Stata时间序列数据的预处理

一、时间序列数据的预处理操作概述

在进行时间序列分析前，我们往往需要对数据进行预处理，预处理操作主要包括定义时间序列、绘制时间序列趋势图、扩展时间区间等。 对于一个带有日期变量的数据文件，Stata   16.0并不会自动识别并判定该数据是否是时间序列数据，尤其是数据含有多个日期变量的情形，所以要选取恰当的日期变量，然后定义时间序列，只有定义时间变量之后，才能方便地使用各种时间序列算子以及相关的时间序列分析命令。绘制时间序列趋势图的意义是可以迅速看出数据的变化特征，为后续更加精确地判断或者选择合适的模型做好必要准备。此外，在很多情况下，随着时间的推移，研究者得到了新的观测值，或者需要对时间序列进行预测，就会用到扩展时间区间的操作。

二、时间序列数据预处理的Stata操作

1 ．定义时间序列

（1 ）定义时间序列的命令

对于带有日期变量的数据文件， Stata   16.0并不会自动识别并判定该数据是否是时间序列数据，需要将数据定义为时间序列数据，只有定义时间变量之后，才能方便地使用各种时间序列算子以及相关的时间序列分析命令。

定义时间序列的命令及其语法格式为：

tsset timevar [,options]

tsset为定义时间序列的命令， timevar为用于标识时间序列数据的时间变量， [,options]为可选项，包括两类， 一类为unitoptions ，用来设置时间变量的单位，即设置时间是按照什么变化的，如天、周、日、小时等；另一类为deltaoptions ，设置时间变量的周期，即设置时间变量相邻样本观测值之间的间隔时间为几个单位。

其中unitoptions可选项及其含义如下表所示。

deltaoptions可选项及其应用如下表所示。

（2 ）调整时间设置的初始值

很多情况下，数据文件中timevar值的起始值为1 ，然后依次排序为   1 、2 、3 、4 、5… … ，我们完全可以通过函数将起始值调整到具有实际意义的日期。比如在某个数据文件中， timevar值就是起始值为1 ，然后依次排序为1 、2 、3 、4 、5… ，但实际上数据是从2004年6月开始的（即 timevar=1代表的是2004年6月的数据， timevar=2代表的是2004年7月的   数据…… ），为了赋予timevar实际日期，可以输入以下命令：

generate newtimevar=tm（2004m6 ）+timevar-1

generate为生成变量的命令， newtimevar为新生成变量的名称，函数 tm()可将时间转换成Stata系统默认的格式。但是在Stata系统默认的格式下可能是不易读的，因为Stata系统定义1960年1月为第0个月，所以2004 年6月对应第533个月，因而timevar=1对应的样本观测值

newtimevar=533 。而533是不易解读或者说无法直观解释的，所以需要 执行以下命令：

format newtimevar %tm

将变量newtimevar转换成%tm格式，以便于用户阅读。

在调整好时间设置的初始值后，记得重新设置时间变量，即把新生成的newtimevar作为时间变量，具体命令形式为：tsset newtimevar

（3 ）当时间变量为字符串形式时的处理

在有些情况下，在数据文件中拟指定为timevar 的变量是字符串格式的，我们需要首先将其转换成时间变量， 一般通过generate命令来实现。比如现有数据文件中timevar为字符串格式且单位为毫秒，按照“ 月- 日-年 小时:分:秒” 的格式显示，那么命令形式为：

generate double newtimevar=clock（timevar,"MDYhms"）

在将字符串变量转换为时间变量后，我们需要重新设置时间变量， 即把新生成的newtimevar作为时间变量，具体命令形式为：

tsset newtimevar, clocktime

虽然时间变量timevar 、newtimevar 的单位为毫秒，但是我们可以通过选项deltaoption设置时间变量的周期（period   of   timevar ），即设置时间变量相邻样本观测值之间的间隔时间为几个单位，以方便下面将要介绍的时间序列算子的使用。

比如我们想要设置时间间隔为5分钟，那么命令为：

tsset newtimevar ，delta （（1000*60*5 ））

因为单位为毫秒， 1000毫秒即为1秒， 1000*60毫秒即为1分钟， 1000*60*5 即为5分钟。

（4 ）清除数据的时间序列格式

如果我们要把数据恢复为普通的数据，那么命令就是：

tsset,clear

在命令窗口中输入命令并按回车键进行确认即可。

2 ．扩展时间区间

扩展时间区间的命令及其语法格式为：

tsappend, { add（# ） | last（date|clock ） tsfmt（string ） } [options]

用户在使用tsappend命令扩展时间区间之前，必须先用tsset命令定义时间变量。 tsappend为扩展时间区间的命令； add（# ）与last（date|clock ） tsfmt（string ）用于设置需扩展时间区间的具体情形， 两者选其一即可， add（# ）用于指定要增加的样本观测值个数。如果不设置add()选项，就必须同时设置last（date|     clock ）和tsfmt（string ）。 last（date|clock ）用于指定我们要将时间扩展到的日期， tsfmt（string ） 用于将last（date|clock ）选项中的日期转化成Stata默认时间所对应的整数，可用的string包括tc 、td 、tw 、tm 、tq 、th和ty。

3 ．绘制时间序列趋势图

绘制时间序列趋势图的命令及其语法格式为：

twoway（line varname timevar）

其中twoway（line ）为绘制时间序列趋势图的命令， varname为参与绘制时间序列趋势图的变量， timevar为时间变量。

一般情况下，我们要消除变量的时间序列长期走势后(或者说变量 平稳后)才能进行回归得出有效的结论，所以在绘制变量序列图的时候，如果该变量存在趋势，就应该进行一阶差分后再进行查看。所谓变量的一阶差分，指的是对变量的原始数据进行处理，用前面的数据减去 后面的数据后得出的一个新的时间序列。如果变量的一阶差分还是存在趋势，就应该进行二阶差分后再进行查看，以此类推，直到数据平稳。 所谓二阶差分，指的是在把一阶差分得到的时间序列数据作为原始数据，并进行前项减后项处理后得出新的时间序列。 一般情况下，如果数据的低阶差分是平稳的，那么高阶差分也是平稳的。

4.    时间序列算子

对时间序列数据进行处理时常常会用到变量的差分值、滞后值等。 如果我们要观测相邻两期数据之间的变化，则需要用到变量的差分值。 如果我们设置即期(当期)值为X, 则常用的时间序列算子及具体含义如下表所示。

5 ．信息准则

在很多时间序列模型的拟合中，需要用到信息准则的概念，在此进行特别介绍。众所周知，我们在拟合模型时，如果增加自由参数（或者理解为增加解释变量），可以在一定程度上提升拟合的效果，或者说提升模型的解释能力，但是自由参数（解释变量）的增加同时也会带来过度拟合（Overfitting ）的情况，甚至极端情况下出现多种共线性。为了达到一种平衡，帮助研究者合理选取自由参数（解释变量）的数目，统计学家们提出了信息准则的概念。信息准则鼓励数据拟合的优良性，但是同时针对多的自由参数（解释变量）采取了惩罚性措施，在应用信息准则时，无论何种信息准则，都是信息准则越小，说明模型拟合得越

好。假设有n个模型备选，可一次计算出n个模型的信息准则值，并找出最小信息准则值相对应的模型作为最终选择。

常用的信息准则包括赤池信息准则 (Akaike's   Criterion,AIC) 、   施瓦茨信息准则 (Schwarz's       Bayesian   Criterion,SBIC或者SC) 以及汉南-昆信息准则 (Hannan

Information        Criterion,HQIC)。其中赤池信息准则、施瓦茨信息准则的计算公式为：

三、 时间序列数据预处理分析示例

我们使用的数据来自“数据13”数据文件，其中记录了某大型 连锁商超15个门店的2015年至2019年的冰箱销售数据。这个数据文件中共有18个变量，为V1~V19, 分别表示“连锁门店1”~"连锁门店15"共15个门店变量以及“销量总数”“年份”"月份”"日期”4个变量，如下图所示。

从该数据文件中可以看出，无论是变量“年份”还是"月份”都不能代表时间变量，只有“日期”才是最为恰当的时间变量，其中同时包含年份和月份的信息。但是“ 日期”在该数据文件中为字符串变量，不能直接设置为时间变量。

在该数据文件的命令窗口中输入：

generate month=monthly（V19,"YM"）

本命令的含义是以生成新变量month的方式，将V19变量由字符串变量转换为数值变量。

format month %tm

本命令的含义是将变量month转换成%tm格式，以便于用户阅读。

tsset month

本命令的含义是将上一步生成的新变量month指定为时间变量。

twoway（line V16 month）

本命令的含义是以month为横轴，以V16（销售总额）为纵轴，绘制V16（销售总额）随时间变量month变化的时间序列趋势图，该命令的执行结果如下图所示。

twoway(line   d.V16   month)

本命令的含义是以month为横轴，以V16 (销售总额)的一阶差分值(d.V16) 为纵轴，绘制V16 (销售总额)的一阶差分值 (d.V16) 随时间变量month变化的时间序列趋势图，绘制结果如下图所示。