研究数据高级数据

缺失值填补Stata案例(线性插值与ARIMA)

数据格式 Excel / Stata / Stata代码更新日期

数据摘要

时间序列资料的缺失值处理会影响后续分析。本资料提供线性插值与ARIMA模型填补的Stata代码、案例数据及结果,示例包含地区生产总值增长率和用电量等变量。可用于学习内插、外插及时间序列填补操作,并结合实际缺失情形选择方法。

基本信息

数据频率年度
当前预览样本量6561 行
文件格式Excel / Stata / Stata代码
文件包大小27.89 MB
包含内容数据表4份、代码1份、文档1份
所属分类

样本年份分布

合计 6,561 行 · 23 个年份

查看年份明细
年份样本量
1999235
2000261
2001268
2002277
2003283
2004285
2005286
2006287
2007287
2008287
2009287
2010287
2011288
2012289
2013290
2014290
2015291
2016297
2017298
2018298
2019297
2020297
2021296

测算方法

以城市年度数据演示线性插值与ARIMA缺失值填补。先设置个体与年份标识并处理重复观测,线性内插用于连续年份中间的缺失,外插用于序列两端的缺失。ARIMA按单个城市的时间序列分别建模,通过单位根检验确定差分阶数,结合偏自相关与自相关分析选择候选阶数,比较候选模型的信息准则并进行残差检验,再生成拟合与预测值。案例以北京市地区生产总值序列展示ARIMA操作。

以下字段、样本量及样本仅对应当前展示的数据表,不代表资料包全部文件。查看文件结构

字段列表共 7 个字段

字段含义 / 说明类型均值标准差最小值最大值缺失率
市级行政代码—整数380273.4672138663.50061100006505000.0000%
城市—文本————0.0000%
年份—整数2010.2572786.571971562199920210.0000%
地区生产总值增长率全市地区生产总值增长率-全市(%)数值10.372251698.771195824-5301099.7699%
全年用电量万千瓦时市辖区全年用电量(万千瓦时)市辖区数值397144.7706758278.047301072380062.6124%
内插法地区生产总值增长率全市—数值10.187336438.472894411-5301091.4632%
外插法全年用电量万千瓦时市辖区—数值827671.47271782638.522-6621054249829751.7833%

数据样本预览

资料样本(部分数据)

仅可预览前100 行、100 列,滚动查看其余行列,完整数据以下载文件为准。

市级行政代码城市年份地区生产总值增长率全市全年用电量万千瓦时市辖区内插法地区生产总值增长率全市外插法全年用电量万千瓦时市辖区
110000北京市199910.23—10.233223400
110000北京市200011—113603200
110000北京市2001—398300010.73983000
110000北京市200210.4436280010.44362800
110000北京市200310.7461200010.74612000
110000北京市200413.23510110013.235101100
110000北京市200511.8556015811.85560158
110000北京市200612.8531778012.85317780
110000北京市200713.34662879313.346628793
110000北京市20088.95—8.957939806
110000北京市200910.2—10.29250819
110000北京市201010.3—10.310561832
110000北京市20118.1—8.111872845
110000北京市20127.73—7.7313183858
110000北京市20139.07—9.0714494871
110000北京市20147.3—7.315805884
110000北京市20156.9—6.917116897
110000北京市20166.8—6.818427910
110000北京市2017——6.719738923
110000北京市20186.6—6.621049936
110000北京市20196.1—6.122360949
110000北京市20201.2—1.223671962
110000北京市20218.5—8.524982975
120000天津市199910.04178763710.041787637
120000天津市200010.8206676510.82066765
120000天津市2001—226273211.652262732
120000天津市200212.5281000012.52810000
120000天津市200314.8313000014.83130000
120000天津市200415.7350970015.73509700
120000天津市200514.7396330014.73963300
120000天津市200614.5445730014.54457300
120000天津市200715.2510680015.25106800
120000天津市200816.5—16.55756300
120000天津市200916.5—16.56405800
120000天津市201017.4—17.47055300
120000天津市201116.4—16.47704800
120000天津市201213.8—13.88354300
120000天津市201311.45—11.459003800
120000天津市201410—109653300
120000天津市20159.3—9.310302800
120000天津市20169.1—9.110952300
120000天津市2017——6.3511601800
120000天津市20183.6—3.612251300
120000天津市20194.8—4.812900800
120000天津市20201.5—1.513550300
120000天津市20216.6—6.614199800
130100石家庄市199910.6966731710.69667317
130100石家庄市200010.574211910.5742119
130100石家庄市2001—79306410.2793064
130100石家庄市20029.97771189.9777118
130100石家庄市200312.593110512.5931105
130100石家庄市200414.1100774214.11007742
130100石家庄市200513.7108601913.71086019
130100石家庄市200613.4113666513.41136665
130100石家庄市200713.2121416313.21214163
130100石家庄市200810.1—10.11291661
130100石家庄市2009——11.171369159
130100石家庄市201012.24—12.241446657
130100石家庄市201112.01—12.011524155
130100石家庄市201210.38—10.381601653
130100石家庄市20138.08—8.081679151
130100石家庄市20147.9—7.91756649
130100石家庄市20157.5—7.51834147
130100石家庄市20166.8—6.81911645
130100石家庄市2017——7.111989143
130100石家庄市20187.42—7.422066641
130100石家庄市20196.7—6.72144139
130100石家庄市20203.85—3.852221637
130100石家庄市20216.58—6.582299135
130200唐山市199910.7173935810.71739358
130200唐山市200010.577042810.5770428
130200唐山市2001—81929410.4819294
130200唐山市200210.388764010.3887640
130200唐山市200313.3165856113.31658561
130200唐山市200414.9208761214.92087612
130200唐山市200515.1252498215.12524982
130200唐山市200614.6263766314.62637663
130200唐山市2007153281304153281304
130200唐山市200813.1—13.13924945
130200唐山市200911.3—11.34568586
130200唐山市201013.1—13.15212227
130200唐山市201111.7—11.75855868
130200唐山市201210.4—10.46499509
130200唐山市20134.43—4.437143150
130200唐山市20145.1—5.17786791
130200唐山市20155.6—5.68430432
130200唐山市20166.8—6.89074073
130200唐山市2017——7.059717714
130200唐山市20187.3—7.310361355
130200唐山市20197.3—7.311004996
130200唐山市20204.4—4.411648637
130200唐山市20216.7—6.712292278
130300秦皇岛市19996.061441876.06144187
130300秦皇岛市20009.91523639.9152363
130300秦皇岛市2001—25862010.35258620
130300秦皇岛市200210.826864810.8268648
130300秦皇岛市200312.145717212.1457172
130300秦皇岛市200412.844511312.8445113
130300秦皇岛市200512.151496412.1514964
130300秦皇岛市200612.659886812.6598868

代码公开披露

仅展示前 30 行,供了解变量构造与处理流程,完整代码请下载文件查看。

'
///导入案例数据,根据自己的路径改下
* 本行含来源标识或本地路径,未公开
//剔除个体代码缺失的样本
drop if 市级行政代码==.
//剔除个体年份重复的样本(这步可以自己改成不重复的或者直接剔除)
duplicates report 市级行政代码 年份  //检查个体-年份是否能唯一识别
duplicates example 市级行政代码 年份 //举例子看哪里数据重复
duplicates drop 市级行政代码 年份 ,force  //强制删除重复数据
tsset 市级行政代码 年份      //再次设置面板数据
xtdes       //查看数据
save 案例数据,replace
                              ///////////////////
                              ///ARIMA模型填补/// 
	                          ///////////////////
							  
							       ///注意///
               ///使用此方法可能使得数据失真严重,请谨慎使用本方法///
			//注意:该模型仅适用于时间序列数据,面板数据想用的话就要每个个体分别做arima模型
use 案例数据,replace
keep if 城市 =="北京市"///示例先做北京市
tsset 年份

//////////第一步:平稳性检验(确定d值),pperron检验也可以(同理,把下面的dfuller变更为pperron即可)

dfuller 地区生产总值_当年价格全市亿元//如果MacKinnon approximate p-value for Z(t)=这个值小于0.05即不用进行下面的一阶差分检验

dfuller D.地区生产总值_当年价格全市亿元//检验一阶差分,如果MacKinnon approximate p-value for Z(t) = 这个值小于0.05即不用进行下面的二阶差分检验

dfuller D2.地区生产总值_当年价格全市亿元//检验二阶差分,如果还没过就继续检验三阶差分