stata时间序列截面数据指数平滑

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

如题，要用holt's linear exponential smoothing 做一个考虑季节因素的预测，
tsset stkid order, quarterly
tssmooth shwinters shw1=tinc

但是结果不收敛且总是显示“backed up”

刚刚接触实证方面的分析，还请大家多多指导 data for holt's linear exponential smoothing.dta (571.37 KB)

2016-1-17 23:29:36 上传

data

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Stata 时间序列 截面数据 tata 指数平滑

自己顶下，欢迎大家都来讨论呀

怎么没人来？

不收敛的原因可能有很多啦。一般来说就是你的数据不符合你的模型的假设。另外，一次性大量自动预测很多短的时间序列一般来说效果不会很好的。别指望了。

你可以对你的数据先做做time series decomposition，看看到底你的数据里都有啥。

我看你这个数据总体来说没啥季节性嘛

1. . xtset stkid Gorder
   
2.        panel variable:  stkid (unbalanced)
   
3.         time variable:  Gorder, 1 to 29
   
4.                 delta:  1 unit
   
5. r; t=0.02 23:13:14
   
6. 
   
7. . gen quarter=quarter(dofq(Gorder))
   
8. r; t=0.00 23:13:35
   
9. 
   
10. . reg tinc i.quarter
    
11. 
    
12.       Source |       SS       df       MS              Number of obs =   31334
    
13. -------------+------------------------------           F(  3, 31330) =    0.18
    
14.        Model |  3.4061e+19     3  1.1354e+19           Prob > F      =  0.9120
    
15.     Residual |  2.0095e+24 31330  6.4139e+19           R-squared     =  0.0000
    
16. -------------+------------------------------           Adj R-squared = -0.0001
    
17.        Total |  2.0095e+24 31333  6.4134e+19           Root MSE      =  8.0e+09
    
18. 
    
19. ------------------------------------------------------------------------------
    
20.         tinc |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
21. -------------+----------------------------------------------------------------
    
22.      quarter |
    
23.           2  |  -8.83e+07   1.27e+08    -0.70   0.486    -3.37e+08    1.60e+08
    
24.           3  |  -2.42e+07   1.30e+08    -0.19   0.853    -2.79e+08    2.31e+08
    
25.           4  |  -4.42e+07   1.31e+08    -0.34   0.735    -3.00e+08    2.12e+08
    
26.              |
    
27.        _cons |   1.05e+09   9.28e+07    11.27   0.000     8.64e+08    1.23e+09
    
28. ------------------------------------------------------------------------------

复制代码

夏目贵志 发表于 2016-1-19 12:14
不收敛的原因可能有很多啦。一般来说就是你的数据不符合你的模型的假设。另外，一次性大量自动预测很多短的 ...

非常感谢你的热心解答。
同时多说一句供各位吧友参考：遇到这种观测值绝对值相对较大的情形，可以尝试更换单位或者正则化，会有帮助。

在使用Holt's Linear Exponential Smoothing进行时间序列预测时遇到"backed up"的信息通常意味着Stata在尝试优化模型参数（比如平滑系数）以拟合数据时遇到了问题。这可能是由于初始化值的选择、数据的特性或者是模型不适合特定的数据结构所引起的。

考虑到你的数据有季度性(seasonality)，你可能需要使用Holt-Winters方法，这是Holt's Linear Exponential Smoothing的一个扩展版本，专门用于处理带有季节性的数据。在Stata中直接进行Holt-Winters分析的方法有限，但可以通过`tssmooth shwinters`命令进行一次非季节性平滑（尽管你指定了季节性平滑），然而这可能不会自动考虑到季度周期性。

为了更有效地使用指数平滑并考虑季度性，你可以尝试以下几个步骤：

1. **初始化和参数选择**：确保你的初始化值合理，并且参数选择合适。不合适的初始条件或参数可能会导致优化过程遇到问题。
   
2. **数据预处理**：检查数据中是否存在明显的异常值或者缺失值，这些问题可能会影响模型的收敛性。

3. **尝试不同的指数平滑方法**：尽管`tssmooth shwinters`可以进行Holt-Winters平滑，但你可能需要考虑使用其他软件包或编程语言（如R、Python中的statsmodels库），它们提供了更丰富的选项和更好的控制来处理季节性的数据。

4. **调整预测模型的参数**：在一些情况下，手动调整参数可能会帮助达到更好的拟合结果。这通常涉及到试错过程，通过改变平滑系数等参数来看哪些值能提供最佳拟合或预测性能。

5. **检查模型假设**：确保你的数据满足Holt-Winters方法的基本假设（如线性趋势和稳定的季节模式）。

如果在Stata中使用`shwinters`命令遇到问题，“backed up”信息可能意味着它正在回溯以找到一个可行的解决方案，但这并不总是成功的。因此，探索不同的建模策略或使用更灵活的软件环境可能会更有帮助。
   
希望这些建议对你有所帮助！如果有具体的数据或者你尝试过的方法，提供更多的细节可以有助于得到更具体的建议。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用