نقل متوسط سلسلة الوقت ستاتا

ستاتا: تحليل البيانات والبرامج الإحصائية نيكولاس J. كوكس، جامعة دورهام، المملكة المتحدة كريستوفر بوم، كلية بوسطن إيجين، ما () وحدودها ستاتارسكوس الأمر الأكثر وضوحا لحساب المتوسطات المتحركة هي وظيفة ما () من إغن. ونظرا للتعبير، فإنه يخلق المتوسط ​​المتحرك-بيريود من هذا التعبير. افتراضيا، يؤخذ على النحو 3. يجب أن تكون غريبة. ومع ذلك، كما يشير الإدخال اليدوي، إغن، ما () قد لا تكون مقترنة مع فارليست:. ولهذا السبب وحده، فإنه لا ينطبق على بيانات الفريق. في أي حال، فإنه يقف خارج مجموعة من الأوامر المكتوبة خصيصا لسلاسل زمنية انظر سلسلة زمنية للحصول على التفاصيل. النهج البديلة لحساب المتوسطات المتحركة لبيانات اللوحة، هناك خياران على الأقل. كلاهما يعتمد على مجموعة البيانات التي كانت تسيت مسبقا. هذا هو الكثير يستحق القيام به: ليس فقط يمكنك حفظ نفسك مرارا وتكرارا تحديد متغير لوحة ومتغير الوقت، ولكن ستاتا يتصرف بذكاء إعطاء أي ثغرات في البيانات. 1. اكتب التعريف الخاص بك باستخدام توليد باستخدام مشغلي سلسلة الوقت مثل L. و F.. تعطي تعريف المتوسط ​​المتحرك كحجة إلى بيان توليد. إذا قمت بذلك، فإنك، بطبيعة الحال، لا تقتصر على الوزن المرجح (غير مرجحة) المتوسطات المتحركة المتمركزة المحسوبة بواسطة إغن، ما (). على سبيل المثال، سيتم إعطاء متوسطات متحرکة متساوية الترجيح لثلاث فترات من خلال بعض الأوزان يمكن تحديدها بسهولة: يمكنك، بطبيعة الحال، تحديد تعبير مثل السجل (ميفار) بدلا من اسم متغير مثل ميفار. ميزة واحدة كبيرة من هذا النهج هو أن ستاتا تلقائيا يفعل الشيء الصحيح للبيانات لوحة: القيم الرائدة والتخلف يتم العمل بها داخل لوحات، تماما كما يملي المنطق يجب أن تكون. والعيب الأبرز هو أن سطر الأوامر يمكن أن يكون طويلا إذا كان المتوسط ​​المتحرك ينطوي على عدة مصطلحات. مثال آخر هو متوسط ​​متحرك من جانب واحد يعتمد فقط على القيم السابقة. ويمكن أن يكون ذلك مفيدا لتوليد توقعات تكيفية لما يمكن أن يستند إليه المتغير فقط على المعلومات حتى الآن: ما يمكن أن يتنبأ به شخص ما للفترة الحالية استنادا إلى القيم الأربع الماضية، باستخدام مخطط الترجيح الثابت (قد يكون الفارق الزمني 4 فترات (تستخدم عادة مع أوقات الفصول الربع سنوية.) 2. استخدام إغن، مرشح () من سك استخدم مرشح وظيفة إغن المكتوب من المستعمل () من حزمة إغنمور على سك. في ستاتا 7 (تحديث بعد 14 نوفمبر 2001)، يمكنك تثبيت هذه الحزمة التي بعد ذلك مساعدة إغنمور نقاط للتفاصيل على مرشح (). سيتم تقديم المثالين أعلاه (في هذه المقارنة قد يكون نهج التوليد أكثر شفافية، ولكننا سنرى مثالا على العكس في لحظة). يؤدي إلى تأخر سلبي: في هذه الحالة -11 يوسع إلى -1 0 1 أو الرصاص 1، تأخر 0، تأخر 1. و فيسينتس كويف، نومليست آخر، مضاعفة المتخلفة أو العناصر الرائدة المقابلة: في هذه الحالة هذه البنود هي F1.myvar . ميفار و L1.myvar. ويتمثل تأثير خيار التطبيع في قياس كل معامل بمجموع المعاملات بحيث يكون معامل التطبيع (1 1 1) معادلا لمعاملات 13 13 13 و كوف (1 2 1) تطبيع يعادل معاملات 14 12 14 يجب أن تحدد ليس فقط التأخر ولكن أيضا المعاملات. ونظرا لأن إغين، ما () توفر الحالة المرجحة بالتساوي، فإن الأساس المنطقي الرئيسي ل إغين، فيلتر () هو دعم الحالة المرجحة غير المتكافئة، والتي يجب أن تحدد معاملاتها. ويمكن القول أيضا أن إلزام المستخدمين بتحديد المعاملات هو ضغط إضافي قليلا عليهم للتفكير في المعاملات التي يريدون. المبرر الرئيسي لأوزان متساوية هو، ونحن نخمن، والبساطة، ولكن الأوزان متساوية لديها خصائص نطاق التردد رديء، على سبيل المثال الاعتبار واحد فقط. والمثال الثالث أعلاه يمكن أن يكون إما معقدا تماما مثل النهج المولد. هناك حالات حيث إغن، مرشح () يعطي صياغة أبسط من توليد. إذا كنت ترغب في مرشح ثنائي الحدين لمدة تسعة، والتي يجد علماء المناخ مفيدة، ثم يبدو ربما أقل رهيبة من وأسهل للحصول على الحق من، تماما كما هو الحال مع نهج توليد، إغن، تصفية () يعمل بشكل صحيح مع بيانات لوحة. في الواقع، كما ذكر أعلاه، فإنه يعتمد على مجموعة البيانات التي كانت تسيت مسبقا. نصيحة رسومية بعد حساب المتوسطات المتحركة الخاصة بك، وربما كنت تريد أن ننظر إلى الرسم البياني. الأمر المكتوب المستخدم تسغراف هو الذكية حول تسيت مجموعات البيانات. تثبيته في ما يصل إلى تاريخ ستاتا 7 التي كتبها سك إنست تسغراف. ماذا عن التقسيم الفرعي إذا لم يستفد أي من الأمثلة أعلاه من القيود. في الواقع إغن، ما () لن تسمح إذا كان سيتم تحديدها. أحيانا الناس يريدون استخدام إذا عند حساب المتوسطات المتحركة، ولكن استخدامه هو أكثر تعقيدا قليلا مما هو عليه عادة. ما الذي تتوقعه من المتوسط ​​المتحرك المحسوب إذا كان. دعونا نحدد إمكانيتين: التفسير الضعيف: أنا لا أريد أن أرى أي نتائج للملاحظات المستبعدة. تفسير قوي: أنا لا أريد حتى لك لاستخدام القيم للملاحظات المستبعدة. هنا مثال ملموس. لنفترض كنتيجة لبعض إذا الشرط، الملاحظات 1-42 مدرجة ولكن لا الملاحظات 43 جرا. ولكن المتوسط ​​المتحرك ل 42 سيعتمد، من بين أمور أخرى، على قيمة الملاحظة 43 إذا كان المتوسط ​​يمتد إلى الوراء وإلى الأمام، وهو طوله 3 على الأقل، وسيعتمد بالمثل على بعض الملاحظات 44 وما بعدها في بعض الظروف. تخميننا هو أن معظم الناس سوف تذهب للتفسير الضعيف، ولكن ما إذا كان هذا هو الصحيح، إغن، مرشح () لا يدعم إذا كان أي منهما. يمكنك دائما تجاهل ما كنت دونرسكوت تريد أو حتى تعيين القيم غير المرغوب فيها إلى المفقودين بعد ذلك باستخدام استبدال. ملاحظة حول النتائج المفقودة في نهايات السلسلة لأن المتوسطات المتحركة هي وظائف تأخر و يؤدي، إغن، ما () تنتج مفقودة حيث لا توجد تأخرات و يؤدي في بداية ونهاية السلسلة. وهناك خيار نوميس يجبر على حساب المتوسطات المتحركة الأقصر غير المقوسة للتيول. في المقابل، لا تولد ولا إيجين، تصفية () يفعل، أو يسمح، أي شيء خاص لتجنب النتائج المفقودة. إذا كان أي من القيم المطلوبة للحساب مفقود، فإن هذه النتيجة مفقودة. والأمر متروك للمستخدمين لتحديد ما إذا كانت الجراحة التصحيحية مطلوبة لهذه الملاحظات، ومن المفترض بعد النظر إلى مجموعة البيانات والنظر في أي علم أساسي يمكن جلبه إلى تحمل. المتوسطات المتحركة المتوسطات المتحركة مع مجموعات البيانات التقليدية فإن القيمة المتوسطة غالبا ما تكون أول ، وواحدة من أكثر الإحصاءات موجزة، مفيدة لحساب. وعندما تكون البيانات في شكل سلسلة زمنية، فإن متوسط ​​السلسلة مقياس مفيد، ولكنه لا يعكس الطبيعة الدينامية للبيانات. وغالبا ما تكون القيم المتوسطة المحسوبة على فترات قصيرة، إما قبل الفترة الحالية أو تركزت على الفترة الحالية، أكثر فائدة. لأن هذه القيم المتوسطة سوف تختلف، أو تتحرك، كما تتحرك الفترة الحالية من الوقت ر 2، ر 3. الخ أنها تعرف باسم المتوسطات المتحركة (ماس). المتوسط ​​المتحرك البسيط هو (عادة) المتوسط ​​غير المرجح للقيم السابقة k. المتوسط ​​المتحرك المرجح ألساسا هو نفس المتوسط ​​المتحرك البسيط، ولكن مع المساهمات في المتوسط ​​المرجح بقربها من الوقت الحالي. لأنه ليس هناك واحد، ولكن سلسلة كاملة من المتوسطات المتحركة لأي سلسلة معينة، ومجموعة من ماس يمكن أن تكون نفسها رسمت على الرسوم البيانية، وتحليلها على شكل سلسلة، وتستخدم في النمذجة والتنبؤ. ويمكن بناء مجموعة من النماذج باستخدام المتوسطات المتحركة، وتعرف هذه النماذج بنماذج ما. إذا تم الجمع بين هذه النماذج ونماذج الانحدار الذاتي (أر)، فإن النماذج المركبة الناتجة تعرف باسم نماذج أرما أو أريما (I هي متكاملة). المتوسطات المتحركة البسيطة منذ يمكن اعتبار سلسلة زمنية كمجموعة من القيم، t 1،2،3،4، n يمكن حساب متوسط ​​هذه القيم. إذا افترضنا أن n كبير جدا، ونحن نختار عدد صحيح k الذي هو أصغر بكثير من n. يمكننا حساب مجموعة من متوسطات الفدرات أو متوسطات متحركة بسيطة (للترتيب k): يمثل كل قياس متوسط ​​قيم البيانات على مدى فاصل من ملاحظات k. لاحظ أن أول ما ممكن من النظام gt0 k هو أن ل t ك. وبوجه أعم يمكننا إسقاط الجزء الإضافي الإضافي في التعبيرات أعلاه والكتابة: وهذا يشير إلى أن المتوسط ​​المقدر في الوقت t هو المتوسط ​​البسيط للقيمة الملحوظة في الوقت t والخطوات السابقة k -1 الزمنية. إذا تم تطبيق الأوزان التي تقلل من مساهمة الملاحظات التي هي أبعد من ذلك في الوقت المناسب، ويقال أن المتوسط ​​المتحرك تمهيد أضعافا مضاعفة. وغالبا ما تستخدم المتوسطات المتحركة كشكل من أشكال التنبؤ، حيث القيمة المقدرة لسلسلة في الوقت t 1، S t1. يؤخذ على أنه ما للفترة حتى تصل إلى الوقت t. مثلا يستند تقدير اليوم إلى متوسط ​​القيم المسجلة سابقا حتى يوم الأمس (بالنسبة للبيانات اليومية). ويمكن اعتبار المتوسطات المتحركة البسيطة شكلا من أشكال التمهيد. في المثال الموضح أدناه، تم تعزيز مجموعة بيانات تلوث الهواء المبينة في مقدمة هذا الموضوع بمتوسط ​​متحرك لمدة 7 أيام (ما)، موضح هنا باللون الأحمر. كما يمكن أن يرى، خط ما ينعم القمم وأحواض في البيانات ويمكن أن تكون مفيدة جدا في تحديد الاتجاهات. وتعني الصيغة القياسية للحساب الآجل أن نقاط البيانات K -1 الأولى ليس لها قيمة ما، ولكن بعد ذلك تمتد الحسابات إلى نقطة البيانات النهائية في السلسلة. PM10 القيم المتوسطة اليومية، غرينتش المصدر: شبكة لندن لجودة الهواء، londonair. org. uk سبب واحد لحساب المتوسطات المتحركة البسيطة بالطريقة الموصوفة هو أنه يمكن القيم التي سيتم حسابها لجميع الفواصل الزمنية من الزمن تك حتى الوقت الحاضر، و كما يتم الحصول على قياس جديد للوقت ر 1، و ما للوقت ر 1 يمكن أن تضاف إلى مجموعة تحسب بالفعل. وهذا يوفر إجراء بسيطا لمجموعات البيانات الديناميكية. ومع ذلك، هناك بعض القضايا مع هذا النهج. ومن المعقول القول بأن القيمة المتوسطة خلال الفترات الثلاث الأخيرة، على سبيل المثال، ينبغي أن تكون موجودا في الوقت t -1، وليس الوقت t. ولمادة ما على عدد من الفترات ربما ربما ينبغي أن يكون موجودا في منتصف نقطة بين فترتين زمنيتين. حل لهذه المسألة هو استخدام الحسابات ما محورها، حيث ما في الوقت t هو متوسط ​​مجموعة متماثلة من القيم حول ر. وعلى الرغم من مزاياه الواضحة، فإن هذا النهج لا يستخدم عموما لأنه يتطلب توافر البيانات للأحداث المقبلة، وهو ما قد لا يكون كذلك. في الحالات التي يكون فيها التحليل بالكامل لسلسلة حالية، قد يكون استخدام ماس المركزة أفضل. ويمكن اعتبار المتوسطات المتحركة البسيطة شكلا من أشكال التمهيد، وإزالة بعض المكونات عالية التردد من سلسلة زمنية وتسليط الضوء على الاتجاهات (ولكن ليس إزالتها) بطريقة مماثلة للمفهوم العام للتصفية الرقمية. في الواقع، المتوسطات المتحركة هي شكل من أشكال المرشحات الخطية. فمن الممكن تطبيق حساب متوسط ​​متحرك لسلسلة تم تمهيدها بالفعل، أي تمهيد أو تصفية سلسلة سلسة بالفعل. على سبيل المثال، مع متوسط ​​متحرك من النظام 2، يمكننا أن نعتبر أنه يحسب باستخدام الأوزان، وبالتالي فإن ما في x 2 0.5 × 1 0.5 × 2. وبالمثل، فإن ما في x 3 0.5 × 2 0.5 × 3. إذا نحن (0.5 × 0.5 0.5 × 0.5) 0.5 (0.5 × 2 0.5 × 3) 0.25 × 1 0.5 × 2 0.25 × 3 أي الترشيح ذي المرحلتين (أو التفاف) قد أنتج متوسط ​​متحرك متماثل مرجح، مع أوزان. يمكن أن تنتج العديد من المحولات التحويلية متوسطات متحركه معززة جدا، وبعضها تم العثور على استخدام معين في المجالات المتخصصة، كما هو الحال في حسابات التأمين على الحياة. يمكن استخدام المتوسطات المتحركة لإزالة التأثيرات الدورية إذا تم حسابها مع طول التواتر كما هو معروف. على سبيل المثال، مع التغيرات الشهرية في البيانات الموسمية يمكن في كثير من الأحيان إزالتها (إذا كان هذا هو الهدف) من خلال تطبيق متماثل المتوسط ​​المتحرك لمدة 12 شهرا مع جميع الشهور المرجحة بالتساوي، باستثناء الأولى والأخيرة التي يتم وزنها بنسبة 12. هذا لأن هناك سوف يكون 13 شهرا في النموذج المتماثل (الوقت الحالي، ر - 6 أشهر). وينقسم المجموع إلى 12. ويمكن اعتماد إجراءات مماثلة لأي دورية محددة جيدا. المتوسطات المتحركة المرجحة أضعافا مضاعفة (إوما) مع صيغة المتوسط ​​المتحرك البسيط: جميع المشاهدات متساوية بالتساوي. إذا اتصلنا هذه الأوزان متساوية، ألفا ر. فإن كل وزن من الأوزان k يساوي 1 ك. وبالتالي فإن مجموع الأوزان سيكون 1، والصيغة ستكون: لقد رأينا بالفعل أن تطبيقات متعددة من هذه العملية يؤدي إلى الأوزان متباينة. مع المتوسطات المتحركة المرجح أضعافا مضاعفة الإسهام في القيمة المتوسطة من الملاحظات التي هي أكثر إزالتها في الوقت يتم تخفيض مداولات، مما يؤكد على الأحداث الأخيرة (المحلية). في الأساس، يتم عرض معلمة التمهيد 0 ألف طن lt1، وتنقح الصيغة إلى: تكون الصيغة المتماثلة لهذه الصيغة بالشكل التالي: إذا تم تحديد الأوزان في النموذج المتماثل كعبارات لشروط التوسع ذي الحدين، (1212) 2q. فإنها سوف تلخص 1، وكما ف يصبح كبيرا، وتقريب توزيع عادي. هذا هو شكل من أشكال الترجيح النواة، مع الحدين تعمل بوصفها وظيفة النواة. التلازم المرحلة الثانية وصفها في القسم الفرعي السابق هو على وجه التحديد هذا الترتيب، مع س 1، مما أسفر عن الأوزان. في التمهيد الأسي فمن الضروري استخدام مجموعة من الأوزان التي مجموع إلى 1 والتي تقلل في حجم هندسيا. وعادة ما تكون الأوزان المستخدمة من النموذج: لإظهار أن هذه الأوزان توازي 1، فكر في توسيع 1 كمجموعة. يمكننا كتابة وتوسيع التعبير بين قوسين باستخدام الصيغة ذات الحدين (1- x) ص. حيث x (1) و p -1، مما يعطي: ثم يوفر نموذجا من المتوسط ​​المتحرك المرجح للنموذج: يمكن كتابة هذا الملخص كعلاقة تكرار: مما يبسط الحساب بشكل كبير، ويتجنب مشكلة أن نظام الترجيح يجب أن يكون بدقة لانهائية للأوزان لتلخص 1 (لقيم صغيرة من ألفا، وهذا هو عادة ليست هي القضية). تختلف الرموز المستخدمة من قبل مؤلفين مختلفين. يستخدم البعض الحرف S للإشارة إلى أن الصيغة هي في الأساس متغير أملس، وكتب: في حين أن أدبيات نظرية التحكم غالبا ما تستخدم Z بدلا من S للقيم المرجحة أو الممهدة أضعافا مضاعفة (انظر، على سبيل المثال، لوكاس و ساكوتشي، 1990، LUC1 ، وموقع نيست لمزيد من التفاصيل وأمثلة العمل). الصيغ المذكورة أعلاه مستمدة من عمل روبرتس (1959، ROB1)، ولكن هنتر (1986، HUN1) يستخدم تعبيرا عن النموذج: الذي قد يكون أكثر ملاءمة للاستخدام في بعض إجراءات التحكم. مع ألفا 1 متوسط ​​التقدير هو ببساطة قيمته المقاسة (أو قيمة عنصر البيانات السابق). مع 0.5 التقدير هو المتوسط ​​المتحرك البسيط للقياسات الحالية والسابقة. في نماذج التنبؤ القيمة، S t. وكثيرا ما يستخدم كقيمة تقديرية أو توقعية للفترة الزمنية القادمة، أي كالتقدير ل x في الوقت t 1. وهكذا لدينا: وهذا يدل على أن القيمة المتوقعة في الوقت t 1 هي مزيج من المتوسط ​​المتحرك المرجح أضعافا سابقا بالإضافة إلى مكون يمثل خطأ التنبؤ المرجح، إبسيلون. في الوقت t. على افتراض أن سلسلة زمنية تعطى وتوقعات مطلوب، قيمة ألفا هو مطلوب. ويمكن تقدير ذلك من البيانات الموجودة عن طريق تقييم مجموع أخطاء التنبؤ التربيعية التي يتم الحصول عليها مع قيم متفاوتة ألفا لكل t 2،3. (1) في تطبيقات التحكم، تكون قيمة ألفا مهمة في ذلك يستخدم في تحديد حدود التحكم العليا والسفلى، ويؤثر على متوسط ​​طول التشغيل (أرل) المتوقع قبل أن يتم كسر حدود السيطرة هذه (على افتراض أن السلاسل الزمنية تمثل مجموعة من المتغيرات المستقلة العشوائية الموزعة بشكل مماثل مع التباين المشترك). وفي ظل هذه الظروف يكون التباين في إحصائية التحكم: (لوكاس أند ساكوتشي، 1990): وعادة ما تحدد حدود المراقبة كمضاعفات ثابتة لهذا التباين المتناظر، على سبيل المثال. - 3 مرات الانحراف المعياري. إذا افترض 0.25، على سبيل المثال، ويفترض أن البيانات التي يجري رصدها يكون توزيع عادي، N (0،1)، عندما تكون في السيطرة، ستكون حدود التحكم - 1.134 وسوف تصل العملية إلى حد أو حد آخر في 500 خطوة في المتوسط. لوكاس و ساكوتشي (1990 LUC1) تستمد أرلز لمجموعة واسعة من قيم ألفا وتحت مختلف الافتراضات باستخدام إجراءات ماركوف شين. وهي تقوم بتبويب النتائج، بما في ذلك توفير أرلس عندما يكون متوسط ​​عملية التحكم قد تم نقله من قبل بعض مضاعفات الانحراف المعياري. على سبيل المثال، مع التحول 0.5 مع ألفا 0.25 و أرل أقل من 50 خطوة الوقت. ومن المعروف أن النهج المذكورة أعلاه تمهيد الأسي واحد. حيث يتم تطبيق الإجراءات مرة واحدة على السلاسل الزمنية ومن ثم يتم إجراء عمليات التحليل أو التحكم على مجموعة البيانات التي تم تمريرها. إذا كانت مجموعة البيانات تشتمل على مكونات موسمية ومؤثرة، يمكن تطبيق التمهيد الأسي على مرحلتين أو ثلاث مراحل كوسيلة لإزالة (هذه النماذج بشكل صريح) (انظر كذلك القسم الخاص بالتنبؤ أدناه، ومثال نيست العامل). CHA1 شاتفيلد C (1975) تحليل سلسلة تايمز: النظرية والتطبيق. تشابمان أند هول، لندن HUN1 هنتر J S (1986) المتوسط ​​المتحرك المرجح أضعافا مضاعفة. J من كواليتي تيشنولوغي، 18، 203-210 LUC1 لوكاس J M، ساكوتشي M S (1990) المتوسط ​​المتحرك لأسفل متحكم في مخططات التحكم: الخصائص والتحسينات. تيشنوميتريكس، 32 (1)، 1-12 ROB1 روبرتس S W (1959) اختبارات التحكم في الرسم البياني استنادا إلى المتوسطات المتحركة الهندسية. تيشنوميتريكس، 1، 239-250 مقدمة إلى سلسلة الوقت باستخدام ستاتا ستاتا يتم قراءة الكتب الإلكترونية باستخدام منصة فيتالسورس رف الكتب ريج. رف الكتب هو مجاني ويسمح لك للوصول إلى ستاتا الصحافة الكتاب الاليكترونى الخاص بك من جهاز الكمبيوتر الخاص بك، الهاتف الذكي، قرص، أو القارئ الإلكتروني. كيفية الوصول إلى الكتاب الإلكتروني الخاص بك 2) مرة واحدة في تسجيل الدخول، انقر فوق استبدال في الزاوية اليمنى العليا. أدخل رمز الكتاب الإلكتروني. ستكون شفرة الكتاب الإلكتروني في رسالة تأكيد الطلب بالبريد الإلكتروني ضمن عنوان الكتب الإلكترونية. 3) سيتم إضافة الكتاب الاليكتروني إلى المكتبة الخاصة بك. يمكنك ثم تحميل رف الكتب على الأجهزة الأخرى ومزامنة المكتبة الخاصة بك لعرض الكتاب الاليكترونى. رف الكتب متاح على ما يلي: رف الكتب على الانترنت هو متاح على الانترنت من مجرد عن أي جهاز كمبيوتر متصل بالإنترنت عن طريق الوصول إلى online. vitalsourceusernew. بيسي رف الكتب متاح لنظام التشغيل ويندوز 788.110 (كلا 32-، و 64 بت). تحميل البرامج بوكشلف إلى سطح المكتب الخاص بك حتى تتمكن من عرض الكتب الخاصة بك مع أو بدون الوصول إلى الإنترنت. يتوفر يوس بوكشلف لباد، إفون، و إيبود توش. تحميل التطبيق المحمول رف الكتب من متجر اي تيونز. الروبوت رف متاح للهواتف أندرويد وأقراص تشغيل 4.0 (آيس كريم ساندويتش) وفي وقت لاحق. تحميل التطبيق المحمول رف الكتب من متجر غوغل بلاي. أوقد النار رف متاح لأوقد النار 2، هد، و هدكس. تحميل التطبيق المحمول رف الكتب من أوقد النار المتجر. ماك الرف متاح لنظام التشغيل ماك أوس X 10.8 أو في وقت لاحق. تحميل البرامج بوكشلف إلى سطح المكتب الخاص بك حتى تتمكن من عرض الكتب الخاصة بك مع أو بدون الوصول إلى الإنترنت. رف الكتب يسمح لك أن يكون 2 أجهزة الكمبيوتر و 2 الأجهزة النقالة تفعيلها في أي وقت من الأوقات. لقد دهشت طريقة فيتالسورس لتقديم الكتب. كل شيء يبدو تنضيد تماما، ولكن بعد يمكنك الوجه من خلال الكتاب بنفس الطريقة التي الوجه من خلال صفحة ويب طويلة جدا في متصفح الويب الخاص بك. وأفضل للجميع، كلما كان لدي قرص بلدي معي، كتبي هي مجرد انتقاد بعيدا. مدش مايكل ميتشل كبير الإحصائيين في شبكة بيانات الأطفال أوسك. وكتاب مؤلف من أربعة كتب ستاتا بريس، والمستشار الإحصائي السابق لجامعة كاليفورنيا، الذي وضع تصورا لموقع موارد الاستشارات الإحصائية في جامعة كاليفورنيا. عودة السياسة للكتب الإلكترونية ستاتا الصحافة الكتب هي نونريتنابل وغير قابلة للاسترداد. تعليق من المجموعة الفنية ستاتا مقدمة في سلسلة الوقت باستخدام ستاتا. من قبل شون بيكيتي، يوفر دليلا عمليا للعمل مع البيانات سلسلة الوقت باستخدام ستاتا وسوف نداء إلى مجموعة واسعة من المستخدمين. أمثلة كثيرة، تفسيرات موجزة التي تركز على الحدس، ونصائح مفيدة على أساس عقود أوفسرسكوس من الخبرة باستخدام أساليب سلسلة الوقت تجعل الكتاب الثاقبة ليس فقط للمستخدمين الأكاديميين ولكن أيضا للممارسين في الصناعة والحكومة. الكتاب مناسب لكل من مستخدمي ستاتا الجدد وللمستخدمين ذوي الخبرة الذين هم الجدد في تحليل السلاسل الزمنية. الفصل 1 يوفر مقدمة خفيفة ولكنها سريعة الخطى ل ستاتا، وتسليط الضوء على كافة الميزات يحتاج المستخدم إلى معرفة للبدء باستخدام ستاتا لتحليل سلسلة زمنية. الفصل 2 هو تجديد سريع على الانحدار واختبار الفرضية، ويحدد المفاهيم الأساسية مثل الضوضاء البيضاء، الترابط الذاتي، ومشغلي التأخر. الفصل 3 يبدأ مناقشة السلاسل الزمنية، وذلك باستخدام المتوسط ​​المتحرك وتقنيات هولتنداشوينترس لتلطيف وتوقع البيانات. كما يقدم بيكيتي مفاهيم الاتجاهات والدورة الدورية والموسمية ويظهر كيف يمكن استخلاصها من سلسلة. ويركز الفصل 4 على استخدام هذه الأساليب للتنبؤ ويوضح كيف تؤثر الافتراضات المتعلقة بالاتجاهات والدورات الكامنة وراء مختلف المتوسطات المتحركة وأساليب هولتنداشوينترس على التنبؤات المنتجة. على الرغم من أن هذه التقنيات مهملة أحيانا في كتب سلسلة زمنية أخرى، فهي سهلة التنفيذ، ويمكن تطبيقها على العديد من السلاسل بسرعة، وغالبا ما تنتج توقعات جيدة مثل تقنيات أكثر تعقيدا، وكما يؤكد بيكيتي، لديها ميزة واضحة من كونها سهلة وأوضح للزملاء وصانعي السياسات دون خلفيات في الإحصاءات. وتشمل الفصول من 5 إلى 8 نماذج سلاسل زمنية معادلة واحدة. ويركز الفصل 5 على تحليل الانحدار في وجود الاضطرابات ذات الصلة أوتوكوريلاتد وتفاصيل مختلف النهج التي يمكن استخدامها عندما تكون جميع ريجريسورس خارجية تماما ولكن الأخطاء أوتوكوريلاتد، عندما مجموعة من الانحدارات يتضمن متغير تابع متخلفة وأخطاء مستقلة، وعندما مجموعة من ريجريسورس يتضمن متغير تابع متخلفة والأخطاء أوتوكوريلاتد. ويصف الفصل 6 منهجية أريما ومنهجية بوكسندشجينكينز، ويطبق الفصل 7 هذه التقنيات لتطوير نموذج قائم على أرما من الناتج المحلي الإجمالي للولايات المتحدة. الفصل 7 على وجه الخصوص سوف نداء إلى الممارسين لأنه يذهب خطوة خطوة من خلال مثال على العالم الحقيقي: هنا هو سلسلة بلدي، والآن كيف يمكنني تناسب نموذج أريما لذلك الفصل 8 هو ملخص مستقل لنمذجة أرشغارتش. في الجزء الأخير من الكتاب، بيكيتي يناقش نماذج المعادلات متعددة، وخاصة فارس و فيكس. ويركز الفصل 9 على نماذج القيمة المعرضة للخطر ويوضح جميع المفاهيم الرئيسية، بما في ذلك مواصفات النموذج، السببية غرانجر، والتحليل الاندفاع والاستجابة، والتنبؤ، وذلك باستخدام نموذج بسيط من الاقتصاد الأمريكي نماذج الهيكلية فار تظهر من خلال فرض قاعدة تايلور على أسعار الفائدة. ويعرض الفصل 10 تحليل السلاسل الزمنية غير المستقرة. بعد وصف اختبارات عدم الجاذبية وحيدة الجذر، يتنقل بيكيتي ببراعة القارئ من خلال المهمة المربكة في كثير من الأحيان لتحديد نموذج فيك، وذلك باستخدام مثال على أساس أجور البناء في واشنطن العاصمة والدول المحيطة بها. ويختتم الفصل 11. شون بيكيتي هو المخضرم الصناعة المالية مع ثلاثة عقود من الخبرة في الأكاديميين والحكومة والصناعة الخاصة. وكان مطور ل ستاتا في مهدها، وكان محرر للنشرة الفنية ستاتا. تمهيدا لمجلة ستاتا. بين عامي 1993 و 1996. وكان مستخدما ستاتا العادية منذ إنشائها، وكتب العديد من الأوامر السلسلة الأولى في ستاتا. مقدمة إلى سلسلة الوقت باستخدام ستاتا. من قبل شون بيكيتي، هو دليل من الدرجة الأولى، يستند إلى أمثلة لتحليل السلاسل الزمنية والتنبؤ باستخدام ستاتا. ويمكن أن تكون بمثابة مرجع للممارسين وكتاب تكميلي للطلاب في دورات الإحصاء التطبيقي. محتويات الكتاب عرض جدول المحتويات غغت قائمة الأرقام 1 فقط ما يكفي ستاتا 1.1 الشروع في العمل 1.1.1 العمل أولا، شرح لاحق 1.1.2 الآن بعض التفسير 1.1.3 التنقل واجهة 1.1.4 الجشتالت من ستاتا 1.1.5 الأجزاء من خطاب ستاتا 1.2 كل ما يتعلق بالبيانات 1.3 النظر إلى البيانات 1.4 الإحصائيات 1.4.1 الأساسيات 1.4.2 التقدير 1.5 الصعاب والغايات 1.6 تحديد التاريخ 1.6.1 كيفية المظهر الجيد 1.6.2 المحولات 1.7 تواريخ الطباعة ومتغيرات التاريخ 1.8 المستقبل 2 ما يكفي من الإحصاءات 2.1 المتغيرات العشوائية ولحظاتهم 2.2 الاختبارات الفرضية 2.3 الانحدار الخطي 2.3.1 المربعات الصغرى العادية 2.3.2 المتغيرات المؤثرة 2.3.2 فغلز 2.4 نماذج المعادلات المتعددة 2.5 السلاسل الزمنية 2.5.1 الضوضاء البيضاء، الترابط الذاتي، والحابلية 2.5. 2 نماذج أرما 3 تصفية بيانات السلاسل الزمنية 3.1 التحضير لتحليل السلاسل الزمنية 3.1.1 أسئلة لجميع أنواع البيانات كيف يتم تعريف المتغيرات ما هي العلاقة بين البيانات وظاهرة الفائدة الذين قاموا بتجميع البيانات ماذا عمليات البيانات 3.1.2 الأسئلة الخاصة ببيانات السلاسل الزمنية على وجه التحديد ما هو معدل القياس هل يتم تعديل البيانات موسميا هل تم تعديل البيانات 3.2 المكونات الأربعة لسلسلة زمنية دورة الاتجاه موسمية 3.3 بعض المرشحات البسيطة 3.3.1 تمهيد اتجاه 3.3.2 تمهيد دورة 3.3.3 تمهيد نمط موسمي 3.3.4 تمهيد البيانات الحقيقية 3.4 مرشحات إضافية 3.4.1 أماه: المتوسطات المتحركة الموزونة 3.4.2 إوما أسي: إوما ديسوننتيال: المتوسطات المتحركة مزدوجة الأسي 3.4.3 هولتنداشوينترز سموثرز هيونتيرز : هولتنداشوينترز سموثرز دون شونترز مكون موسمي: هولتنداشوينترز سموثرز بما في ذلك عنصر موسمي 3.5 نقاط لتذكر 4 تمريرة الأولى في التنبؤ 4.1 أساسيات التوقعات 4.1.1 أنواع التوقعات 4.1.2 قياس نوعية التنبؤ 4.1.3 عناصر التنبؤ 4-2 الفلاتر التي تتنبأ بها 4-2-1 التنبؤات المستندة إلى إوما 4.2.2 التنبؤ بسلسلة تتجه مع عنصر موسمي 4.3 نقاط للتذكر 4.4 النظر 5 االضطرابات ذات الصلة غير المباشرة 5.1.1 مثال: معدالت الرهن العقاري 5.2 نماذج االنحدار ذات االضطرابات ذات العالقة ذات الصلة 5.2.1 االرتباط الذاتي األولي من الدرجة 5.2.2 مثال: معدالت الرهن العقاري) تتمة (5.3 اختبار الترابط الذاتي 5.3.1 اختبارات أخرى 5.4 التقدير مع الدرجة األولى) أوتوكورلاتد داتا 5.4.1 النموذج 1: الانحدارات الخارجية الصارمة والاضطرابات ذات الصلة ذات الصلة استراتيجية استراتيجية شريان الحياة للسودان استراتيجية التحول استراتيجية فغلس مقارنة تقديرات النموذج 5.4.2 النموذج 2: متغير تابع متخلف و إيد أخطاء 5.4.3 نموذج 3: متغير تابع متخلف مع أخطاء أر (1) استراتيجية التحول الاستراتيجية إيف 5.5 تقدير معادلة معدل الرهن 5.6 النقاط التي يجب تذكرها 6 نماذج السلاسل الزمنية أحادية المتغير 6.1 العملية الخطية العامة 6.2 لاغ متعددو الحدود: بريستديجيتاتيون 6.3 نموذج أرما 6.4 الاستقرارية والقابلية 6.5 ما الذي يمكن أن تفعله نماذج أرما 6.6 النقاط التي يجب تذكرها 6.7 النظر إلى المستقبل 7 نمذجة السلاسل الزمنية في العالم الحقيقي 7.1 الاستعداد لنموذج سلسلة زمنية 7.2 نهج بوكسنداشجينكينز 7.3 تحديد نموذج أرما 7.3.1 الخطوة 1: الاستقلاب (أرما يصبح أريما) 7.3.2 الخطوة 2: التفكير برسكوس و كرسكوس 7.4 تقدير 7.5 تبحث عن المتاعب: فحص التشخيص نموذج 7.5.1 التحضير 7.5.2 اختبارات البقايا 7.6 التنبؤ مع نماذج أريما 7.7 مقارنة التوقعات 7.8 النقاط التي يجب أن نتذكرها 7.9 ما تعلمناه حتى الآن 7.10 التطلع إلى المستقبل 8 التقلبات المتغيرة زمنيا 8.1 أمثلة للتذبذب المتغير بمرور الوقت 8.2 أرش: نموذج لفولا متغيرة زمنيا تيليتي 8.3 ملحقات لنموذج أرش 8.3.1 غارتش: الحد من ترتيب النموذج 8.3.2 تمديدات أخرى استجابات غير متماثلة لدكونوسردكو الاختلافات في التقلب تؤثر على متوسط ​​السلسلة الملحوظة أخطاء غير طبيعية خلاف ونهايات 8.4 نقاط للتذكر 9 نماذج متعددة التسلسل الزمني 9.1 الانحرافات المتجهة للنواقل 9.1.1 ثلاثة أنواع من القيمة المعرضة للمخاطر 9.2 A القيمة المعرضة للخطر من الاقتصاد الكلي للولايات المتحدة 9.2.1 استخدام ستاتا لتقدير القيمة المعرضة للمخاطر 9.2.2 المخفضة اختبار القيمة المعرضة للمخاطر للاستبانة تقييم توقعات القيمة المعرضة للمخاطر 9.3 الورقات في أول 9.3.1 الارتباطات المتقاطعة 9.3.2 تلخيص العلاقات الزمنية في سببية غرانجر فار كيفية فرض النظام فيفدس باستخدام ستاتا لحساب إيرفس و فيفدس 9.4.1 أمثلة على المدى القصير سفار 9.4.2 أمثلة على المدى الطويل سفار 9.5 نقاط لتذكر 9.6 التطلع إلى المستقبل 10 نماذج من السلاسل الزمنية غير المستقرة 10-1 الاتجاهات وجذور الوحدات 10.2 اختبار جذور الوحدة 10.3 التكامل المشترك: البحث عن علاقة طويلة الأجل 10.4 علاقات التكامل المشترك و فيسمس 10.4.1 ديتيرمي فيسيسم 10.5 من الحدس إلى فيسم: مثال الخطوة 1: تأكيد جذر الوحدة الخطوة 2: تحديد عدد الفواصل الزمنية الخطوة 3: تحديد عدد العلاقات التكامل المشترك الخطوة 4: تناسب فيسم الخطوة 5: اختبار للاستقرار و بقايا الأبيض-الضوضاء الخطوة 6: استعراض الآثار النموذجية لمعقولية 10.6 نقاط لتذكر 10.7 النظر إلى الأمام 11 الملاحظات الختامية 11.1 فهم كل شيء 11.2 ما لم نفتقد 11.2.1 موضوعات السلسلة الزمنية المتقدمة 11.2.2 سلسلة زمنية إضافية ستاتا ميزات أدوات إدارة البيانات والأدوات المساعدة نماذج أحادية المتغير نماذج متعددة المتغيرات