首页 > 分享 > 【Stata】数据批量季节调整教程

【Stata】数据批量季节调整教程

花匠小妙招
2025-05-22 13:52

一、关于季节调整：

之前是一直在用 Eviews 做 X-12 的季节调整，但是调整选项和 Stata 的相比确实有点少了，影响精度。
另外，做 BigData 的模型动则几千个个体不可能一个个在 Eviews 里手动调整，有人提到过用 Eviews 命令行批量执行，但是控制选项又很困难（我也没试过，命令行能不能跑起来也是个问题），总的来说用 Stata 季节调整是最优的。

二、问题：

用 Stata 最大的问题就是不好批量做季节调整，于是踩了一些坑，思考了一套最快的批量调整方案，附代码。

在调整前你需要具备 Stata 季节调整程序，可以在人大经济论坛下。
没有人大经济论坛的可以进网盘下全套程序：下载链接，提取码: 2vjy下完之后只需要把 x12a 文件夹里的 x12a.exe 放到你的 Stata 的 plus 目录就可以，下面介绍如何找 plus 目录：
（1）在 Stata 里执行 sysdir ，就会显示你的 PLUS 目录
（2）直接把 x12a.exe 放到 plus 目录下即可安装季节调整包，命令：

findit sax12net install st0255.pkg

java

运行

12 三、解决方案

注：假如你只需要调整几个变量，不需要查看本教程，直接输入命令 db sax12 调整即可，可以参考 Lee_iris 这套不错的设定方案。

先把大量数据导进 Stata ，我们这里假设的是多变量、面板数据，注意变量名字统一用英文，中文 x12a.exe 不识别，建议使用 var01 或者 var1 这种形式的命名，为后续操作提供便利。

生成时间序列，确定时间区间。在 Stata 执行以下代码：

gen t=tm(2009m1)+_n-1tsset t, monthly

java

运行

这段代码的作用是先生成时间数据，之后设定，下面介绍修改项：
（1）其中 tm() 函数要根据你的时间形式来选取，如果是 2009m1 也就是只有到月度的数据（最常用的），使用 tm() 函数即可，如果是精确到日，请自行百度找到相应函数替换，有关函数可参考这篇文章。
（2）其中 tm() 函数内是数据的起始时间，这里是假定为了 2009m1 开始，可以自行替换自己的起始时间，注意 tsset 之后根据显示的确认一下你的时间区间是否正确。

Python 批量拼接生成执行代码，拼接完成的 Stata 执行季节调整命令举例：

sax12 var01, satype(single) inpref(z1.spc) outpref(z1) transfunc(none) regpre( const td ) ammaxlag(2 1) ammaxdiff(2 1) ammaxlead(12) x11mode(add) x11seas(x11default)

java

运行

注：这套调整方案是参考 Lee_iris 的，如果想自己设定调整方案，先用 db sax12 界面化执行一次你的方案，再把自动执行的代码拷贝过来即可作为方案。

Python 拼接方案代码：

import os # 面板数据个体数 + 1 n = 35 text = 'sax12 var' text1 = ', satype(single) inpref(z' text2 = '.spc) outpref(z' text3 = ') transfunc(none) regpre( const td ) ammaxlag(2 1) ammaxdiff(2 1) ammaxlead(12) x11mode(add) x11seas(x11default)' stata = '' for i in range(1,n): stata += text if i<=9: stata += '0' + str(i) else: stata += str(i) stata += text1 + str(i) + text2 + str(i) + text3 + 'nn' with open('BatchSeasonalProcessingStatementGeneration.txt', 'w') as f: f.write(stata)

python

运行

123456789101112131415161718192021222324

注：这里变量名假设成了 z01、z09 这种，所以要手动在前十个补 0，你也可以设定成不带 0 前缀的。当然你用 var01 、var1 这种类型也可以，不过后面清扫文件的时候要小心。

（1）有三个需要拼接的地方，第一个是上面 Stata 例子语句里变量 var01 部分，也是你 Stata 里给变量设定的名字，第二个是 .spc 文件，我们这里用 Python 拼接的时候，假定为了 z+序号形式的，为了给后续操作提供便利，建议使用相同格式，第三个是输出前缀，这里同样使用 z+序号的前缀格式。
（2）注意要修改 n 为你的面板个体数。（假定有 34 个省，那就是 35）

如果你不熟悉 Python ，可以参考格式自行用熟悉的语言拼接生成。另外如果你只有几十个个体，网盘文件里还提供了生成好的几十个命令行，无需进行这一步。

将批量生成的代码在 Stata 里跑完，执行过程会不断有控制台窗口弹出，不要点击，否则会导致暂停。另外，还会自动打开季节调整报告，无需理会，最后一并关掉即可。

注：如果报错，说明你的季节调整程序即 x12a.exe 没有放对位置，或者 sax12 库没有安装，亦或是空格出错，单词中断了，自行检查，可以先跑一条试试看。

跑完之后打开你的 Stata 安装根目录，下面会有一大堆 z+序号格式的文件，全部复制备份起来，如果你想了解每一个文件的内容并做 X-12 季节调整分析和预测，请打开以 .out 为结尾的文件查看季节调整报告。
之后用以下代码执行这些文件的汇总和清扫工作，一劳永逸：

import os # n 为面板数据个体数 + 1 n = 35 # t 为时间期数 t = 11 * 12 data = {} for i in range(1,n): data[str(i)] = [] with open('z' + str(i) + '.d11', 'r') as f: lines = f.readlines() for line in lines: lineList = line.strip().split('t') if lineList[0] != 'date' and lineList[0] != '------': data[str(i)].append(lineList[1]) with open('SeasonalAdjustmentDataExtraction.csv', 'w') as f: for i in range(t): lineData = '' for j in range(1,n): lineData += data[str(j)][i] + ',' lineData = lineData[:-1] lineData += 'n' f.write(lineData) # 清扫 file_dir = r'./' files = os.listdir(file_dir) for i in range(len(files)): if files[i].find('z') != -1: os.remove(files[i]) for i in range(1,n): fileName = 'var' if i<=9: fileName += '0' + str(i) else: fileName += str(i) fileName += '.dat' os.remove(fileName)

python

运行

1234567891011121314151617181920212223242526272829303132333435363738394041

注：需要修改的只有 n 和 t ，按自己情况来。

执行完毕之后，自动清扫了冗余的 z+序号文件，同时生成了·SeasonalAdjustmentDataExtraction.csv 汇总表格，点开即为季节调整后的面板数据结果，横向为时间期数，纵向为按 var01 即 Stata 命名顺序排列的个体。

注：清扫的时候是把所有 z 开头的文件都清扫了，如果要自定义清扫，可以手动删除或者写别的规则，之所以用 z 开头的变量是因为 Stata 根目录没有带 z 字母的文件。

后记

虽然流程有点小复杂，但是都有相应的机械化方案，还是比较快的，Eviews 即使有最新的 X-13 解决方案，自动化还是问题，另外没有国内相适配的假期设定。