Stata 12 เดือน เฉลี่ยเคลื่อนที่

ก่อนเปิดเผยเต็มฉันพยายามทำอย่างนี้อย่างเคร่งครัดใน MS Access กับ subqueries ที่มีความสัมพันธ์และมีความช่วยเหลือในการโพสต์นี้ค่าเฉลี่ยเคลื่อนที่ 12 เดือนโดยบุคคลวันที่ฉันเดิมคิดว่าข้อมูลของฉันจะมีขนาดเล็กพอที่จะ chug ผ่าน แต่อันยิ่งใหญ่เป็น ทางเลือกฉันจะลองทำงานนี้ใน R แล้วเขียนผลไปยังตารางใหม่ใน MS Access ฉันมีข้อมูลดังกล่าวที่ฉันมีเขตข้อมูลต่อไปนี้ต่อไปนี้เป็นตัวอย่างที่เชื่อมโยงโดย Andrie สำหรับรอบระยะเวลา 5 ปีเป็นนอกคอก เฉลี่ย 5 ปี R คำนวณเฉลี่ย 5 ปีในข้อมูลแผงฉันพยายามที่จะได้รับกลิ้งเฉลี่ย 12 เดือนสำหรับเขตข้อมูล amt โดยตัวแทนนี่เป็นรหัสของฉัน แต่น่าเสียดายที่ doesn นี้ t ทำงานฉัน m รับข้อผิดพลาดต่อไปนี้ฉันไม่แน่ใจว่าทำไม นี้เกิดขึ้นฉันจำเป็นต้องแปลงข้อมูลไปยังวัตถุสวนสัตว์อย่างชัดเจนถ้าใช่ไม่ทราบว่าจะจัดการกับมิติพิเศษที่เกิดจากฟิลด์ personid ความช่วยเหลือใด ๆ จะเป็นที่ชื่นชมอย่างมาก 11 ต. ค. 13 ที่ 14 18. เพียงแค่คำแนะนำบางประการ, เป็นฉัน don t ทำงานที่ทุกเวลาชุด ddp ly ต้องใส่ข้อมูลกรอบดังนั้น don t แปลงให้เป็นตัวแทนข้อมูลวัตถุสวนสัตว์ฉันคิดว่าควรจะเป็นตัวแทนเพียงและ rollmean12 ไม่ควรเรียกว่ามีอาร์กิวเมนต์ แต่คุณควรอีกครั้งเขียนฟังก์ชันเพื่อแยกคอลัมน์ที่คุณต้องการดังนั้นประมาณ บางอย่างเช่นนี้ถ้าคุณทำ ddply มีการเชื่อมโยงไปยังสิ่งพิมพ์ที่เป็นประโยชน์ใน JSS. answered ตุลาคม 11 13 ที่ 17 36.You Answer.2017 Stack Exchange, Inc. Stata การวิเคราะห์ข้อมูลและสถิติ Software. Nicholas J Cox, Durham University , UK Christopher Baum, Boston College. egen, ma และข้อ จำกัด ของคำสั่งที่ชัดเจนที่สุดของ Stata สำหรับการคำนวณค่าเฉลี่ยเคลื่อนที่คือฟังก์ชัน ma ของ egen ให้นิพจน์จะสร้างค่าเฉลี่ยเคลื่อนที่ของค่าเฉลี่ยของการแสดงออกดังกล่าวโดยค่าเริ่มต้นจะถูกนำมาเป็น 3 ต้องเป็นเลขคี่อย่างไรก็ตามตามที่ระบุด้วยตัวอักษร egen ma อาจไม่สามารถใช้ร่วมกับ varlist และด้วยเหตุผลเพียงอย่างเดียวจึงไม่สามารถใช้กับข้อมูลแผงได้ในกรณีใด ๆ จะอยู่นอกชุดคำสั่งที่เขียนขึ้นโดยเฉพาะ สำหรับชุดเวลาดูชุดเวลา f หรือรายละเอียดแนวทางการเลือกเมื่อต้องการคำนวณค่าเฉลี่ยเคลื่อนที่สำหรับข้อมูลแผงมีอย่างน้อยสองตัวเลือกทั้งสองขึ้นอยู่กับชุดข้อมูลที่ได้รับการตั้งค่าก่อนหน้านี้เป็นอย่างมากมูลค่าการทำไม่เพียง แต่คุณสามารถบันทึกตัวเองซ้ำ ๆ ระบุตัวแปรแผงและตัวแปรเวลา Stata ทำงานอย่างชาญฉลาดให้ช่องว่างใด ๆ ในข้อมูล 1 เขียนคำนิยามของคุณเองโดยใช้ generate. Using ตัวดำเนินการแบบอนุกรมเวลาเช่น L และ F ให้คำจำกัดความของค่าเฉลี่ยเคลื่อนที่เป็นอาร์กิวเมนต์ที่สร้างคำสั่งถ้าคุณทำเช่นนี้คุณ, โดยธรรมชาติไม่ จำกัด เพียงค่าเฉลี่ยเคลื่อนที่โดยเฉลี่ยที่ไม่มีการชั่งน้ำหนักที่คำนวณโดยตัวอย่างเช่นตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่สามช่วงที่ถ่วงน้ำหนักอย่างเท่าเทียมกันจะได้รับโดยน้ำหนักและสามารถระบุได้อย่างง่ายดายคุณสามารถระบุได้อย่างแน่นอน การแสดงออกเช่น log myvar แทนชื่อตัวแปรเช่น myvar. One ประโยชน์ใหญ่ของวิธีนี้คือ Stata จะไม่สิ่งที่ถูกต้องสำหรับข้อมูลแผงนำค่าปกคลุมด้วยวัตถุฉนวนจะทำงานออก wi แผงบางเช่นเดียวกับเหตุผลตรรกะที่พวกเขาควรจะเป็นข้อเสียที่โดดเด่นที่สุดคือบรรทัดคำสั่งจะได้รับค่อนข้างยาวถ้าค่าเฉลี่ยเคลื่อนที่เกี่ยวข้องกับเงื่อนไขหลายประการอีกตัวอย่างหนึ่งคือค่าเฉลี่ยเคลื่อนที่ด้านเดียวเท่านั้นขึ้นอยู่กับค่าก่อนหน้านี้ซึ่งอาจเป็นประโยชน์สำหรับ สร้างความคาดหวังในการปรับตัวของตัวแปรที่จะอิงกับข้อมูลที่จะคาดการณ์ได้อย่างชัดเจนสำหรับช่วงเวลาปัจจุบันตามค่าสี่ค่าที่ผ่านมาโดยใช้รูปแบบการถ่วงน้ำหนักแบบคงที่ความล้าหลัง 4 ช่วงเวลาอาจใช้โดยเฉพาะอย่างยิ่งกับ timeseries รายไตรมาส ใช้ตัวกรอง egen จาก SSC ใช้ตัวกรอง egen จากผู้ใช้ที่เขียนขึ้นมาจากแพคเกจ egenmore ใน SSC ใน Stata 7 ที่อัปเดตหลังจาก 14 พฤศจิกายน 2001 คุณสามารถติดตั้งแพคเกจนี้ได้โดยหลังจากที่ช่วยให้ egenmore ชี้ไปที่รายละเอียดเกี่ยวกับตัวกรองตัวอย่างสองตัวอย่าง ข้างต้นจะแสดงผล ในการเปรียบเทียบนี้วิธีการสร้างอาจจะโปร่งใสมากขึ้น แต่เราจะเห็นตัวอย่างของสิ่งที่ตรงกันข้ามในขณะที่ความล่าช้าเป็นจำนวนที่นำไปสู่การลดจำนวนที่เป็นลบในกรณีนี้ -1 -1 จะขยายเป็น -1 0 1 หรือนำ 1, ล้าหลัง 0 , lag 1 Coef ficients, numlists อื่นคูณ lagging ที่สอดคล้องกันหรือรายการชั้นนำในกรณีนี้รายการเหล่านี้เป็น myvar และผลของตัวเลือกปกติคือการปรับค่าสัมประสิทธิ์แต่ละตัวด้วยผลคูณของค่าสัมประสิทธิ์เพื่อให้ coef 1 1 1 normalize คือ ค่าสัมประสิทธิ์ของ 1 3 1 3 1 3 และ coef 1 2 1 normalize เท่ากับค่าสัมประสิทธิ์ของ 1 4 1 2 1 4 คุณต้องระบุไม่เพียง แต่ความล่าช้า แต่ยังเป็นค่าสัมประสิทธิ์เนื่องจาก egen, ma ให้กรณีถ่วงน้ำหนักอย่างเท่าเทียมกัน เหตุผลหลักสำหรับตัวกรอง egen คือการสนับสนุนกรณีถ่วงน้ำหนักที่ไม่เท่ากันซึ่งคุณต้องระบุค่าสัมประสิทธิ์นอกจากนี้ยังอาจกล่าวได้ว่าการบังคับให้ผู้ใช้ระบุค่าสัมประสิทธิ์เป็นแรงกดดันเล็กน้อยต่อพวกเขาในการคิดถึงค่าสัมประสิทธิ์ที่ต้องการ สำหรับน้ำหนักที่เท่ากันคือเราคาดเดาความเรียบง่าย แต่น้ำหนักที่เท่ากันมีคุณสมบัติโดเมนความถี่หมัดกล่าวคือการพิจารณาเพียงตัวเดียวตัวอย่างที่สามข้างต้นอาจเป็นได้ทั้งสองแบบซึ่งมีความซับซ้อนเพียงเล็กน้อยในขณะที่วิธีการสร้างมีกรณีที่ egen , ตัวกรองให้สูตรที่ง่ายกว่าการสร้างถ้าคุณต้องการตัวกรองแบบทวินามระยะ 9 ตัวซึ่งนักภูมิอากาศวิทยาหาประโยชน์แล้วบางทีอาจดูน่ากลัวน้อยกว่าและง่ายกว่าที่จะทำได้ดีกว่าเช่นเดียวกับวิธีการสร้าง egen ตัวกรองทำงานได้อย่างถูกต้อง กับข้อมูลแผงในความเป็นจริงตามที่ระบุไว้ข้างต้นจะขึ้นอยู่กับชุดข้อมูลที่ได้รับก่อน tsset ปลายกราฟิกหลังจากคำนวณค่าเฉลี่ยเคลื่อนที่ของคุณคุณอาจจะต้องการดูกราฟคำสั่งที่ผู้ใช้เขียน tsgraph เป็นสมาร์ทเกี่ยวกับชุดข้อมูล tsset ติดตั้งใน Stata 7 ที่ทันสมัยโดย ssc inst tsgraph เกี่ยวกับ subsetting กับถ้าไม่มีตัวอย่างข้างต้นใช้ประโยชน์จากข้อ จำกัด หากใน egen, ma จะไม่อนุญาตหากมีการระบุบางครั้งคน wa nt ที่จะใช้ถ้าเมื่อคำนวณค่าเฉลี่ยเคลื่อนที่ แต่การใช้งานของมันซับซ้อนกว่าเล็กน้อยโดยปกติแล้วสิ่งที่คุณคาดหวังจากค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้ถ้าหากให้เราระบุสองความเป็นไปได้การตีความแนวนอนผมไม่อยากเห็นผลใด ๆ ข้อสังเกตที่ยกเว้นการตีความของทรานแซกชันฉันไม่ต้องการให้คุณใช้ค่าสำหรับการสังเกตที่ไม่ได้ต่อไปนี้เป็นตัวอย่างที่เป็นรูปธรรมสมมติว่าเป็นผลมาจากเงื่อนไขบางอย่างถ้าข้อสังเกต 1-42 รวมอยู่ด้วย แต่ไม่ใช่ข้อสังเกต 43 แต่ค่าเฉลี่ยเคลื่อนที่ สำหรับ 42 จะขึ้นอยู่กับสิ่งอื่นใดเกี่ยวกับค่าสำหรับการสังเกต 43 ถ้าค่าเฉลี่ยถอยหลังไปข้างหน้าและมีความยาวอย่างน้อย 3 และมันก็จะขึ้นอยู่กับบางส่วนของข้อสังเกตดังกล่าว 44 เป็นต้นไปในบางสถานการณ์การคาดเดาของเราคือว่า คนส่วนใหญ่จะไปตีความอ่อนแอ แต่ไม่ว่าจะถูกต้อง egen ตัวกรองไม่สนับสนุนถ้าอย่างใดอย่างหนึ่งคุณสามารถละเลยสิ่งที่คุณ don t ต้องการหรือแม้กระทั่งการตั้งค่าที่ไม่พึงประสงค์เพื่อหายไปภายหลังข y ใช้ replace. A ทราบเกี่ยวกับผลลัพธ์ที่หายไปที่ส่วนท้ายของชุดเนื่องจากค่าเฉลี่ยเคลื่อนที่เป็นหน้าที่ของความล่าช้าและโอกาสในการขาย egen, ma ผลิตขาดหายไปที่ความล่าช้าและโอกาสในการขายไม่มีอยู่ที่จุดเริ่มต้นและจุดสิ้นสุดของชุดตัวเลือก nomiss บังคับให้คำนวณค่าเฉลี่ยเคลื่อนที่ที่สั้นลงสำหรับหางในทางตรงกันข้ามไม่สร้างหรือ egen กรองไม่หรือช่วยอะไรพิเศษเพื่อหลีกเลี่ยงผลลัพธ์ที่หายไปหากค่าใด ๆ ที่จำเป็นสำหรับการคำนวณหายไปผลลัพธ์ที่ได้จะหายไป ขึ้นอยู่กับผู้ใช้ในการตัดสินใจว่าจะมีการผ่าตัดแก้ไขและจำเป็นต้องใช้สำหรับการสังเกตการณ์ดังกล่าวสันนิษฐานว่าหลังจากดูที่ชุดข้อมูลและพิจารณาเรื่องวิทยาศาสตร์ใด ๆ ที่สามารถนำมาปฏิบัติได้วิธีการคำนวณค่าเฉลี่ย 12 เดือนเฉลี่ย 12 เดือน ค่าเฉลี่ยลดลงเป็นตัวเลขรายเดือนเป็นค่าเฉลี่ยโดยเฉลี่ยค่าเฉลี่ยกลิ้งเฉลี่ย 12 เดือนหรือค่าเฉลี่ยเคลื่อนที่เฉลี่ยอยู่ที่ 12 เดือนในช่วงเวลา 12 เดือนติดต่อกันเครื่องมือทางสถิติ c ช่วยให้คุณสามารถวัดทิศทางโดยรวมของชุดข้อมูลรายเดือนได้เนื่องจากทำให้เกิดการเปลี่ยนแปลงของเดือนต่อเดือนคุณสามารถใช้ค่าเฉลี่ยการกลิ้งเฉลี่ย 12 เดือนเพื่อวิเคราะห์รูปแบบรายเดือนเกือบทุกประเภทเช่นรายได้กำไร ราคาหุ้นหรือยอดคงเหลือในบัญชีรวบรวมข้อมูลรายเดือนที่คุณต้องการคำนวณค่าเฉลี่ยของรอบ 12 เดือนคุณต้องมีข้อมูลอย่างน้อย 13 เดือนติดต่อกัน แต่ยิ่งคุณมีมากเท่าไรก็ยิ่งมีประโยชน์มากขึ้นเท่านั้น สมมติว่าคุณต้องการคำนวณค่าเฉลี่ยกลิ้ง 12 เดือนใน 14 เดือนต่อไปนี้ของยอดขายตัวอย่างเช่นเพิ่มยอดขายรายเดือนตั้งแต่เดือนมกราคมถึงเดือนธันวาคมปี 2017 50,000 55,000 60,000 65,000 70,000 75,000 72,000 70,000 68,000 71,000 76,000 85,000 817,000 แบ่งรายได้ ผล 12 โดยคำนวณตัวเลขรายเดือนเฉลี่ยสำหรับงวด 12 เดือนที่เก่าที่สุดซึ่งเป็นค่าเฉลี่ยแรกของการกลิ้งในตัวอย่างนี้ให้หาร 817,000 โดย 12 817,000 12 เดือน 68,083 สำหรับค่าเฉลี่ยแรกที่เกิดจากการกลิ้ง e ตัวเลขรายเดือนสำหรับงวด 12 เดือนติดต่อกันซึ่งรวมถึงงวด 12 เดือนก่อนยกเว้นเดือนที่เก่าที่สุดนอกจากนี้ยังมีเดือนใหม่ล่าสุดทันทีหลังจากช่วง 12 เดือนก่อนหน้านี้ตัวอย่างเช่นในงวด 12 เดือนติดต่อกันต่อไปคือ กุมภาพันธ์ 2017 ถึงมกราคม 2018 เพิ่มยอดขายรายเดือนเพื่อรับ 840,000 ผลต่างจาก 12 เพื่อคำนวณค่าเฉลี่ยกลิ้งที่สองในตัวอย่างแบ่ง 840,000 โดย 12 840,000 12 70,000 วินาที rolling average เพิ่มข้อมูลรายเดือนสำหรับถัดไป 12 ติดต่อกัน และหารผลของคุณตาม 12 เพื่อคำนวณค่าเฉลี่ยกลิ้งที่สามทำซ้ำการคำนวณเดียวกันสำหรับแต่ละงวด 12 เดือนถัดไปเพื่อคำนวณค่าเฉลี่ยกลิ้งที่เหลืออยู่ตัวอย่างเช่นเพิ่มยอดขายรายเดือนจากเดือนมีนาคม 2017 ถึงกุมภาพันธ์กุมภาพันธ์ปี 2018 เพื่อรับ 852,000 แบ่ง 852,000 โดย 12 เพื่อให้ได้ค่าเฉลี่ยเคลื่อนที่ที่ 71,000 ค่าเฉลี่ยกลิ้ง 12 เดือนเท่ากับ 68,083, 70,000 และ 71,000 ซึ่งแสดงให้เห็นแนวโน้มการขายที่เพิ่มขึ้นในแต่ละช่วงเวลา od. Plot ตัวเลขรายเดือนและค่าเฉลี่ยกลิ้งเฉลี่ย 12 เดือนในกราฟเพื่อดูแนวโน้มของข้อมูล