【Stata】数据批量季节调整教程

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。

1. 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
2. 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
3. 安装季节调整包，命令：

	findit sax12
	net install st0255.pkg

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。

1. 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。

2. 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-1
	tsset t, monthly

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。

3. 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)

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 + '\n\n'

with open('BatchSeasonalProcessingStatementGeneration.txt', 'w') as f:
    f.write(stata)

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。

4. 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。

5. 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)

注：需要修改的只有 n 和 t ，按自己情况来。

6. 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。