Stata：时间序列数据转换-tstransform

发布时间：2022-05-04 阅读 2541

Stata连享会主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装：
. ssc install lianxh
详情参见帮助文件 (有惊喜)：
. help lianxh
连享会新命令：cnssc, ihelp, rdbalance, gitee, installpkg

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者： 史柯 (中央财经大学)
邮箱： shike2231128@gmail.com

目录 [TOC]

1. 引言

tstransform 生成由时间序列运算形成的新变量。它可以模拟时间序列运算符的滞后、领先、差异和季节性差异。它还创建了均值、后向均值、前向均值和滚动窗口均值，以及与这些均值的相应偏差。该命令包包括 Stata 的 egen 命令的扩展及独立命令 tstransform，其中 egen 命令的扩展主要是增加了用于时间序列转换的运算函数。

2. tstransform 命令介绍

2.1 命令安装

net install tstransform, from(http://www.kripfganz.de/stata/)

tstransform 命令安装完毕后，可以运行 help tstransform 命令来查阅命令的帮助文档。

2.2 语法结构

tstransform命令是 Sebastian Kripfganz 教授所编写的 Stata 新命令，两种语法结构如下。

2.2.1 egen 命令的扩展命令

第一种命令格式为 egen 命令的扩展命令，语法结构如下：

egen [type] newvar = fcn(arguments) [if] [in] [, options]

type：运算得到的新变量的种类。
newvar：运算得到的新变量的名称。
fcn(arguments)：定义新变量的计算方法，运算函数 fcn 主要包括 mean(exp)、demean(exp)、bmean(exp)、bdemean(exp)、fmean(exp)、fdemean(exp)以及其他egen、egenmore原本包含的其他运算函数；运算函数 fcn 的运算对象 arguments 是取决于函数计算用到的表达式（expression）、变量（varlist）或数列（numlist）。

2.2.2 tstransform 命令

第二种命令格式为直接使用 tstransform 命令，语法结构如下：

tstransform varlist [if] [in] , transformation [options]

varlist：用于运算的变量
transformation：转换命令，主要包括 lag(numlist)：生成滞后项 forward(numlist)：生成提前项 difference(numlist)：生成差分项 seasonal(numlist)：生成季度差分项 mean：生成均值（面板内） demean：生成平均偏差（面板内） bmean：生成后向均值（面板内） bdemean：生成后向平均偏差（面板内） fmean：生成前向均值（面板内） fdemean：生成前向平均偏差（面板内）
rmean(numlist)：生成滚动窗口均值（面板内） rdemean(numlist)：生成滚动窗口平均偏差（面板内）
主要命令选型（options）包括： rescale：在 i.i.d. 下重新调整重新调整转换后的变量假设 generate([type] string)：为转换后的变量指定类型和名称 replace：如果使用 generate() 指定的变量名称或已转换变量的默认名称已经存在，则更改现有变量的内容,该选项不会替代 varlist 变量的取值 nolabel：不标记转换后的变量

2.3 注意事项

在使用第二种语法 tstransform 命令之前需要使用 tsset 命令声明时间变量。
第二种语法默认在面板内计算，而第一种语法需要使用 panelvar ，否则不会在面板内计算。
使用 generate 规定新变量名称时，可采用以下占位符： * 字符代表 varlist 变量的名称。 ~ 字符代表 varlist 中指定的时间序列操作，例如，L 为求滞后项，D 为求差分。 # 字符代表变换 lag(#)、forward(#)、difference(#) 或 seasonal(#) 时的 numlist 的相应元素，例如lag(2)中可用 # 代替2。

3. Stata 实例

下面我们用一个年度数据来检验此命令。为了便于观察，数据集仅包含8个观测值。通过以下命令调用数据：

webuse gxmpl1, clear

/*    Notes:
数据中每个观测值为每一年的消费者物价水平（cpi）及国民生产总值（gnp）

   year：年份
   cpi：消费者物价水平
   gnp：国民生产总值
*/

3.1 生成滞后项

首先，我们使用 tstransform 命令生成 1 至 3 阶滞后的消费者物价水平 cpi，并进行描述性统计，为了比较，同时对通过时间序列运算符得到的时间变量进行描述行统计：

tstransform cpi, lag(1/3)
summarize cpi_L* L(1/3).cpi

结果输入如下：

. summarize cpi_L* L(1/3).cpi

    Variable |        Obs        Mean    Std. Dev.       Min        Max
-------------+---------------------------------------------------------
      cpi_L1 |          7    139.4714    9.969237        124      152.4
      cpi_L2 |          6    137.3167    8.958888        124      148.2
      cpi_L3 |          5      135.14    8.049411        124      144.5
             |
         cpi |
         L1. |          7    139.4714    9.969237        124      152.4
         L2. |          6    137.3167    8.958888        124      148.2
-------------+---------------------------------------------------------
         L3. |          5      135.14    8.049411        124      144.5

可以看出，使用 tstransform 命令生成的三个滞后项 cpi_L1、cpi_L2、cpi_L3 与使用L(1/3).cpi 命令生成的三个滞后项等价。

3.2 规定新变量名称

接下来，我们生成 D.cpi 的第二个季节性滞后并通过 generate 选项定义变量名称，其中 * 代表变量名称 cpi ，～ 代表时间序列操作 D ，# 代表阶数 2，因此新变量的名称为 cpi_SD_2 ，再通过 list 命令将变量列示在结果输出窗口：

tstransform D.cpi, seasonal(2) generate(*_S~_#)
list cpi_SD_2 S2D.cpi

结果输出如下：

. list cpi_SD_2 S2D.cpi

     +-----------------------+
     |                   DS2.|
     |  cpi_SD_2         cpi |
     |-----------------------|
  1. |         .           . |
  2. |         .           . |
  3. |         .           . |
  4. | -2.599991   -2.599991 |
  5. | -1.300003   -1.300003 |
     |-----------------------|
  6. | -.4000092   -.4000092 |
  7. |         0           0 |
  8. |  .8000031    .8000031 |
     +-----------------------+

使用 tstransform 命令生成的新变量 cpi_SD_2 与直接使用 S2D.cpi 效果相同，均为 cpi_t - cpi_t-1 - cpi_t-2 + cpi_t-3，因此只有从第四个观测值开始该变量才能计算，其中 DS2 与 S2D 是等价的，即先取一阶差分（D）再取二阶季节性差分（S2）等价于先取二阶季节性差分（S2）再取一阶差分（D）。

3.3 滚动窗口均值

使用 tstransform 命令计算滚动窗口为过去三个观测值及当前观测值共四个观测值的 cpi 均值，并通过 list 命令列示：

tstransform cpi, rmean(-3/0)
list cpi*

结果输出如下：

. list cpi*

     +-----------------------------+
     |   cpi    cpi_SD_2    cpi_RM |
     |-----------------------------|
  1. |   124           .       124 |
  2. | 130.7           .    127.35 |
  3. | 136.2           .     130.3 |
  4. | 140.3   -2.599991     132.8 |
  5. | 144.5   -1.300003   137.925 |
     |-----------------------------|
  6. | 148.2   -.4000092     142.3 |
  7. | 152.4           0    146.35 |
  8. | 156.9    .8000031     150.5 |
     +-----------------------------+

其中 cpi_SD_2 为上一部分已经生成的变量，通过 tstransform 命令计算的滚动窗口均值为 cpi_RM。

4. 结语

tstransform 命令可以模拟传统时间序列运算符的滞后、领先、差异和季节性差异，同时也提供了均值、后向均值、前向均值和滚动窗口均值的计算方法，此外，还能通过占位符的使用实现新变量命名的便捷。

专题	嘉宾	直播/回看视频
⭐ 最新专题		文本分析、机器学习、效率专题、生存分析等
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]