stata去时间趋势的命令？

primmxz

41938

收藏 2013-09-07

悬赏 30 个论坛币已解决

对于仅仅存在时间趋势的变量，则使用对时间进行回归消除时间趋势，即去趋势。

请问有没有现成的stata命令？

最佳答案

xingxf 查看完整内容

你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个变量的residual。Stata命令如下： reg y t predict y_detrended, resid 生成的y_detrended就是你要的

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

全部回复

xingxf

2013-9-7 23:42:22

你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个变量的residual。Stata命令如下：

reg y t
predict y_detrended, resid

生成的y_detrended就是你要的

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

emilychou

2013-9-10 02:26:59

xingxf 发表于 2013-9-7 23:42
你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个 ...

学到一招。
这个是不是和加入trend dummy效果一样？

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

xingxf

2013-9-10 08:05:30

emilychou 发表于 2013-9-10 02:26
学到一招。
这个是不是和加入trend dummy效果一样？

没太明白你的问题，trend不是dummy啊，dummy是一个0，1变量，而trend是系数乘以t。

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

emilychou

2013-9-11 16:17:05

xingxf 发表于 2013-9-10 08:05
没太明白你的问题，trend不是dummy啊，dummy是一个0，1变量，而trend是系数乘以t。

没说清楚，dummy不一定只是0/1，那只是dummy的一种吧。
我之前去trend一直用加入一个 trend项，gen trend＝_n
应该是一个效果。。

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

xingxf

2013-9-11 18:31:03

emilychou 发表于 2013-9-11 16:17
没说清楚，dummy不一定只是0/1，那只是dummy的一种吧。
我之前去trend一直用加入一个 trend项，gen tren ...

不好意思，你的计算方法我认为是不正确的。
一般说dummy，就是指一个binary变量，取值0，1。至于你说的_n，我们肯定不能称其为dummy。
另外，加入trend，trend就是指系数乘以时间变量t，你做的_n，我认为是不正确的。
另外，detrend就是指对trend回归，得到residual，你那种做法在定义上本身就是不正确的，在最终结果上必然是不一样的。

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

点击查看更多内容…

xjtuluo

2013-9-12 20:41:49

多谢Xingxf，学到一招久违了的去时间效应处理方法，早两年自个想了很久也没开窍

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

蓝色

2013-9-13 00:04:01

xingxf 发表于 2013-9-11 18:31
不好意思，你的计算方法我认为是不正确的。
一般说dummy，就是指一个binary变量，取值0，1。至于你说的_ ...

webuse sunspot,clear
gen trend=_n

list in 1/10

reg spot time
predict e1,r
est store ols1

reg spot trend
predict e2,r
est store ols2

list spot time trend e1 e2 in 1/10

est tab ols1 ols2

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

蓝色

2013-9-13 00:05:22

. webuse sunspot,clear
(TIMESLAB: Wolfer sunspot data)

. gen trend=_n

.
. list  in 1/10

   +---------------------+
   | spot time trend |
   |---------------------|
  1. | 80.9 1749    1 |
  2. | 83.4 1750    2 |
  3. | 47.7 1751    3 |
  4. | 47.8 1752    4 |
  5. | 30.7 1753    5 |
   |---------------------|
  6. | 12.2 1754    6 |
  7. |  9.6 1755    7 |
  8. | 10.2 1756    8 |
  9. | 32.4 1757    9 |
10. | 47.6 1758    10 |
   +---------------------+

.
. reg spot time

   Source |    SS    df    MS             Number of obs =    215
-------------+------------------------------          F(  1, 213) = 2.28
   Model |  3527.57557    1  3527.57557          Prob > F    =  0.1325
Residual |  329410.313 213  1546.52729          R-squared    =  0.0106
-------------+------------------------------          Adj R-squared =  0.0060
   Total |  332937.888 214  1555.78452          Root MSE    =  39.326

------------------------------------------------------------------------------
      spot |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
      time | .0652643 .0432132    1.51 0.132    -.019916 .1504446
   _cons |  -71.92639 80.24853 -0.90 0.371 -230.1094 86.25662
------------------------------------------------------------------------------

. predict e1,r

. est store ols1

.
. reg spot trend

   Source |    SS    df    MS             Number of obs =    215
-------------+------------------------------          F(  1, 213) = 2.28
   Model |  3527.57557    1  3527.57557          Prob > F    =  0.1325
Residual |  329410.313 213  1546.52729          R-squared    =  0.0106
-------------+------------------------------          Adj R-squared =  0.0060
   Total |  332937.888 214  1555.78452          Root MSE    =  39.326

------------------------------------------------------------------------------
      spot |    Coef. Std. Err.    t P>|t|    [95% Conf. Interval]
-------------+----------------------------------------------------------------
   trend | .0652643 .0432132    1.51 0.132    -.019916 .1504446
   _cons | 42.15564 5.382776    7.83 0.000    31.54531 52.76597
------------------------------------------------------------------------------

. predict e2,r

. est store ols2

.
.

. list spot time trend e1 e2 in 1/10

   +---------------------------------------------+
   | spot time trend       e1       e2 |
   |---------------------------------------------|
  1. | 80.9 1749    1    38.6791    38.6791 |
  2. | 83.4 1750    2 41.11383 41.11383 |
  3. | 47.7 1751    3 5.348568 5.348568 |
  4. | 47.8 1752    4 5.383302 5.383302 |
  5. | 30.7 1753    5 -11.78196 -11.78196 |
   |---------------------------------------------|
  6. | 12.2 1754    6 -30.34723 -30.34723 |
  7. |  9.6 1755    7 -33.01249 -33.01249 |
  8. | 10.2 1756    8 -32.47776 -32.47776 |
  9. | 32.4 1757    9 -10.34302 -10.34302 |
10. | 47.6 1758    10 4.791715 4.791715 |
   +---------------------------------------------+

.
. est tab ols1 ols2

----------------------------------------
Variable | ols1       ols2
-------------+--------------------------
      time |  .06526432
   trend |             .06526432
   _cons | -71.926385    42.15564
----------------------------------------

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

蓝色

2013-9-13 00:08:11

讲那么多不如找个例子试试就知道结果了。

上面的例子可以看出

1、是直接用time还是用产生的trend，这两个变量的系数都是一样的
2、两个剔除时间趋势的回归只是截距项有差别
3、预测残差，两个残差也没有差别
y= a +b*time
y=(a+b*1748) +b*(time-1748) *加入起始年份是1749，那么time-1748=trend，是一个从1开始的序列
y=(a+b*1748) +b*trend

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

primmxz

2013-9-13 00:16:19

蓝色发表于 2013-9-13 00:08
讲那么多不如找个例子试试就知道结果了。

上面的例子可以看出

_n所代表数值其实就是时间。

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

primmxz

2013-9-13 00:17:11

emilychou 发表于 2013-9-11 16:17
没说清楚，dummy不一定只是0/1，那只是dummy的一种吧。
我之前去trend一直用加入一个 trend项，gen tren ...

伍德里奇的教材说的，去趋势就是直接把时间作为解释变量加入进来

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

xingxf

2013-9-13 00:56:51

primmxz 发表于 2013-9-13 00:17
伍德里奇的教材说的，去趋势就是直接把时间作为解释变量加入进来

对的，trend就是系数乘以时间变量，detrend就是去掉trend的影响，剩下residual。
另外别忘了，在操作前最好先进行一下时间序列或面板数据设置，用tsset或者xtset

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

xingxf

2013-9-13 01:03:09

emilychou 发表于 2013-9-11 16:17
没说清楚，dummy不一定只是0/1，那只是dummy的一种吧。
我之前去trend一直用加入一个 trend项，gen tren ...

你是对_n进行回归是吧？一开始你说的dummy,_n什么的有点误导我。
实际上你是生成t=_n, trend是系数乘以_n，那得到的residual是一样的。
你实际上是生成了时间变量

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

xingxf

2013-9-13 01:11:09

蓝色发表于 2013-9-13 00:05
. webuse sunspot,clear
(TIMESLAB: Wolfer sunspot data)

看来是你理解emilychou同学，我被她一开始说的dummy和trend=_n误导了,我没明白它是对_n进行回归得到残差。
实际上生成_n就是生成时间变量，应该写成t=_n（顺便说一下，有时间变量的情况下，再生成一个_n有点多此一举），trend就是系数乘以时间，当然，你用已有的时间和生成的时间，回归得到的residual是一样的。
对于时间序列和面板，我觉得还是操作规范一点好，拿到数据先进性一下tsset或xtset，这样在后续计算省好多bysort的事

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

emilychou

2013-9-13 18:06:51

笔误，没说清楚，见笑了。明白就好了

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

zhangibt

2013-10-7 19:51:20

这是一个好帖子啊，收藏了。前面那位网友应该是说加入时间的计数变量吧

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

primmxz

2013-10-7 20:21:13

zhangibt 发表于 2013-10-7 19:51
这是一个好帖子啊，收藏了。前面那位网友应该是说加入时间的计数变量吧

是的，但是计数变量这个词语主要是针对因变量而言的
对于自变量，无所谓任何形式的变量的

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

佳菲猪

2013-11-1 19:50:57

蓝色发表于 2013-9-13 00:08
讲那么多不如找个例子试试就知道结果了。

上面的例子可以看出

不好意思，这样的结论是不是只适用于平衡面板数据呢？因为在非平衡面板数据回归时，生成的trend是不区分截面的，但是time却是在每个截面存在不同，O(∩_∩)O谢谢

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

佳菲猪

2013-11-1 19:54:13

xingxf 发表于 2013-9-7 23:42
你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个 ...

请问，非平衡面板数据中如果被解释变量存在趋势的话，怎样去除趋势回归呢？O(∩_∩)O谢谢

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

佳菲猪

2013-11-1 19:55:06

xingxf 发表于 2013-9-7 23:42
你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个 ...

请问在非平衡面板数据中，被解释变量存在趋势，如何去除趋势回归呢？谢谢~~~

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

改革同步

2014-3-2 17:32:13

学习学习

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

滑头鬼

2014-6-12 11:57:17

学习，谢谢！

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

Edwardliu

2014-6-12 13:08:38

有option可以解决吧啊

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

Keymay

2015-10-16 09:54:31

xingxf 发表于 2013-9-13 01:11
看来是你理解emilychou同学，我被她一开始说的dummy和trend=_n误导了,我没明白它是对_n进行回归得到残差。 ...

请问，如果是面板数据去时间趋势，也是用你提到的reg y t 简单回归么？还是用xtreg y t呢？

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

1299339446

2016-4-15 16:34:02

说得好

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

灯语_sunshine

2017-3-8 22:39:32

xjtuluo 发表于 2013-9-12 20:41
多谢Xingxf，学到一招久违了的去时间效应处理方法，早两年自个想了很久也没开窍

你好，看了楼上的回复，我还不不太清楚是什么意思。请问对于固定效应模型，如何加时间趋势变量？怎么写stata代码？

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

灯语_sunshine

2017-3-8 23:13:28

蓝色发表于 2013-9-13 00:08
讲那么多不如找个例子试试就知道结果了。

上面的例子可以看出

你好，请问固定效应模型中加入时间趋势变量这个做法可行吗？即生成新变量t=（Time-T0）T0是起始年份，将新变量作为解释变量，列入模型中。如：xtreg lny lnx lnt,fe r

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

俯瞰涓流

2017-3-13 09:54:28

灯语_sunshine 发表于 2017-3-8 23:13
你好，请问固定效应模型中加入时间趋势变量这个做法可行吗？即生成新变量t=（Time-T0）T0是起始年份，将新 ...

同问，我这样做了以后，另外一个自变量的系数与预测的符号相反了，不知道这是怎么回事。

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

ruanzhendiao

2017-5-9 18:37:36

xingxf 发表于 2013-9-7 23:42
你说的是detrend，具体做法很简单，第一步以你的dependent variable对时间变量t进行回归，第二步predict这个 ...

问一下，如果是行业固定效应*t可不可以也用你说的做法呀

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

最佳答案

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群