求问：stata对面板数据中各个体进行时间序列分析的操作

黃河泉 发表于 2017-7-11 10:14
1. 所以当 id = 1, 2 等等是没问题的吧？2. 看起来可能真的是求解过程中无法收敛的问题！这就不好处理了！ ...

这是输入code运行之后运行出来的结果，id=4就是第一个个体，没有id=1,2的过程
好的，还是谢谢您的耐心解答！

柏柏660 发表于 2017-7-11 10:36
这是输入code运行之后运行出来的结果，id=4就是第一个个体，没有id=1,2的过程
好的，还是谢谢您的耐心解 ...

要不要试试其他 id 呢？你资料中有 missing values，不知道会不会影响？

黃河泉 发表于 2017-7-11 10:48
要不要试试其他 id 呢？你资料中有 missing values，不知道会不会影响？

我看到运行显示有missing values,但是从表中直观地看并没有看到sales有missing values，但有一些是0，不知道是不是运行中所谓的“nearby values are missing”

柏柏660 发表于 2017-7-11 13:27
我看到运行显示有missing values,但是从表中直观地看并没有看到sales有missing values，但有一些是0，不知 ...

要不要将 id=4 的资料 show 出来，我帮你试试！

黃河泉 发表于 2017-7-11 15:29
要不要将 id=4 的资料 show 出来，我帮你试试！

a.dta (1.41 KB)

2017-7-11 15:44:24 上传

柏柏660 发表于 2017-7-11 15:44

请直接 show 出来，最好是用 dataex  (先 ssc install dataex 并见说明) 我就可以直接用！

1. dataex sale if id == 4

复制代码

黃河泉 发表于 2017-7-11 16:20
请直接 show 出来，最好是用 dataex  (先 ssc install dataex 并见说明) 我就可以直接用！

1. * Example generated by -dataex-. To install: ssc install dataex
   
2. clear
   
3. input double sales
   
4. 49871431.54
   
5. 94805963.49
   
6. 211734742.5
   
7. 205131739.6
   
8. 643607515.5
   
9. 333093143.4
   
10. 338607597.2
    
11. 120731223.8
    
12. 125647599.5
    
13. 131006632.9
    
14. 61984462.82
    
15. 121225612.8
    
16. 119534953.8
    
17. 106747751.9
    
18. 61376724.83
    
19. 45638997.5
    
20. 40449541.51
    
21. 43314824.87
    
22. 60080600.35
    
23. 131331494.7
    
24. 74503718.53
    
25. 97363301.61
    
26. 72784567.16
    
27.    80608820
    
28. 120454422.5
    
29. 287670026.6
    
30. end

复制代码

柏柏660 发表于 2017-7-11 16:56

1. 的确不收敛！ 2. 你可以修改

1. gen t = _n
   
2. tsset t
   
3. tssmooth hwinters hw1 = sales, parms(.7 .3) diff
   
4. format %13.2g sales hw1

复制代码

但我还不知道  parms(.7 .3) 是指该方法（我底一次听到的）什么部分，你要用此方法，你就必须去了解！

黃河泉 发表于 2017-7-11 18:17
1. 的确不收敛！ 2. 你可以修改但我还不知道  parms(.7 .3) 是指该方法（我底一次听到的）什么部分，你要 ...

parms(.7 .3)是指定的平滑参数，从而得到预测值；不指定该平滑参数是可以通过比较不同平滑指数下的SSE得到最优的平滑参数，从而得到最为准确的预测值。（“If parms() is not specified, the values are chosen by an iterative process to minimize the in-sample sum-of-squared prediction errors.”）
还是谢谢您的耐心解答！