الانتقال من المتوسط - وحة البيانات الحسابية

لدي بيانات لوحة تشمل الولايات الأمريكية (1-48) والسنوات (1900-1917). جميع المتغيرات الزمنية متغيرة مع استثناء واحد. هذا الاستثناء هو ثابت الوقت وثلاثة مستويات متغير الفئوية قياس التسميات الإقليمية للدول اختبارها باستخدام اثنين من المتغيرات وهمية. وأود أيضا أن ننظر إلى التفاعلات بين واحدة من الدمى والعديد من المتغيرات الوقت متغير. وتشير تقديرات شريان الحياة للسودان في هذا النموذج إلى عدم التجانس. لذلك نظرا لتنظيم البيانات سؤالي هو أي من تقنيات لوحة هو أفضل ولماذا أنا باستخدام ستاتا. شكرا، رب طلب يناير 3 14 في 15:41 أود أن أقول أنه يعتمد على البيانات. ولكن هناك بعض الأفكار العامة حول مواصفات النموذج. طريقة تأثيرات ثابتة متسقة، وبالتالي ينبغي أن تستخدم للسيطرة على كونفوندرز مستوى الموضوع. إذا لم يكن هناك مربك على مستوى الموضوع، طريقة تأثيرات عشوائية فعالة لحساب الأخطاء المترابطة. عملية شريان الحياة للسودان مقابل الآثار الثابتة. اختبار F للأهمية المشتركة للآثار الثابتة تعترض. الفرضية الصفرية هي أن جميع اعتراضات التأثير الثابت هي صفر. إذا تم رفض نول، ثم نحن بحاجة إلى استخدام طريقة الآثار الثابتة. يتم إجراء اختبار F تلقائيا عندما نقوم بتشغيل ستريغ في ستاتا. يظهر في الجزء السفلي من الناتج الانحدار. الآثار الثابتة مقابل العشوائية: اختبار هوسمان. الفرضية الصفرية هي أن معاملات الانحدار في النموذجين اللذين يتم مقارنتهما لا تختلفان اختلافا كبيرا. إذا كانت التقديرات مختلفة ثم نرفض الآثار رومد ويجب استخدام تأثيرات ثابتة، وإلا فإننا نستخدم طريقة تأثيرات عشوائية أكثر كفاءة. هناك هوسمان الأمر في ستاتا. أجاب 3 يناير 14 في 16:10 أعتقد أن التجاعيد هو متغير الوقت ثابت (3 مستويات، 2 الدمى) التي يتم إنشاؤها باستخدام تجميعات من البيانات المستعرضة (الدول). حتى إذا كنت تشغيل نموذج الآثار الثابتة في ستاتا الدمى اثنين التسرب. هو الحل لإسقاط اثنين من الدمى ومجرد إلقاء نظرة على الدول الفردية التي تتألف من هذه الدمى اثنين شكرا مرة أخرى، رب نداش user36830 يناير 3 14 في 16:28 أنت على حق، user36830. وبصفة عامة، لا يمكن لطريقة التأثيرات الثابتة التعامل مع المتغيرات المتغيرة، ولكن قد تكون الورقة الأخيرة ذات اهتمامك. إذا كنت مهتما حقا في آثار المتغيرات المتغيرة الوقت، يمكنك أن تتحول إلى طريقة تأثيرات عشوائية. وهناك أيضا نموذج آخر للبيانات الطولية الطرفية يسمى نماذج متوسطات السكان (أو الهامشية) (مثل نماذج معادلات التقدير المعممة)، مقارنة بنماذج المواضيع المحددة. انظر توضيحي هنا. نداش جيبياو وانغ يناير 13 16 في 16: 49Stata: تحليل البيانات والبرامج الإحصائية تحليل لوحة ديناميكية البيانات (دبد) ستاتا لديها مجموعة من الأدوات لتحليل ديناميكية لوحة البيانات: ستابوند تنفذ مقدر أريلانو وبوند، والذي يستخدم الظروف لحظة التي والتخلف عن المتغير التابع والاختلافات الأولى من المتغيرات الخارجية هي أدوات للمعادلة الاختلاف الأول. شتبدسيس تنفذ أريلانو و بوفيربلونديل و بوند مقدر النظام، والذي يستخدم ظروف لحظة زتابوند وظروف اللحظة التي الاختلافات الأولى المتخلفة من المتغير التابع هي أدوات لمعادلة المستوى. xtdpd. بالنسبة للمستخدمين المتقدمين، هو بديل أكثر مرونة التي يمكن أن تناسب نماذج مع انخفاض ترتيب المتوسط ​​المتحرك الارتباطات في أخطاء الفقهي ومتغيرات محددة سلفا مع بنية أكثر تعقيدا مما يسمح مع شتابوند و شتبدسيس. تسمح لك أدوات ما بعد التقديم باختبار الارتباط المتسلسل في بقايا الاختلاف الأول واختبار صحة القيود المفرطة. بناء على عمل لايارد ونيكل (1986)، أريلانو وبوند (1991) تناسب نموذجا ديناميا من الطلب على العمالة إلى لوحة غير متوازنة من الشركات الموجودة في المملكة المتحدة. أولا، نمذجة العمالة على الأجور ورأس المال، والناتج الصناعي، والدمى السنوية، واتجاه الزمن، بما في ذلك تأخر واحد في العمل واثنين من التأخر في الأجور ورأس المال. ونحن سوف تستخدم مقدر أريلانونداشبوند خطوة واحدة وطلب فسي قوية بهم: لأننا شملت واحدة تأخر من ن في نموذج الانحدار لدينا، يستخدم ستابوند التأخر 2 والعودة كأدوات. كما أن الاختلافات في المتغيرات الخارجية تستخدم أيضا كأدوات. هنا نحن تجديد نموذجنا، وذلك باستخدام كتدبديس بدلا من ذلك حتى نتمكن من الحصول على تقديرات أريلانونداشبوفيربلوندلنداشبوند: مقارنة تذييلات اثنين من كوماندرسكو الناتج يوضح الفرق الرئيسي بين اثنين من المقدرين. شستدبديس شملت الاختلافات المتخلفة من n كما في الأدوات في مستوى المعادلة ستابوند لم. إن الظروف الحالية لمقدرات غم هذه صالحة فقط إذا لم يكن هناك ارتباط متسلسل في أخطاء الفقهي. لأن الفرق الأول من الضوضاء البيضاء هو بالضرورة أوتوكوريلاتد، ونحن بحاجة فقط قلق أنفسنا مع الارتباط الذاتي الثاني والأعلى. يمكننا استخدام إستات أبوند لاختبار الارتباط الذاتي: المراجع أريلانو، M. و S. بوند. 1991. بعض الاختبارات للمواصفات للبيانات لوحة: مونتي كارلو الأدلة وتطبيق على معادلات العمل. استعراض دراسات الاقتصاد القياسي 58: 277ndash297. لايارد، R. و S. J. نيكل. 1986. البطالة في بريطانيا. إكونوميكا 53: 5121ndash5169.Stata: تحليل البيانات والبرامج الإحصائية نيكولاس J. كوكس، جامعة دورهام، المملكة المتحدة كريستوفر باوم، كلية بوسطن إيجين، ما () وحدودها ستاتارسكوس الأمر الأكثر وضوحا لحساب المتوسطات المتحركة هي وظيفة ما () من إغن . ونظرا للتعبير، فإنه يخلق المتوسط ​​المتحرك-بيريود من هذا التعبير. افتراضيا، يؤخذ على النحو 3. يجب أن تكون غريبة. ومع ذلك، كما يشير الإدخال اليدوي، إغن، ما () قد لا تكون مقترنة مع فارليست:. ولهذا السبب وحده، فإنه لا ينطبق على بيانات الفريق. في أي حال، فإنه يقف خارج مجموعة من الأوامر المكتوبة خصيصا لسلاسل زمنية انظر سلسلة زمنية للحصول على التفاصيل. النهج البديلة لحساب المتوسطات المتحركة لبيانات اللوحة، هناك خياران على الأقل. كلاهما يعتمد على مجموعة البيانات التي كانت تسيت مسبقا. هذا هو الكثير يستحق القيام به: ليس فقط يمكنك حفظ نفسك مرارا وتكرارا تحديد متغير لوحة ومتغير الوقت، ولكن ستاتا يتصرف بذكاء إعطاء أي ثغرات في البيانات. 1. اكتب التعريف الخاص بك باستخدام توليد باستخدام مشغلي سلسلة الوقت مثل L. و F.. تعطي تعريف المتوسط ​​المتحرك كحجة إلى بيان توليد. إذا قمت بذلك، فإنك، بطبيعة الحال، لا تقتصر على الوزن المرجح (غير مرجحة) المتوسطات المتحركة المتمركزة المحسوبة بواسطة إغن، ما (). على سبيل المثال، سيتم إعطاء متوسطات متحرکة متساوية الترجيح لثلاث فترات من خلال بعض الأوزان يمكن تحديدها بسهولة: يمكنك، بطبيعة الحال، تحديد تعبير مثل السجل (ميفار) بدلا من اسم متغير مثل ميفار. ميزة واحدة كبيرة من هذا النهج هو أن ستاتا تلقائيا يفعل الشيء الصحيح للبيانات لوحة: القيم الرائدة والتخلف يتم العمل بها داخل لوحات، تماما كما يملي المنطق يجب أن تكون. والعيب الأبرز هو أن سطر الأوامر يمكن أن يكون طويلا إذا كان المتوسط ​​المتحرك ينطوي على عدة مصطلحات. مثال آخر هو متوسط ​​متحرك من جانب واحد يعتمد فقط على القيم السابقة. ويمكن أن يكون ذلك مفيدا لتوليد توقعات تكيفية لما يمكن أن يستند إليه المتغير فقط على المعلومات حتى الآن: ما يمكن أن يتنبأ به شخص ما للفترة الحالية استنادا إلى القيم الأربع الماضية، باستخدام مخطط الترجيح الثابت (قد يكون الفارق الزمني 4 فترات (تستخدم عادة مع أوقات الفصول الربع سنوية.) 2. استخدام إغن، مرشح () من سك استخدم مرشح وظيفة إغن المكتوب من المستعمل () من حزمة إغنمور على سك. في ستاتا 7 (تحديث بعد 14 نوفمبر 2001)، يمكنك تثبيت هذه الحزمة التي بعد ذلك مساعدة إغنمور نقاط للتفاصيل على مرشح (). سيتم تقديم المثالين أعلاه (في هذه المقارنة قد يكون نهج التوليد أكثر شفافية، ولكننا سنرى مثالا على العكس في لحظة). يؤدي إلى تأخر سلبي: في هذه الحالة -11 يوسع إلى -1 0 1 أو الرصاص 1، تأخر 0، تأخر 1. ذي فيفينتس كوفي، آخر نومليست، مضاعفة المتخلفة أو العناصر الرائدة المقابلة: في هذه الحالة هذه البنود هي F1.myvar . ميفار و L1.myvar. ويتمثل تأثير خيار التطبيع في قياس كل معامل بمجموع المعاملات بحيث يكون معامل التطبيع (1 1 1) معادلا لمعاملات 13 13 13 و كوف (1 2 1) تطبيع يعادل معاملات 14 12 14 يجب أن تحدد ليس فقط التأخر ولكن أيضا المعاملات. ونظرا لأن إغين، ما () توفر الحالة المرجحة بالتساوي، فإن الأساس المنطقي الرئيسي ل إغين، فيلتر () هو دعم الحالة المرجحة غير المتكافئة، والتي يجب أن تحدد معاملاتها. ويمكن القول أيضا أن إلزام المستخدمين بتحديد المعاملات هو ضغط إضافي قليلا عليهم للتفكير في المعاملات التي يريدون. المبرر الرئيسي لأوزان متساوية هو، ونحن نخمن، والبساطة، ولكن الأوزان متساوية لديها خصائص نطاق التردد رديء، على سبيل المثال الاعتبار واحد فقط. والمثال الثالث أعلاه يمكن أن يكون إما معقدا تماما مثل النهج المولد. هناك حالات حيث إغن، مرشح () يعطي صياغة أبسط من توليد. إذا كنت ترغب في مرشح ثنائي الحدين لمدة تسعة، والتي يجد علماء المناخ مفيدة، ثم يبدو ربما أقل رهيبة من وأسهل للحصول على الحق من، تماما كما هو الحال مع نهج توليد، إغن، تصفية () يعمل بشكل صحيح مع بيانات لوحة. في الواقع، كما ذكر أعلاه، فإنه يعتمد على مجموعة البيانات التي كانت تسيت مسبقا. نصيحة رسومية بعد حساب المتوسطات المتحركة الخاصة بك، وربما كنت تريد أن ننظر إلى الرسم البياني. الأمر المكتوب المستخدم تسغراف هو الذكية حول تسيت مجموعات البيانات. تثبيته في ما يصل إلى تاريخ ستاتا 7 التي كتبها سك إنست تسغراف. ماذا عن التقسيم الفرعي إذا لم يستفد أي من الأمثلة أعلاه من القيود. في الواقع إغن، ما () لن تسمح إذا كان سيتم تحديدها. أحيانا الناس يريدون استخدام إذا عند حساب المتوسطات المتحركة، ولكن استخدامه هو أكثر تعقيدا قليلا مما هو عليه عادة. ما الذي تتوقعه من المتوسط ​​المتحرك المحسوب إذا كان. دعونا نحدد إمكانيتين: التفسير الضعيف: أنا لا أريد أن أرى أي نتائج للملاحظات المستبعدة. تفسير قوي: أنا لا أريد حتى لك لاستخدام القيم للملاحظات المستبعدة. هنا مثال ملموس. لنفترض كنتيجة لبعض إذا الشرط، الملاحظات 1-42 مدرجة ولكن لا الملاحظات 43 جرا. ولكن المتوسط ​​المتحرك ل 42 سيعتمد، من بين أمور أخرى، على قيمة الملاحظة 43 إذا كان المتوسط ​​يمتد إلى الوراء وإلى الأمام، وهو طوله 3 على الأقل، وسيعتمد بالمثل على بعض الملاحظات 44 وما بعدها في بعض الظروف. تخميننا هو أن معظم الناس سوف تذهب للتفسير الضعيف، ولكن ما إذا كان هذا هو الصحيح، إغن، مرشح () لا يدعم إذا كان أي منهما. يمكنك دائما تجاهل ما كنت دونرسكوت تريد أو حتى تعيين القيم غير المرغوب فيها إلى المفقودين بعد ذلك باستخدام استبدال. ملاحظة حول النتائج المفقودة في نهايات السلسلة لأن المتوسطات المتحركة هي وظائف تأخر و يؤدي، إغن، ما () تنتج مفقودة حيث لا توجد تأخرات و يؤدي في بداية ونهاية السلسلة. وهناك خيار نوميس يجبر على حساب المتوسطات المتحركة الأقصر غير المقوسة للتيول. في المقابل، لا تولد ولا إيجين، تصفية () يفعل، أو يسمح، أي شيء خاص لتجنب النتائج المفقودة. إذا كان أي من القيم المطلوبة للحساب مفقود، فإن هذه النتيجة مفقودة. والأمر متروك للمستعملين لتحديد ما إذا كانت الجراحة التصحيحية مطلوبة لهذه الملاحظات وما إذا كان ذلك مفترضا بعد النظر إلى مجموعة البيانات والنظر في أي علم أساسي يمكن حمله.