Análisis de Clubes de Convergencia Stata

Análisis de Clubes de Convergencia utilizando el programa escrito por Du (2017) basándose en la metodología de Phillips y Sul (2007) y la representación utilizando el código de Mendez (2020).

Lo primero que tenemos que hacer es instalar los paquetes necesarios para el análisis de convergencia.

findit st0503_1 net install st0503_1, from(http://www.stata-journal.com/software/sj19-1) ssc install moremata

Es imporante tener en cuenta que nuestra base de datos tiene que estar previamente en forma de datos de panel. Para ello si nuestra base de datos no se encuentra de la manera en la que queremos podemos cambiarlo de la siguiente forma.

reshape long v, i(idvar) j(tvar)

Es recomendable para que no haya errores adjudicar un "id" a cada país o región de la muestra de datos. Y añadir que variable es a cada año. Es decir, en vez de tener las columnas 2000, 2001, etc... Tendríamos RD2000, RD2001, etc...

Es probable que no haga falta crear la columna "id" y con usar la columna "country" el comando se ejecute correctamente.

reshape long RD, i(Country) j(year)

gen lnRD = log(RD)

Una vez que tenemos nuesta base de datos en forma longitudinal, guardamos el archivo como .dta y lo guardamos en una carpeta nueva.

A continuación cambiamos el directorio donde Stata guarda la información y los archivos. Es la misma carpeta en la que hemos guardado el .dta Aunque para que no se quede la información previa que hemos realizado vamos a usar los siguientes comandos.

clear all macro drop _all set more off

A continuación cambiamos el directorio de la siguiente manera:

cd "Localización de la carpeta"

Una vez hecho estos pasos, tenemos que definir unos parámetros globales. El nombre de nuestra base de datos (RD_DTA) y la principal variable que vamos a estudiar lnRD2 (es lnRD2 y no LnRD porque ejecutaremos luego un comando para quitar el componente cíclico y se almacena el componente de tendencia en esta variable). También la etiqueta de la variable (Research & Development), el tipo de unidad transversal (Country) y el tipo de medida temporal (year). Si alguno de estos parámetros está mal, nos dará error. También se puede hacer el proceso de otra forma (siguiendo solamente los pasos de Du) pero no se nos guardará la información en la carpeta y no se representarán las diversas gráficas que vamos a obtener.

***************** Define five global parameters********* * (1) Indicate name of the dataset (Example: hiYes_log_lp.dta) global dataSet RD_DTA * (2) Indicate name of the variable to be studied (Example: log_lp) global xVar lnRD2 * (3) Write label of the variable (Example: Labor Productivity) global xVarLabel Research & Development *(4) Indicate cross-sectional unit ID (Example: country) global csUnitName Country * (5) Indicate temporal unit ID (Example: year) global timeUnit year

Para tener en un archivo de texto los resultados (salvo los gráficos), realizaremos el siguiente comando.

log using "${dataSet}_clubs.txt", text replace

Vamos a cargar los datos desde nuestra carpeta por lo tanto al haber solo un archivo dta, podemos usar el siguiente comando. En caso de que no sea así ponemos entre las comillas la localización del archivo que queremos utilizar.

use "${dataSet}.dta"

"Quitamos" las variables que no importen con los siguientes comandos. Esto lo usaríamos en caso de que en nuestra base de datos de forma longitudinal hubiera más variables.

Como he mencionado arriba, se realizará un comando para quitar los elementos cíclicos. En caso de no realizarlo, los clubes resultantes pueden ser distintos.

Para que la información la reconozca como datos de panel utilizamos el siguiente comando

xtset ID ${timeUnit}

pfilter lnRD, method(hp) trend(lnRD2) smooth(400) keep ID ${csUnitName} ${timeUnit} ${xVar}

A continuación realizaremos el "log-t convergence test" y demás procesos para analizar la existencia de clubes de convergencia. Con el comando putexcel se guardará la información en este tipo de archivo además de el archivo de texto del log.

*regresión log t para la prueba de convergencia* putexcel set "${dataSet}_test.xlsx", sheet(logtTest) replace logtreg ${xVar}, kq(0.333) ereturn list matrix result0 = e(res) putexcel A1 = matrix(result0), names nformat("#.##") overwritefmt

Esta regresión nos indica si hay convergencia absoluta en nuestros datos. En caso contrario, es decir, que el valor estadístico t sea menor que -1.65, prodeceremos a estudiar la existencia de clubes de convergencia.

* Algoritmo para analizar existencia de clubes de convergencia putexcel set "${dataSet}_test.xlsx", sheet(initialClusters) modify psecta ${xVar}, name(${csUnitName}) kq(0.333) gen(club_${xVar}) matrix b=e(bm) matrix t=e(tm) matrix result1=(b \ t) matlist result1, border(rows) rowtitle("log(t)") format(%9.3f) left(4) putexcel A1 = matrix(result1), names nformat("#.##") overwritefmt * Algoritmo para ver si se pueden unir los clubes putexcel set "${dataSet}_test.xlsx", sheet(mergingClusters) modify scheckmerge ${xVar}, kq(0.333) club(club_${xVar}) matrix b=e(bm) matrix t=e(tm) matrix result2=(b \ t) matlist result2, border(rows) rowtitle("log(t)") format(%9.3f) left(4) putexcel A1 = matrix(result2), names nformat("#.##") overwritefmt * Mostrar los clubes finales putexcel set "${dataSet}_test.xlsx", sheet(finalClusters) modify imergeclub ${xVar}, name(${csUnitName}) kq(0.333) club(club_${xVar}) gen(finalclub_${xVar}) matrix b=e(bm) matrix t=e(tm) matrix result3=(b \ t) matlist result3, border(rows) rowtitle("log(t)") format(%9.3f) left(4) putexcel A1 = matrix(result3), names nformat("#.##") overwritefmt

A continuación se trazará la dinámica de las unidades transversales y sus respectivos clubes de convergencia. Primero tenemos que reescalar los datos en función de la media transversal de cada año. El código realiza la siguiente tarea. El resultado es un conjunto de datos de panel que incluye la lista de países, la pertenecia al club y los valores absolutos y relativos de la variable de objeto de estudio.

** Generate relative variable (useful for ploting) save "temporary1.dta",replace use "temporary1.dta" collapse ${xVar}, by(${timeUnit}) gen id=999999 append using "temporary1.dta" sort id ${timeUnit} gen ${xVar}_av = ${xVar} if id==999999 bysort ${timeUnit} (${xVar}_av): replace ${xVar}_av = ${xVar}_av[1] gen re_${xVar} = 1*(${xVar}/${xVar}_av) label var re_${xVar} "Relative ${xVar} (Average=1)" drop ${xVar}_av sort id ${timeUnit} drop if id == 999999 rm "temporary1.dta" * order variables order ${csUnitName}, before(${timeUnit}) order id, before(${csUnitName}) * Export data to csv export delimited using "${dataSet}_clubs.csv", replace save "${dataSet}_clubs.dta", replace *-------------------------------------------------------

Dado el conjunto de datos ampliado, el código siguiente traza múltiples figuras y las exporta como formatos .pdf y .gph. Hay tres tipos de gráficos. En primer lugar, se trazan las trayectorias de transición relativas de todos los países. Este gráfico es útil porque proporciona una primera visión general del conjunto de datos. En segundo lugar, se representan las trayectorias de transición relativas en función de la clasificación de los clubes. No sólo se crea un gráfico para cada club, sino que también hay un gráfico que compara todos los clubes utilizando un eje Y común. En tercer lugar, también se crea un gráfico basado en las medias dentro del club. Es importante señalar que los colores y el diseño de las figuras se basan en el esquema plotplainblind.

net install gr0070, from(http://www.stata-journal.com/software/sj17-3) set scheme plotplainblind ** Indentified Clubs summarize finalclub_${xVar} return list scalar nunberOfClubs = r(max) forval i=1/`=nunberOfClubs' { xtline re_${xVar} if finalclub_${xVar} == `i', overlay title("Club `i'", size(small)) legend(off) scale(1.5) yscale(lstyle(none)) ytitle("${xVarLabel}", size(small)) ylabel(, noticks labcolor(gs10)) xtitle("") xscale(lstyle(none)) xlabel(, noticks labcolor(gs10)) name(club`i', replace) local graphs `graphs' club`i' } graph combine `graphs', ycommon graph save "${dataSet}_clubsLines.gph", replace graph export "${dataSet}_clubsLines.pdf", replace ** Within-club averages collapse (mean) re_${xVar}, by(finalclub_${xVar} ${timeUnit}) xtset finalclub_${xVar} ${timeUnit} rename finalclub_${xVar} Club xtline re_${xVar}, overlay scale(1.6) ytitle("${xVarLabel}", size(small)) yscale(lstyle(none)) ylabel(, noticks labcolor(gs10)) xscale(lstyle(none)) xlabel(, noticks labcolor(gs10)) xtitle("") name(clubsAverages, replace) graph save "${dataSet}_clubsAverages.gph", replace graph export "${dataSet}_clubsAverages.pdf", replace clear use "${dataSet}_clubs.dta"

El siguiente código exporta la lista de países y sus socios en un archivo .csv. Esta lista puede utilizarse como referencia práctica en la sección de apéndices de una publicación.

*------------------------------------------------------- ***************** Export list of clubs **************** *------------------------------------------------------- summarize ${timeUnit} scalar finalYear = r(max) keep if ${timeUnit} == `=finalYear' keep id ${csUnitName} finalclub_${xVar} sort finalclub_${xVar} ${csUnitName} export delimited using "${dataSet}_clubsList.csv", replace *-------------------------------------------------------

Para cerrar el archivo log, utilizamos el siguiente comando.

log close