الفنية ل إنشاء واحد في لوحة البيانات في و الحسابية - الفوركس

للأسئلة سريعة البريد الإلكتروني dataprinceton. edu. لا أبتس. ضرورية خلال المشي في ساعات. ملاحظة: مختبر دس مفتوح طالما فايرستون مفتوح، لا المواعيد اللازمة لاستخدام أجهزة الكمبيوتر المختبرية لتحليل الخاصة بك. بيانات الفريق مقدمة البيانات الخاصة بالبيانات، والتي تسمى أيضا البيانات الطولية أو بيانات السلاسل الزمنية المقطعية العرضية، هي البيانات التي لوحظت فيها حالات متعددة (أشخاص، شركات، بلدان، إلخ) في فترتين زمنيتين أو أكثر. ومن الأمثلة على ذلك الدراسة الاستقصائية الطولية الوطنية للشباب، حيث تم مسح عينة ممثلة على الصعيد الوطني للشباب بصورة متكررة على مدى عدة سنوات. هناك نوعان من المعلومات في بيانات سلسلة زمنية مستعرضة: المعلومات المستعرضة المنعكسة في الاختلافات بين المواضيع، وسلسلة زمنية أو داخل الموضوع المعلومات تنعكس في التغييرات داخل المواضيع مع مرور الوقت. تقنيات الانحدار البيانات لوحة تسمح لك للاستفادة من هذه الأنواع المختلفة من المعلومات. في حين أنه من الممكن استخدام تقنيات الانحدار متعددة العادية على بيانات لوحة، فإنها قد لا تكون الأمثل. قد تخضع تقديرات المعاملات المستمدة من الانحدار لتحيز متغير محذوف - وهي مشكلة تنشأ عندما يكون هناك متغير أو متغيرات غير معروفة لا يمكن السيطرة عليها مما يؤثر على المتغير التابع. مع بيانات لوحة، فمن الممكن للسيطرة على بعض أنواع المتغيرات حذف حتى من دون مراقبتها، من خلال مراقبة التغيرات في المتغير التابع مع مرور الوقت. ويتحكم هذا في المتغيرات المحذوفة التي تختلف بين الحالات ولكنها ثابتة على مر الزمن. ومن الممكن أيضا استخدام بيانات لوحة للتحكم في المتغيرات حذفت التي تختلف مع مرور الوقت ولكنها ثابتة بين الحالات. استخدام بيانات اللوحة في ستاتا ينبغي أن تحتوي مجموعة بيانات الفريق على بيانات عن الحالات n، على مدى فترات زمنية t، لمجموع ملاحظات n مرات. ويقال إن البيانات من هذا القبيل تكون في شكل طويل. في بعض الحالات قد تأتي البيانات الخاصة بك في ما يسمى النموذج الواسع، مع ملاحظة واحدة فقط لكل حالة والمتغيرات لكل قيمة مختلفة في كل فترة زمنية مختلفة. لتحليل البيانات مثل هذا في ستاتا باستخدام الأوامر لتحليل البيانات لوحة، تحتاج إلى أولا تحويله إلى شكل طويل. ويمكن القيام بذلك باستخدام الأمر ستاتاس إعادة تشكيل. للمساعدة في استخدام إعادة تشكيل، انظر ستاتاس المساعدة عبر الإنترنت أو هذه الصفحة على شبكة الإنترنت. توفر ستاتا عددا من الأدوات لتحليل بيانات اللوحة. الأوامر كلها تبدأ مع شت بادئة وتشمل ستريغ، زتبروبيت، زتسوم و شتباب - إصدارات البيانات لوحة من ريج مألوفة، بروبيت، مجموع وأوامر التبويب. لاستخدام هذه الأوامر، أخبر ستاتا أولا أن مجموعة البيانات الخاصة بك هي بيانات اللوحة. يجب أن يكون لديك متغير يحدد عنصر الحالة في اللوحة (على سبيل المثال، معرف البلد أو الشخص) وأيضا متغير الوقت في تنسيق تاريخ ستاتا. للحصول على معلومات حول تنسيقات متغيرات ستاتاس، راجع بيانات سلسلة الوقت في صفحة ستاتا. فرز البيانات الخاصة بك عن طريق متغير لوحة ثم من خلال متغير التاريخ داخل متغير لوحة. ثم تحتاج إلى إصدار الأمر تسيت لتحديد لوحة ومتغيرات التاريخ. إذا كان متغير اللوحة يدعى بانلفار ويسمى متغير التاريخ دريفار، فإن الأوامر المطلوبة هي: إذا كنت تفضل استخدام القوائم، استخدم الأمر ضمن "إعداد سلسلة الوقت الإحصائيات" و وتيليتيز تعلن البيانات لتكون سلسلة زمنية. ثابت، بين وعشوائية تأثيرات نماذج الانحدار المؤثرات الثابتة الانحدار المؤثرات الثابتة هو نموذج لاستخدامها عندما تريد السيطرة على المتغيرات المحذوفة التي تختلف بين الحالات ولكنها ثابتة مع مرور الوقت. فإنه يتيح لك استخدام التغييرات في المتغيرات مع مرور الوقت لتقدير آثار المتغيرات المستقلة على المتغير التابع الخاص بك، وهي التقنية الرئيسية المستخدمة لتحليل البيانات لوحة. أمر الانحدار الخطي على لوحة البيانات مع الآثار الثابتة في ستاتا هو ستريغ مع الخيار في، تستخدم مثل هذا: إذا كنت تفضل استخدام القوائم، الأمر تحت الاحصائيات سلسلة زمنية عبر قطاعات المقطع الخطي نماذج الانحدار الخطي. وهذا يعادل توليد متغيرات وهمية لكل حالة من الحالات الخاصة بك وإدراجها في الانحدار الخطي القياسية للسيطرة على هذه الآثار حالة ثابتة. وهو يعمل بشكل أفضل عندما يكون لديك حالات أقل نسبيا وفترات زمنية أطول، حيث أن كل متغير وهمية يزيل درجة واحدة من الحرية من النموذج الخاص بك. بين تأثير الانحدار مع بين الآثار هو نموذج لاستخدامها عندما تريد السيطرة على المتغيرات المحذوفة التي تتغير مع مرور الوقت ولكنها ثابتة بين الحالات. انها تسمح لك لاستخدام الاختلاف بين الحالات لتقدير تأثير المتغيرات المستقلة المحذوفة على المتغير التابع. أمر الانحدار الخطي على البيانات لوحة مع بين الآثار في ستاتا هو ستريغ مع أن يكون الخيار. تشغيل إكستريغ مع بين الآثار يعادل أخذ متوسط ​​كل متغير لكل حالة عبر الزمن وتشغيل الانحدار على مجموعة البيانات المنهارة من الوسائل. وبما أن هذا يؤدي إلى فقدان المعلومات، بين الآثار لا تستخدم كثيرا في الممارسة العملية. الباحثون الذين يرغبون في النظر في آثار الوقت دون النظر في آثار لوحة عموما سوف تستخدم مجموعة من المتغيرات وهمية الوقت، وهو نفس الوقت تشغيل تأثيرات ثابتة. إن التأثير بين مقدر التأثير مهم في الغالب لأنه يستخدم لإنتاج مقدر الآثار العشوائية. التأثيرات العشوائية إذا كان لديك سبب للاعتقاد بأن بعض المتغيرات المحذوفة قد تكون ثابتة مع مرور الوقت ولكنها تختلف بين الحالات، وقد يتم إصلاح حالات أخرى بين الحالات ولكنها تختلف بمرور الوقت، فيمكنك تضمين كلا النوعين باستخدام تأثيرات عشوائية. ستاتاس تقدير الآثار العشوائية هو المتوسط ​​المرجح من ثابت وبين الآثار. أمر الانحدار الخطي على بيانات لوحة مع تأثيرات عشوائية في ستاتا هو ستريغ مع خيار إعادة. الاختیار بین التأثیرات الثابتة والعشوائیة تقوم الطریقة المقبولة عموما للاختیار بین التأثیرات الثابتة والعشوائیة بتشغیل اختبار هوسمان. إحصائيا، الآثار الثابتة هي دائما شيء معقول للقيام مع البيانات لوحة (أنها تعطي دائما نتائج متسقة) لكنها قد لا تكون النموذج الأكثر كفاءة لتشغيل. سوف آثار عشوائية تعطيك أفضل P - القيم كما أنها مقدر أكثر كفاءة، لذلك يجب تشغيل تأثيرات عشوائية إذا كان ستاتيستكالي مبرر للقيام بذلك. اختبار هوسمان يتحقق نموذج أكثر كفاءة ضد نموذج أقل كفاءة ولكن متسقة للتأكد من أن نموذج أكثر كفاءة كما يعطي نتائج متسقة. لتشغيل اختبار هوسمان مقارنة ثابتة مع تأثيرات عشوائية في ستاتا، تحتاج إلى تقدير أول نموذج الآثار الثابتة، حفظ المعاملات بحيث يمكنك مقارنتها مع نتائج النموذج التالي، وتقدير نموذج الآثار العشوائية، ثم القيام به مقارنة. ويختبر اختبار هوسمان الفرضية الصفرية أن المعاملات المقدرة بواسطة مقدر الآثار العشوائية الفعالة هي نفس المعاملات التي يقدرها مقدر التأثير الثابت الثابت. إذا كانت (قيمة P ضئيلة، Probchi2 أكبر من 0.05) فإنه من الآمن استخدام تأثيرات عشوائية. إذا كنت تحصل على قيمة P كبيرة، ومع ذلك، يجب عليك استخدام تأثيرات ثابتة. مزيد من القراءة بين المقدرين من ستاتا نقاش يقارن بين المقدر لمقدر الآثار العشوائية. اختبار للتغاير غير المتجانسة على مستوى اللوحة والربط الذاتي من ستاتا يشمل الأمر المكتوب من قبل المستخدم الذي يقوم بإجراء اختبار بسيط للارتباط المتسلسل. مقدمة في الاقتصاد القياسي من قبل جيمس H. ستوك ومارك دبليو واتسون، 2003 هذا النص لديه مناقشة جيدة من الناحية النظرية وراء تحليل البيانات لوحة، وكان يستخدم في إعداد هذه الصفحة. انظر على وجه الخصوص الفصل 8، الانحدار مع البيانات لوحة. كوبي 2007 أمناء جامعة برينستون. كل الحقوق محفوظة. dataprinceton. edu ملاحظة: المعلومات هي لجامعة برينستون. لا تتردد في استخدام الوثائق ولكن لا يمكننا الإجابة على الأسئلة خارج برينستون هذه الصفحة آخر تحديث للموقع: ستاتا: تحليل البيانات والبرامج الإحصائية نيكولاس J. كوكس، جامعة دورهام، المملكة المتحدة سكوت ميريمان، وزارة الزراعة الأمريكية لدي بيانات لوحة. لوحة واحدة (بلد، شركة، شخص، أيا كان) بمثابة لوحة مرجعية. كيف يمكنني ربط القيم للألواح الأخرى بتلك اللوحة المرجعية، كنسبة (هذه القيمة بينرسكوس لهذا الوقت) (قيمة بينلرسكوس المرجعية لهذا الوقت) أو كيف أعمل مع مرة واحدة (1700، 1952، أيا كان) كوقت مرجعي 1. تحديد متغير الفائدة والمرجع لإصلاح الأفكار، سنعمل مع مجموعة بيانات لوحة، والتي يمكن تحميلها من موقع ستاتا:. استخدام ستاتا-pressdatar14grunfeld، مسح تتضمن هذه المجموعة البيانات الاقتصادية على 10 شركات مجهولة لمدة 20 عاما، 1935ndash54. تم تحديد بنية اللوحة مع ستست. متغير اللوحة هو الشركة. ومتغير الوقت هو السنة. رسميا، وضع هيكل لوحة باستخدام زستيست ليست ضرورية لما يلي، ولكنها فكرة جيدة على أي حال. الشركة المعينة 1 لديها أعلى مفالو ​​طوال هذه الفترة، ولذا فإننا سوف تستخدم هذه الشركة المرجعية لتوضيح تقنية وسوف تعمل مع مفالو ​​للتوضيح. في وقت لاحق، وسوف تظهر كيف يمكن استخدام نفس المنطق ستاتا عندما تريد العمل مع الوقت المرجعي. ومن الناحية الموضوعية، تختلف هذه المشكلة، ولكن منطق البرنامج متطابق. اختيار شركة 1rsquos القيم من السهل:. تولد مفالويرف مفالو ​​إف كومباني 1 النتيجة الطبيعية لهذا الأمر هي وضع القيم المفقودة في ملاحظات مفالويرف للشركات الأخرى. 2. نشر قيم ريفيرنسرسكوس إلى ملاحظات أخرى الخطوة التالية، وهي تلك التي تبدو لأول وهلة أصعب، هو نشر تلك القيم للشركات الأخرى. دعونا نتصور نتائج من نوع أولا على أساس سنوي ثم في غضون عام على مفالويرف. على سبيل المثال، القيمة الأولى من السنة هي 1935، وضمن جميع القيم لعام 1935، سيتم فرز 10 شركات وفقا لمفالويرف. الآن، على الأكثر، قيمة واحدة ل مفالويرف لعام 1935 سيكون نونميسينغ، قيمة للشركة 1 جميع الآخرين سوف تكون مفقودة، كما ذكرنا للتو. تكون نتيجة نوع على القيم الرقمية دائما لوضع القيم المفقودة آخر، بعد أي قيم غير نيميسينغ. باختصار، لكل سنة. فإن أي قيمة غير معلقة ينتهي دائما كقيمة أولى. يمكننا استغلال هذه الحقيقة لنشر قيم بانلرسكوس المرجعية إلى لوحات أخرى:. بيفورت يار (مفالويرف): ريبلاس مفالويرف mvalueref1 هذا البيان يقوم بالكثير في وقت واحد، والذي يمكن تفكيكه على النحو التالي: فرز على السنة ثم في غضون سنة على مفالويرف لكل كتلة من البيانات عن كل سنة. استبدال مفالويرف مع القيمة الأولى التي يأخذها في تلك الكتلة. (تحت عنوان فارليست: يتم تفسير النصوص الفرعية مثل 1 داخل كل كتلة، وليس بالإشارة إلى مجموعة البيانات ككل). انظر الكتيبات أو البرنامج التعليمي في كوكس (2002). 3. حساب الكمية المطلوبة الآن يمكننا حساب ما نريد، ويقول،. توليد مفالويسك مفالويمفالريف أو لوغاريتم ذلك، أو الفرق. 4. ما يمكن أن يحدث خطأ في هذا النهج يبدو أن مجموعة البيانات هذه في حالة ممتازة. لا توجد قيم مفقودة في مجموعة البيانات، وأنها كاملة مع جميع الشركات ممثلة لجميع السنوات. هناك أمران غالبا ما يكونان خاطئين مع مجموعات البيانات الأخرى. أولا، نفترض أن مفالو ​​كانت في الواقع مفقودة في عام 1935 وبالنسبة للشركة 1. ثم كل القيم 10 مفالويرف ستولد في عداد المفقودين لعام 1935 وستبقى كذلك بعد الفرز ومن ثم استبدال ذهن. بعض قيمة مفقودة سوف تحصل على فرز إلى المركز الأول في عام 1935 (لا يهم أي، كما هي متطابقة كلها)، والنقص في الحصول على الكتابة من قبل مفقودة. وهذا يبدو عادلا. ثانيا، لنفترض مفالو ​​لعام 1935 والشركة 1، في الواقع، حذفت من مجموعة البيانات. ثم كل القيم التسعة من مفالويرف للشركات 2ndash10 ستولد في عداد المفقودين لعام 1935، والنتيجة تشبه ذلك في الوضع السابق، وإن كان لسبب مختلف. وبالتالي فإن للمشكلتين الرئيسيتين عواقب معقولة ولا تؤثران على الملاحظات باستثناء السنة التي تنطبق عليها. 5. كيف نطبق هذا النهج في وقت مرجعي ينطبق منطق ستاتا نفسه عندما نرغب في العمل مع وقت مرجعي. لنفترض لمجموعة البيانات هذه التي نود أن نقارن القيم مع تلك في عام 1950. أولا، استخدم القيم لعام 1950 فقط:. توليد مفالويرف مفالو ​​إذا سنة 1950 ثم نشر تلك القيمة إلى الملاحظات الأخرى في كل لوحة:. بيسورت كومباني (مفالويرف): ريبلاس مفالويرف mvalueref1 قد يميل إلى القيام بشيء من هذا القبيل:. شركة بييسورت (يار): جين مفالريف mvalue16 هذا النهج يتوقف على ملاحظة أن مجموعة البيانات المعنية هي لوحة متوازنة، والتي لوحظت كل شركة لجميع السنوات من 1935 إلى 1954. وهكذا، عندما كل لوحة في النظام العام، والقيمة لعام 1950 هو 16 في كل لوحة. الحل يعمل لهذا المثال، وسوف تعمل حلول مماثلة كلما كان لديك لوحات متوازنة، ولكنها ليست أسلوب جيد. أولا، في ملف سجل قد لا يكون الشفرة أعلاه شفافة إلا إذا قمت بإضافة تعليق، لأن ضمنا استخدام الملاحظة 16 قد لا تكون واضحة في قراءة لاحقة. ثانيا، والأهم من ذلك، هذا الحل لا تنتقل إلى لوحات غير متوازنة. 6. نهج إغن هنا طريقة أخرى للقيام بذلك. في بعض النواحي، هو تقنية أسوأ، ولكن بطرق أخرى فإنه يظهر المزيد من قوة ستاتا. . شركة إيسن مفالوريف (كوند (عام 1950، مفالو.)) يستخدم التعبير كوند (عام 1950، مفالو) القيمة ل مفلو عندما يكون عام 1950 و مفقود خلاف ذلك. عند تشغيل من خلال إغن، مجموع () تحت رعاية من قبل لوحة:. يتم تطبيق القيمة لعام 1950 على كل ملاحظة في كل لوحة. إغن، توتال () يتجاهل الغياب في حسابه، وبالتالي فإن المجموع هو مطابق لقيمة لعام 1950. مرة أخرى، والتفكير من خلال ما قد يحدث خطأ. إذا كان مفالو ​​مفقودة لعام 1950 في أي لوحة، فإن المجموع سيكون أيضا مفقودا لهذه اللوحة. وإذا لم تكن هناك ملاحظة لعام 1950 في أي لوحة، فسيتم حساب مجموع القيم الأخرى في تلك اللوحة. في كلتا الحالتين، سيتم إرجاع المفقودين نتيجة لوحة، كما سيكون منصفا. وهذا النهج غير مكافئ. شركة بيزورت: إغين مفالوريف مجموع (مفالو) إذا عام 1950 لأن ذلك يترك أخطاء في كل مكان تقريبا وليس على الإطلاق أي مكاسب على (وفي الواقع أقل كفاءة بكثير من). جين مفالريف مفالو ​​إف يار 1950 أمثلة أخرى عن استخدام إغن في مشاكل لوحة تعطى في أسئلة وأجوبة أخرى: في إصدارات مختلفة قبل ستاتا 9، إغن، مجموع () كان يسمى إغن، سوم (). إذا كنت ترغب في معرفة المزيد عن كوند (). انظر البرنامج التعليمي من قبل كانتور و كوكس (2005). وللحصول على نقاش أعم حول المقارنات ضمن مجموعات البيانات، انظر كوكس (2011). المراجع كوكس، N. J. 2002. يتحدث ستاتا: كيفية التحرك خطوة: خطوة. ستاتا جورنال 2: 86ndash102. كانتور، D. أند N. J. كوكس. 2005. اعتمادا على الظروف: A تعليمي على وظيفة كوند (). ستاتا جورنال 5: 413ndash420. كوكس، N. J. 2011. يتحدث ستاتا: مقارنة مع. ستاتا جورنال 11: 305ndash314.