Ta struktura danych jest zupełnie nieodpowiednia. Zakładając, że identyfikator identyfikatora trzeba przekształcić. na przykład Wtedy średnia ruchoma jest prosta. Użyj tssmooth lub po prostu wygeneruj. na przykład Więcej na temat tego, dlaczego struktura danych jest dość nieadekwatna: nie tylko obliczanie średniej ruchomej wymagało pętli (niekoniecznie obejmującej egen), ale byłoby tworzyć kilka nowych dodatkowych zmiennych. Użycie tych w jakiejkolwiek późniejszej analizie byłoby gdzieś między niewygodne i niemożliwe. EDIT Ill dać pętli próbki, a nie ruszając się z mojego stanowiska, że jest słaba technika. Nie widzę powodu związanego z konwencją nazewnictwa, według której P1947 jest średnią w latach 1943-1945 zakładam, że to tylko typówka. Załóżmy, że mamy dane na lata 1913-2017. Przez trzy lata stracimy rok na każdym końcu. To mogło być napisane bardziej zwięźle, kosztem makr makr w makrach. Używanie nierównych ciężarów jest łatwe, jak powyżej. Jedynym powodem używania egen jest to, że nie zrezygnuje, jeśli istnieją spory, które powyższe zrobią. W kwestii kompletności należy zwrócić uwagę na to, że łatwo jest radzić sobie z misjami bez uciekania się do egen. i mianownik Jeśli brakuje wszystkich wartości, zmniejsza się do 00 lub jest brakuje. W przeciwnym razie, jeśli brakuje jakiejś wartości, dodajemy zero do licznika i 0 do mianownika, co jest takie samo, jak ignorowanie. Oczywiście kod jest dopuszczalny jak powyżej dla średnich 3 lat, ale w tym przypadku lub dla uśrednienia w ciągu kilku lat, zastąpimy linie powyżej przez pętlę, co jest co egen does. Stata: Analiza danych i oprogramowania statystycznego Nicholas J Coars, Durham University, Wielka Brytania Christopher Baum, Boston College egen, ma () i jego ograniczenia Statarsquos najbardziej oczywistym dowodem obliczania średnich kroczących jest funkcja ma () egen. Biorąc pod uwagę wyrażenie, tworzy ona - średnią ruchową średnią tej wypowiedzi. Domyślnie przyjmuje się, że 3. musi być nieparzysta. Jednakże, jak wskazuje ręcznie wpis, np. Ma () nie może być łączony z listą:. i, z tego tylko powodu, nie ma zastosowania do danych paneli. W każdym razie znajduje się poza zestawem komend napisanych specjalnie dla serii czasowych, patrz seria czasowa, aby uzyskać szczegółowe informacje. Metody alternatywne Aby obliczyć średnie ruchome danych panelowych, istnieją co najmniej dwie możliwości. Oba te elementy uzależnione są od zestawu danych, który został uprzednio zresetowany. To bardzo warto robić: nie tylko możesz zaoszczędzić sobie na wielokrotne określanie zmiennej czasowej panelu i zmiennej, ale Stata zachowuje się elegancko, biorąc pod uwagę luki w danych. 1. Napisz własną definicję używając wygenerowania Używając operatorów z serii czasowych, takich jak L. i F. podaj definicję średniej ruchomej jako argumentu generowania instrukcji. Jeśli to zrobisz, naturalnie nie ograniczasz się do średnio ważonych (nie ważonych) średnic ruchu, obliczonych przez egen, ma (). Na przykład średnio ważone średnie ruchome trzy-okresowe byłyby podane przez i niektóre ciężary można łatwo określić: Oczywiście możesz określić wyrażenie takie jak log (myvar) zamiast nazwy zmiennej, na przykład myvar. Jedną wielką zaletą tego podejścia jest to, że Stata automatycznie robi właściwą rzecz dla danych paneli: wartości początkowe i opóźnione są opracowywane w panelach, podobnie jak logika mówi, że powinny być. Największą wadą jest to, że linia komend może być dość długa, jeśli średnia ruchoma obejmuje kilka terminów. Innym przykładem jest jednostronna średnia ruchoma oparta jedynie na poprzednich wartościach. Może to być użyteczne w celu wygenerowania adaptacyjnego oczekiwania co zmienna będzie oparta wyłącznie na dotychczasowej informacji: co można było przewidzieć na obecny okres w oparciu o poprzednie cztery wartości przy użyciu stałego schematu ważenia (opóźnienie w skali A 4 może być szczególnie używanych w kwartalnych terminach.) 2. Użyj egen, filter () z SSC Użyj filtra funkcji egen () egenmore () z pakietu egenmore na SSC. W Stacie 7 (zaktualizowany po 14 listopada 2001 r.) Można zainstalować ten pakiet, po którym pomoc np. Wskazuje na szczegóły filtru (). Powyższe przykłady byłyby renderowane (w tym porównaniu podejście generowane jest być może bardziej przezroczyste, ale na chwilę zobaczymy przykład odwrotny). Laga jest numeracją. prowadzi do ujemnych opóźnień: w tym przypadku -11 rozciąga się na -1 0 1 lub prowadzi 1, zwłokę 0, opóźnia 1. Współczynnik cofania, kolejna numlista, pomnożenie odpowiednich opóźnionych lub prowadzących elementów: w tym przypadku te elementy to F1.myvar . myvar i L1.myvar. Efektem normalizacji jest skalowanie każdego współczynnika sumą współczynników tak, aby współczynnik (1 1 1) normalizować jest równoważny współczynnikom 13 13 13 i coef (1 2 1) normalizować jest równoważny współczynnikom 14 12 14 Musisz określić nie tylko opóźnienia, ale i współczynniki. Ponieważ egen, ma () dostarcza równie ważonej sprawy, głównym powodem egen, filter () jest wspieranie nierównej wagi sprawy, dla której musisz określić współczynniki. Można również powiedzieć, że zobowiązanie użytkowników do określenia współczynników jest niewielką dodatkową presją na ich myślenie o tym, jakie współczynniki chcą. Głównym uzasadnieniem dla równych ciężarów jest, jak przypuszczamy, prostota, ale równe wagi mają złe właściwości w domenie częstotliwości, wspomnieć tylko o jednym. Trzeci przykład powyżej może być albo z nich tak skomplikowany jak podejście generujące. Są przypadki, w których egen, filter () daje prostszy formułowanie niż generowanie. Jeśli chcesz, aby 9-krotny filtr dwumianowy okazał się użyteczny, wygląda na to, że może być mniej straszniejszy niż i łatwiejszy w użyciu niż, podobnie jak w przypadku generowania podejścia, egen, filter () działa poprawnie z danymi panelu. W rzeczywistości, jak wspomniano powyżej, zależy to od zestawu danych, który został wcześniej zresetowany. Graficzna wskazówka Po obliczeniu średnich kroczących prawdopodobnie będzie trzeba spojrzeć na wykres. Polecenie napisane przez użytkownika tsgraph jest inteligentne w przypadku zestawów danych tsset. Zainstaluj go w aktualnej wersji Stata 7 przez ssc inst tsgraph. A co z podziałem na jeśli żadne z powyższych przykładów nie wykorzystuje się w przypadku ograniczeń. W rzeczywistości egen, ma () nie zezwala, jeśli ma być określony. Czasami ludzie chcą używać, jeśli przy obliczaniu średnich ruchomej, ale jego wykorzystanie jest nieco bardziej skomplikowane niż zwykle. Czego oczekiwałeś od średniej ruchomej, obliczonej jeśli. Zidentyfikujmy dwie możliwości: Słaba interpretacja: nie chcę widzieć żadnych wyników dla wykluczonych obserwacji. Mocna interpretacja: nie chcę nawet używać wartości dla wykluczonych obserwacji. Oto konkretny przykład. Załóżmy, że w wyniku pewnych warunków, obserwuje się 1-42, ale nie obserwuje się obserwacji 43. Jednak średnia ruchoma wynosząca 42 będzie zależeć między innymi od wartości obserwacji 43, jeśli średnia rozciąga się do tyłu i do przodu i ma długość co najmniej 3, a w pewnych okolicznościach podobnie będzie zależała od niektórych obserwacji od pewnego czasu. Domyślamy, że większość ludzi chętnie skorzysta z słabej interpretacji, ale czy to jest poprawne, egen, filter () nie popiera, jeśli takowe. Zawsze możesz zignorować to, czego nie chcesz, a nawet ustaw niepożądane wartości, aby później brakować, używając zamiennika. Notatka o brakujących wynikach na końcu serii Ponieważ średnie ruchome są funkcjami opóźnień i opóźnień, np. Ma () powoduje, że brakuje tam, gdzie opóźnienia i opóźnienia nie istnieją, na początku i na końcu szeregu. Opcja nomiss wymusza obliczenie krótszych, nieokrążonych średnic ruchu dla ogonów. W przeciwieństwie do tego, ani wygenerować, ani egen, filtr () czy, czy nie, nic specjalnego, aby uniknąć brakujących wyników. Jeśli brakuje jakiejkolwiek wartości potrzebnej do obliczenia, wynik tego nie ma. To zależy od tego, czy i jakie operacje korygujące są wymagane w przypadku takich obserwacji, przypuszczalnie po zapoznaniu się z zestawem danych i rozważeniu jakiejkolwiek naukowej nauki, którą można sprostać. MOVAVG: moduł Stata wykorzystujący Mata do generowania średnich kroczących Przy żądaniu korekty , proszę wspomnieć o tym uchwycie elementów: RePEc: boc: bocode: s457476. Zobacz ogólne informacje dotyczące poprawiania materiału w RePEc. Pytania techniczne dotyczące tej pozycji lub poprawianie ich autorów, tytułów, informacji abstrakcyjnych, bibliograficznych lub pobierania, kontakt: (Christopher F Baum) Jeśli autor utworzy ten element i nie jest jeszcze zarejestrowany w serwisie RePEc, zachęcamy do zrobienia tego tutaj . Umożliwia to powiązanie profilu z tym elementem. Pozwala również zaakceptować potencjalne cytaty dotyczące tej pozycji, których nie jesteśmy pewni. Jeśli brakuje odnośników, można je dodać za pomocą tego formularza. Jeśli pełne odniesienia wymieniają element, który jest w RePEc, ale system nie łączył się z nim, możesz pomóc w tym formularzu. Jeśli znasz brakujące pozycje cytujące ten plik, możesz pomóc nam stworzyć te linki, dodając odpowiednie odnośniki w taki sam sposób jak powyżej, dla każdego elementu referującego. Jeśli jesteś zarejestrowanym autorem tej pozycji, możesz sprawdzić kartę cytatów w swoim profilu, ponieważ niektóre cytaty będą czekać na potwierdzenie. Należy pamiętać, że poprawki mogą potrwać kilka tygodni, aby filtrować różne usługi RePEc. Więcej usług Śledź serie, czasopisma, autorów więcej Nowe dokumenty przez e-mail Subskrybuj nowości do RePEc Rejestracja autorów Profile publiczne dla badaczy ekonomii Różne typy badań w dziedzinie ekonomii dziedziny związane z amputacją Kto był studentem, z kim używał RePEc RePEc Biblio Artykuły korekcyjne amp artykuły o różnych tematach dotyczących ekonomii Prześlij swój artykuł do listy na temat RePEc i IDEAS EconAcademics Blog aggregator do celów badań nad ekonomią Plagiat Przypadki plagiatu w dziedzinie ekonomii Dokumenty Rynku Pracy RePEc seria artykułów roboczych poświęconych rynku pracy Fantasy League Udajesz, że jesteś na czele ekonomii departament Usługi z StL Fed Data, badania, aplikacje więcej z czasów St. Louis FedOften możemy być zainteresowani generowaniem przestrzennej średniej ruchomej charakterystycznego X. Możemy użyć tej średniej ruchomej, aby pomóc kontrolować niejednorodność w populacji, która mogą być związane z przestrzennym rozkładem obserwacji. W tym celu musimy mieć metodę generowania średniej przestrzennej. I kod to ręcznie, ponieważ nie mam doświadczenia z danych przestrzennych w Stata i nie wiem, co wbudowany w poleceniu jest (zakładając, że istnieje). Jeśli szukasz po prostu średniej przestrzennej, możesz faworyzować polecenie wbudowane. Metoda ta jest jednak elastyczna i łatwo modyfikowalna, jeśli na przykład chcesz używać środków poza formą odległości Euklidesa 2D i wolałby raczej formułę 3D lub formułę nD. Podobnie średnia ruchoma statystyk może być łatwo zastąpiona przez przesunięcie wariancji lub jakąkolwiek inną statystykę, która mogłaby zostać wygenerowana za pomocą polecenia egen. Zatem to ćwiczenie mogłoby być użyteczne do zbadania, nawet jeśli jest zbędne. global Nobs 1000 clear set obs Nobs Generuj współrzędne 2D gen latt runiform () 100 gen longg runiform () 100 Wygeneruj zmienną zainteresowania. Zmienna będzie miała składnik losowy i komponent przestrzenny. gen X (lattlongg) 100rnormalne () dwa (rozproszone latt X) (rozproszone longg X) Widzimy, że chociaż ogólna tendencja do większych wartości w miarę wzrostu długości i szerokości geograficznej trudno jest zidentyfikować silny wzór. Teraz obliczyć średnią ruchu X dla każdej obserwacji. (Prawdopodobnie jest to polecenie, o czym nie wiem). gen Xave. gen dist. forv i1Nob Obliczyć odległość wszystkich punktów od obs i zastąpić dist ((latt-latti) 2 (longg-longgi) 2) .5 Obliczyć średnią X, jeśli odległość znajduje się w zakresie zainteresowania egen tempx mean (X) if distltmeanrange zastąp Xave tempx jeśli ni wpłynie tempx dwa (rozsypuje latt Xave) (rozrzuca longg Xave) Teraz, patrząc na średnią ruchomej, możemy łatwo zidentyfikować wpływ lokalizacji na oczekiwaną wartość X.
No comments:
Post a Comment