stata时间序列定义

首页 >> 正文

stata时间序列定义

来源：baiyundou.net 日期：2024-09-21

双重差分法(DID)估计是最常用的因果推理方法之一。Stata的didregress和xtdidregress命令适用于重复横截面和面板数据的DID和三重差分(DDD)模型。DID和DDD模型控制未观测到的组和时间固定效应，一致地估计被治疗者的平均治疗效应( ATET )。

模型的关键假设可以通过estat trendplot、estat ptrends和estat granger命令来进行检验和图形化展示。

如果要估计不同时间和处理序列的ATETs，您可以使用Stata的新命令：hdidregress和xthdidregress。

• 用于ATET估计的DID和DDD模型:

– 重复横截面数据

– 面板数据

• Donald和Lang聚合方法

• Wild bootstrap P值和置信区间

• Bell和McCarey对偏差校正标准误差的自由度调整

• 均值结果和预处理平行趋势图形诊断

• Granger类型和预处理平行趋势检验

• 异构DID模型

• Bacon分解法评估处理效应异质性

拟合DID模型和ATET估计

我们想研究新的住院程序对患者满意度的影响，需要使用一些医院实施新程序之前和之后的每月患者数据。

. didregress (satis) (procedure),group(hospital) time(month)

手术满意度的ATET为0.85，分别考虑医院和每月固定效应。95% CI不包括0。

如果我们的数据是面板数据，可以使用xtset并输入：

. xtdidregress (satis) (procedure),group(hospital) time(month)

• 图形诊断

我们的DID模型假设，在实施新程序之前，对照组和实验组的满意度趋势是平行的。我们可以用estat trendplot对这一假设进行诊断。

• 预处理平行趋势检验

我们可以使用estat ptrends的正式统计检验来补充我们得出的图形诊断。

因此，预处理平行趋势的零假设并没有被拒绝。

• Granger因果性检验

我们的DID模型还可以假设治疗组和对照组在预期治疗时不会改变他们的行为。为了检验这一假设，我们可以使用estat granger来进行Granger因果检验。

预期治疗时没有行为改变的无效假设没有被拒绝。还可以使用estat grangerplot进行图形诊断。

• 计算相应的标准误差

有多个小组的情况是很常见的。在这些场景中，聚类稳健标准误差是不可靠的。对于这种情况，我们可以使用替代方法来计算标准误差。

我们可以通过添加vce(HC2)选项来使用经过HC2偏差调整的聚类稳健标准误差。

. didregress (satis) (procedure),group(hostpital) time(month) vce(hc2)

我们可以通过使用aggregate(dlang)选项来使用Donald和Lang聚合方法。

. didregress (satis) (procedure),group(hospital) time(month)aggregate(dlang)

野聚类自助法P值和置信区间功能也是可用的。与所有自举方法一样，我们需要设置一个种子以使结果可复制。

. didregress (satis) (procedure),group(hospital) time(month)wildbootstrap(rseed(123))

• DDD模型

要拟合DDD模型，只需向group()选项添加另一个变量，并定义新的处理过的观测值。

. didregress (satis) (new_treated),group(hospital another_group)time(month)

• 治疗时间变化时的治疗异质性检验

如果个体在不同的时间治疗，每个治疗队列的ATET可能会改变。如果是，则DID估计结果不一致。

我们可以使用Bacon分解来检验didregress和xtdidregress的ATET异质性，输入

. estat bdecomp

我们可以通过输入下列命令，以图表的形式展示结果

. estat bdecomp, graph

异质性DID

当治疗效果随时间变化且在不同队列中时，使用异质性DID估计ATETs结果是不同的。这时可以使用Stata的新命令hdidreress和xthdidreress，它会通过重复的横断面数据和面板数据来估计每个队列和时间段的ATETs。

• 每个队列和时期的ATET估计

– 重复横截面数据

– 面板数据

• ATETs 通过以下方式集合

– 组群

– 周期

– 暴露疗法

• 治疗效果异质性绘图和检验

• 同时置信区间

• 四个估算量

– 回归调整(RA)

– 逆概率加权法(IPW)

– 增广逆概率加权法(AIPW)

– 双向固定效应回归(TWFE)

• 预处理平行趋势检验

拟合具有异质处理效果的模型

我们想知道一个名为“健康习惯”的学区项目是否对学生的身体质量指数(BMI)有影响。我们的数据是学区级别的，其中包括学校是否参与该项目和学生的BMI等信息。从2013年到2020年，我们对40个学区的学生进行了重复抽样。我们使用aipw估计器对结果和治疗进行建模。

. hdidregress aipw (bmi medu) (hhabit parksd)group(schools) time(year)

AIPW估计器具有双重稳健性，这意味着即使治疗模型或结果模型(两者不能兼有)设定错误，估计仍然是一致的。治疗效果的异质性在结果中很明显，ATET估算值则因队列和时间组合而异。

可视化每个队列的ATETs

只看所有的ATETs估计是很难看出ATETs的具体趋势的。我们可以使用estat atetplot来可视化每个群组的ATETs时间概况。我们指定sci选项来显示同时置信带，该置信带覆盖了具有预定义概率水平的所有队列和时间的ATET的真实值。

. estat atetplot, sci

聚合ATETs

在调整模型时，我们可以使用estat aggregation来汇总队列、时间或治疗暴露中的ATETs。例如，我们使用estat aggregation, cohort来总结每个队列中的ATETs。

. estat aggregation, cohort graph

如果我们想要在一定时间内汇总ATETs，可以使用estat aggregation来指定time选项。

. estat aggregation, time graph

最后，如果我们想总结不同治疗时间内的ATETs，可以指定dynamic选项。

. estat aggregation, dynamic graph

北京天演融智软件有限公司（科学软件网）是STATA软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。

","gnid":"972b14ac508ae1749","img_data":[{"flag":2,"img":[{"desc":"","height":"383","title":"","url":"https://p0.ssl.img.360kuai.com/t01931e6ad0fd5810a2.png","width":"900"},{"desc":"","height":"419","title":"","url":"https://p0.ssl.img.360kuai.com/t01eb62f5fe4982899e.png","width":"692"},{"desc":"","height":"359","title":"","url":"https://p0.ssl.img.360kuai.com/t013e0223101034d570.png","width":"695"},{"desc":"","height":"381","title":"","url":"https://p0.ssl.img.360kuai.com/t01a20b31de30ff7049.png","width":"627"},{"desc":"","height":"255","title":"","url":"https://p0.ssl.img.360kuai.com/t0190271e5401a49b10.png","width":"694"},{"desc":"","height":"254","title":"","url":"https://p0.ssl.img.360kuai.com/t016e612f1fd76f74cb.png","width":"691"},{"desc":"","height":"420","title":"","url":"https://p0.ssl.img.360kuai.com/t01d70903232c55da24.png","width":"694"},{"desc":"","height":"773","title":"","url":"https://p0.ssl.img.360kuai.com/t01cb240fe35b514cc4.png","width":"619"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t01ac9cbd4f1ca2cc0d.png","width":"609"},{"desc":"","height":"287","title":"","url":"https://p0.ssl.img.360kuai.com/t010d2a9ed040818590.png","width":"607"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01e7939f217d8eb6b2.png","width":"610"},{"desc":"","height":"324","title":"","url":"https://p0.ssl.img.360kuai.com/t016190c4b8ee0309c2.png","width":"602"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01a27381672c01f697.png","width":"605"},{"desc":"","height":"429","title":"","url":"https://p0.ssl.img.360kuai.com/t01f4cc920cc3a61266.png","width":"604"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t011e06853b1dd5f53a.png","width":"605"}]}],"original":0,"pat":"art_src_0,fts0,sts0","powerby":"cache","pub_time":1712913424000,"pure":"","rawurl":"http://zm.news.so.com/94fe3de7a27e3dfa937cb3a84d1e4088","redirect":0,"rptid":"327741b48e99043e","rss_ext":[],"s":"t","src":"天演融智","tag":[],"title":"Stata软件之双重差分法（DID）

池虹进3468时间序列模型的步骤 -
叶清璐13867416380 ______ 辨识合适的随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据.对于短的或简单的时间序列,可用趋势模型和季节模型加上误差来进行拟合.对于平稳时间序列,可用通用ARIMA模型(自回归滑动平均模型)及其特殊情况...

池虹进3468谁能告诉我时间数列概念和种类?
叶清璐13867416380 ______ 一、时间数列的概念时间数列又称时间序列和动态数列,是反映总体现象的某一指标按其发生顺序排列而成的一组指标值. 二、时间数列的种类按使用的统计指标不同,分为:绝对数时间数列、相对数时间数列和平均数时间数列

池虹进3468stata 如何做时间序列的单位根检验和二阶拆分stata 如何做时间序列的单位根检验和二阶拆分,假如数据是这样:x date11 2002010112 20020102……求完... -
叶清璐13867416380 ______[答案] 使用时间序列前,要先设置时间t 如果你已有t变量, tsset t 单位根 dfuller x 一阶拆分 gen x1=x-l.x 二阶拆分 gen x2=x1-l.x1

池虹进3468如何用stata做面板数据的滚动回归 -
叶清璐13867416380 ______ 方法/步骤短面板处理面板数据是指既有截面数据又有时间序列的数据,因此其存在截面数据没有的优势,在用stata进行面板数据的估计时,一般选择xtreg命令进行拟合.本节主要论述短面板的stata实现,即时间维度T相对于截面数n较小的数...

池虹进3468什么是时间序列预测法? -
叶清璐13867416380 ______ 一种历史资料延伸预测,也称历史引伸预测法.是以时间数列所能反映的社会经济现象的发展过程和规律性,进行引伸外推,预测其发展趋势的方法. 时间序列,也叫时间数列、历史复数或动态数列 .它是将某种统计指标的数值,按时间先后...

池虹进3468时间序列等等算不算做统计学的内容呢? -
叶清璐13867416380 ______[答案] 应该涉及吧时间序列时间序列法是一种定量预测方法,亦称简单外延方法.在统计学中作为一种常用的预测手段被广泛应用.时间序列通常有以下三种方法: 1.方法一是把一个时间序列的数值变动,分解为几个组成部分,通常分为: (1)倾向变动,...

池虹进3468Stata缩尾是什么意思? -
叶清璐13867416380 ______ Stata缩尾处理命令可以使用＂lags＂或＂nlags＂命令进行.例如,如果要对一个时间序列数据进行缩尾处理,可以使用以下命令:* lags命令:`lags y, lags(2)`* nlags命令:`nlags y, nlags(2)`其中,＂y＂是因变量,＂lags＂或＂nlags＂是缩尾处理命令,＂2＂表示使用滞后两次的方法进行缩尾处理.需要注意的是,在进行缩尾处理之前,需要先对数据进行平稳性检验,以确保数据符合缩尾处理的要求.此外,在进行缩尾处理时,还需要考虑其他一些因素,如滞后阶数、置信区间等.因此,在实际应用中,需要根据具体情况选择合适的缩尾处理方法.

池虹进3468时间序列模型和神经网络模型有何区别? -
叶清璐13867416380 ______ 时间序列模型是指采用某种算法(可以是神经网络、ARMA等)模拟历史数据,找出其中的变化规律, 神经网络模型是一种算法,可以用于分类、聚类、预测等等不用领域; 两者一个是问题模型,一个是算法模型

池虹进3468时期序列和时点序列有什么区别?
叶清璐13867416380 ______ 1、依据指标值的时间特点,绝对数时间序列又分为时期序列和时点序列. 时期序列中,每一指标值反映现象在一定时期内发展的结果,即“过程总量”. 时点序列中,每一指标值反映现象在一定时点上的瞬间水平. 2、一个针对时间段,一个针对时间点,针对的对象不同

池虹进3468stata怎样做动态面板数据的分析 -
叶清璐13867416380 ______ 步1:数据作如下排列(excel):province year gdp fdi 步2:全选后,打开stata中的data editor窗口,粘贴;步3:在命令框中输入 tis year iis province 就可以了下来就可以用xtreg方法了

（编辑：自媒体）