03 de marzo de 2024
Universidad de los Andes
Camila Beltran (cod. 202213110)
Julian Pulido (cod. 201814833)
Alejandra Guevara (cod. 202324570)
Juan Pablo Rodríguez (cod. 201716771)
Este repositorio almacena toda la información utilizada para la solución del problem set 1 de la materia de Big Data y Machine Learning para Economía Aplicada. La información se encuentra separada en cuatro carpetas:
document: En esta carpeta está el documento final en
.pdf, dado que el trabajo se realizó en grupo, decidimos
utilizar el compilador de texto en línea overleaf. Por lo
tanto, este repositorio no permite la reproducibilidad del documento
final.
scripts: En esta carpeta están los scripts
utilizados para generar los resultados.
00_main_script: Contiene el código principal, se
determina el directorio de trabajo y llama a los otros scripts. Para su
reproducibilidad es importante determinar la ruta de trabajo. Por
ejemplo:
wd <- mi_ruta/Problem_set_1
Luego de determinar la ruta, se puede correr el código desde la linea 17.
01_web_scraping: Este código realiza web
scraping de la página
web del profesor Ignacio Sarmiento, para la adquisición de los
datos. Además, guarda la base de datos en formato .RData en la
carpeta de stores.
02_data: Este código realiza la limpieza de la base
de datos, mantiene las variables de interés, realiza imputación de datos
y estadísticas descriptivas. Además, guarda los resultados en formato
.RData en la carpeta de stores.
03_age_wage_profile: Este código realiza las
estimaciones de la sección 3 del problem set (teoría edad-salario).
Además, guarda los resultados en formato .RData en la carpeta
de stores.
04_gender_earnings_gap: Este código realiza las
estimaciones de la sección 4 del problem set (brecha salarial por
género). Además, guarda los resultados en formato .RData en la
carpeta de stores.
05_predicting_earnings: Este código realiza las
estimaciones de la sección 5 del problem set (predicciones de ingreso).
Además, guarda los resultados en formato .RData en la carpeta
de stores.
stores: En esta carpeta están la base de datos
completa de la página web y los resultados de cada script en formato
.RData. Los archivos .RData tienen la facilidad de
cargar los resultados sin tener que correr cada código, lo cual puede
tardarse al implementar las metologias de bootstrap y
loocv.
views: En esta carpeta están las tablas y figuras
del documento final.
views/tables
views/figures