantidad de hombres como de mujeres:

[pic 5]

El 38,62% de la muestra se encuentra casada, y el 32,93% soltera:

[pic 6]

Diferencias en las medias

• ¿Es la diferencia de ingresos entre la comuna 3 y la 6 significativa? ¿De cuánto es?

gen comuna36=.

replace comuna36=3 if comuna==3

replace comuna36=6 if comuna==6

ttest ytotaj, by(comuna36)

Generamos una variable cualquiera a la cual llamaremos “comuna36”, está compuesta por puros missing values, luego le damos los valores para cuando “comuna” sea igual a 3, y para cuando comuna sea igual a 6, de esta forma evaluamos las comunas de interés al aplicar el test estadístico.

[pic 7][pic 8][pic 9][pic 10]

Luego pasamos a ver si existe diferencia entre ambas medias, y si estas son significativas:

Podemos ver que la diferencia entre las medias es de 111972 pesos en el ingreso total de los hogares entre la comuna 3 y 6, además estas son significativas incluso al 1% de significancia (IC 99%) dado el test t de dos colas, por lo que se rechaza la hipótesis nula. Dada la cantidad de observaciones suficientemente grande y representativa para la 13ava región, podemos afirmar que existe una significativa desigualdad en el ingreso de los hogares entre ambas comunas.

• ¿Existe diferente porcentaje de personas casados entre el grupo menor a la mediana de la edad, y el grupo mayor o igual a la mediana? ¿Es significativa la diferencia? 

sum edad,d

gen grupo_edad=.

replace grupo_edad=1 if edad<43

replace grupo_edad=2 if edad>=43

ttest ecivil if ecivil==1, by(grupo_edad)

Primero analizamos los percentiles, donde el valor del percentil 50 (mediana) de la variable edad es 43 años:

[pic 11][pic 12]

Ahora creamos una variable cualquiera que llamaremos “grupo_edad”, a la cual le asignaremos 1 si la edad del individuo es menor a la mediana (43 años), y 2 si es que tienen igual o más que 43 años.

Como la variable a evaluar es una variable categorica (ecivil=casado), debemos trabajar con su porcentaje condicionado en este caso a la variable “grupo_edad”.

...