Moving Media Window Stata

Questa struttura di dati è piuttosto inadatta allo scopo. Assumendo un id identificativo è necessario rimodellare. per esempio. Poi una media mobile è facile. Utilizzare tssmooth o semplicemente generare. per esempio. Più sul perché la struttura dei dati è del tutto inadatto: Non solo il calcolo di una media mobile hanno bisogno di un ciclo (che non prevedono necessariamente Egen), ma sarebbe la creazione di diverse nuove variabili aggiuntive. Utilizzando quelli in qualsiasi analisi successiva sarebbe da qualche parte tra scomodo e impossibile. EDIT Ill dare un loop del campione, mentre non si muove dalla mia presa di posizione che è la tecnica povera. Non vedo una ragione dietro la convenzione di denominazione per cui P1947 è un mezzo per 1943-1945 presumo questo è solo un errore di battitura. Consente di supporre che abbiamo i dati per il 1913-2012. Per mezzo di 3 anni, si perde un anno presso ogni estremità. Questo potrebbe essere scritto in modo più conciso, a scapito di una raffica di macro all'interno di macro. Utilizzando pesi disuguali è facile, come sopra. L'unica ragione per usare egen è che si pretende molto rinunciare se ci sono mancanze, che quanto sopra farà. Come una questione di completezza, si noti che è facile da gestire missings senza ricorrere a Egen. e il denominatore Se tutti i valori sono mancanti, questo si riduce a 00, o mancante. Altrimenti, se un valore è mancante, si aggiunge 0 al numeratore e al denominatore 0, che è la stessa di ignorarlo. Naturalmente il codice è tollerabile come sopra per le medie di 3 anni, ma sia per quel caso o per una media su più anni, si dovrebbe sostituire le linee sopra da un loop, che è ciò che egen does. When calcolo di una media in esecuzione in movimento, ponendo il medio nel periodo di tempo medio senso nell'esempio precedente abbiamo calcolato la media dei primi 3 periodi di tempo e lo mise accanto al periodo 3. avremmo potuto messo la media al centro dell'intervallo di tempo di tre periodi, cioè, accanto al periodo 2. Questo metodo funziona bene con i periodi di tempo dispari, ma non così buono anche per periodi di tempo. Allora, dove ci sarebbe posto la prima media mobile quando M 4 Tecnicamente, la media mobile sarebbe caduta a t 2.5, 3.5. Per evitare questo problema si liscia la MAs utilizzando M 2. Così si liscia i valori livellati Se calcoliamo la media un numero di termini, abbiamo bisogno di smussare i valori livellati La seguente tabella mostra i risultati utilizzando M 4.I abbiamo una lista di persone , i tempi di registrazione, e punteggi. In Stata voglio calcolare una media mobile di punteggio basato su una finestra volta ogni osservazione (non una finestra in base al numero di osservazioni laggingleading). Per esempio, assumendo - 2 giorni su entrambi i lati e non tra cui l'osservazione corrente, Im cercando di calcolare qualcosa di simile: Ive ha tentato di definire il set di dati con tsset e quindi utilizzare tssmooth. ma couldnt farlo funzionare. Dal momento che ci possono essere più osservazioni per un dato periodo di tempo Im non sicuro che questo è anche il giusto approccio. Inoltre, in realtà la variabile giorno è un timestamp tc. chiesto 6 dicembre 13 alle 16:04 tsset aiuto sopraelevazione qui, anche se hai fatto i tempi distanziati regolarmente, quando si dispone di alcuni valori ripetuti per il tempo, ma i dati non sono qualificati di dati panel in Statas senso. Ma il problema deve cedere a un ciclo sopra le possibilità. In primo luogo, consente di dare il vostro esempio letteralmente usando giorni interi. Qui non ci assumiamo alcuna valori mancanti. Il principio di portare avanti è nella media degli altri (somma di tutti - questo valore) (numero di valori - 1) In pratica, non volete ciclare su tutte le possibili data-volte in millisecondi. Quindi, provare un ciclo su osservazioni di questo modulo. Nota elementi ltpseudocodegt. Questo documento è anche rilevante: se missings sono possibili, una linea deve essere più complicato: il che significa che se il valore corrente non è presente, sottraiamo 0 dalla somma e 0 dal numero di osservazioni. EDIT: Per 2 giorni in millisecondi, di sfruttare la funzione integrato e utilizzare cofd (2).