Moving Average Fenster Stata

Diese Datenstruktur ist für den Zweck recht untauglich. Angenommen, eine Identifikations-ID, die Sie neu formatieren müssen. z. B. Dann ist ein gleitender Durchschnitt einfach. Verwenden Sie tssmooth oder einfach nur generieren. z. B. Mehr darüber, warum Ihre Datenstruktur ganz untauglich ist: Nicht nur die Berechnung eines gleitenden Durchschnitts benötigt eine Schleife (nicht unbedingt mit egen), aber Sie würden mehrere neue Extravariablen erstellen. Mit denen in jeder nachfolgenden Analyse wäre irgendwo zwischen ungeschickt und unmöglich. EDIT Ill geben eine Probe Schleife, während nicht aus meiner Haltung, dass es schlechte Technik ist. Ich sehe keinen Grund hinter deiner Namenskonvention, wobei P1947 ein Mittelwert für 1943-1945 ist. Ich nehme an, das ist nur ein Tippfehler. Angenommen, wir haben Daten für 1913-2012. Für 3 Jahre lang verlieren wir ein Jahr an jedem Ende. Das könnte genauer geschrieben werden, auf Kosten einer Makre von Makros in Makros. Mit ungleichen Gewichten ist einfach, wie oben. Der einzige Grund, egen zu benutzen, ist, dass es nicht aufgibt, wenn es Verpassungen gibt, die das oben tun wird. Aus Gründen der Vollständigkeit ist zu beachten, dass es leicht ist, Verpassungen zu behandeln, ohne auf egen zurückzugreifen. Und der Nenner Wenn alle Werte fehlen, wird dies auf 00 reduziert oder fehlt. Andernfalls, wenn irgendein Wert fehlt, fügen wir 0 zum Zähler und 0 zum Nenner hinzu, der derselbe ist, der ihn ignoriert. Natürlich ist der Code erträglich wie oben für Mittelwerte von 3 Jahren, aber entweder für diesen Fall oder für die Mittelung über mehr Jahre, würden wir ersetzen die Zeilen oben durch eine Schleife, was ist, was egen does. When Berechnung eines laufenden gleitenden Durchschnitt, Platzierung der Durchschnitt in der mittleren Zeitspanne macht Sinn Im vorigen Beispiel berechneten wir den Durchschnitt der ersten 3 Zeiträume und platzierten sie neben Periode 3. Wir konnten den Mittelpunkt in der Mitte des Zeitintervalls von drei Perioden platzieren, das heißt, Neben der Periode 2. Das funktioniert gut mit ungeraden Zeiträumen, aber nicht so gut für gerade Zeiträume. Also, wo würden wir den ersten gleitenden Durchschnitt platzieren, wenn M 4 Technisch, würde der Moving Average bei t 2,5, 3,5 fallen. Um dieses Problem zu vermeiden, glätten wir die MAs mit M 2. So glätten wir die geglätteten Werte Wenn wir eine gerade Anzahl von Ausdrücken beurteilen, müssen wir die geglätteten Werte glätten. Die folgende Tabelle zeigt die Ergebnisse mit M 4. Ich habe eine Liste von Personen , Registrierungszeiten und Noten. In Stata möchte ich einen gleitenden Durchschnitt der Punktzahl auf der Grundlage eines Zeitfensters um jede Beobachtung berechnen (kein Fenster, das auf der Verzögerung der Anzahl der Beobachtungen basiert). Zum Beispiel, vorausgesetzt - 2 Tage auf beiden Seiten und ohne die aktuelle Beobachtung, Ich versuche, so etwas zu berechnen: Ive versucht, den Datensatz mit tsset zu definieren und dann tssmooth verwenden. Aber konnte es nicht zur Arbeit bringen. Da gibt es mehrere Beobachtungen für einen bestimmten Zeitraum Ich bin mir nicht sicher, dass dies sogar der richtige Ansatz ist. Auch in Wirklichkeit ist die Tagesvariable ein tc Zeitstempel. Fragte am 6.12 bei 16:04 tsset kann hier nicht helfen, auch wenn du deine mal regelmäßig beabstandet hast, da du einige wiederholte Werte für die Zeit hast, aber deine Daten nicht als Paneldaten in Statas sense qualifizieren. Aber das Problem sollte zu einer Schleife über Möglichkeiten. Zuerst können wir Ihr Beispiel buchstäblich mit ganzzahligen Tagen nehmen. Hier nehmen wir keine fehlenden Werte an. Das Prinzip, um voranzutreiben, ist der Durchschnitt anderer (Summe aller - dieser Wert) (Anzahl der Werte - 1) In der Praxis wollen Sie nicht alle möglichen Datumszeiten in Millisekunden abschleifen. Also, versuchen Sie eine Schleife über Beobachtungen dieser Form. Beachten Sie ltpseudocodegt Elemente. Dieses Papier ist auch relevant: Wenn Verpassungen möglich sind, muss eine Zeile komplizierter sein, dh wenn der aktuelle Wert fehlt, subtrahieren wir 0 aus der Summe und 0 aus der Anzahl der Beobachtungen. EDIT: Für 2 Tage in Millisekunden, nutzen Sie die eingebaute Funktion und verwenden cofd (2).