Stata 丨 数据统计分析软件包

Stata 是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。新版本的STATA采用极具亲和力的窗口接口，使用者自行建立程序时，软件能提供具有直接命令式的语法。Stata提供完整的使用手册，包含统计样本建立、解释、模型与语法、文献等超过一千六百页的出版品。

Stata新版本16已发布,Stata是您的数据科学需求的解决方案。获取和操作数据，探索，想象，模型进行推断。将结果收集到可重复的报告中。

STATA 16中的新功能及部分详解：

• 套索

• 可重复的报告

• 选择模型

• Python集成

• 贝叶斯多链

• 面板数据ERM

• 从SAS和SPSS导

• 非参数序列回归

• 内存中有多个数据集

• CI的样本大小分析

• 面板数据混合logit

• 非线性DSGE模型

• 多组IRT

• xtheckman

• 具有滞后的NLMEM：PK模型

• Heteroskedastic命令probit

• 图形的磅值

• 数值积分

• 线性规划

• Mac界面

• Do-file Editor自动完成

部分功能详解：

套索

STata的新套索工具可能让您从大量数据中提取真实特征。使用这些功能，您可以执行以下操作：

• 预测结果

• 表征数据中的组和模式

• 搜索高度非线性的潜在关系

• 对感兴趣的协变量进行推断

• 处理内源性协变量或未观察到的混杂因素

• 我们为您提供工具，以确保您找到真正的功能，而不仅仅是特定样本中的工件。
  

• Lasso的根源在于：

• 机器学习

• 统计

• 计量经济学习

也就是说，他已经建立了实际应用程序的功能，已知统计属性的严格性以及更多应用程序的承诺。您也可以在较小的数据集上使用它。

可重复的报告

使用STata结果和图形创建Word，HTML，PDF，和Excel文件

STata的集成版本控制为您提供真正可重复的报告。想要动态文件？所有这些报告都可以随着数据的变化而更新。

Meta分析

Mate分析结合了多个研究的结果，这些研究回答了类似的研究问题。运动会延长寿命吗？睡眠不足会增加患癌症的风险吗？以及更多，许多研究试图回答这些问题，有些研究报告不确定甚至是相互矛盾的结果。元分析有助于将信息（通常是压倒性的）从原始的许多研究中汇总成一个统一的最终结论，或者提供无法达到这种结论的原因。

STata拥有由STata研究人员提供的元分析方法的悠久历史，例如Palmer和Sterne（2016）。STata现在提供新的命令套件meta，以执行元分析。新套件很广泛，但其优点之一就是它的简洁性。

让我们快速看下一个可能的工作流程：

1、准备数据以进行元分析

2、获取元分析摘要

3、探索异质性

4、调查小型研究的影响和发表偏倚

Python集成

在STata 16中，您可以在STata中嵌入并执行Python代码。STata的新Python命令提供了一套子命令。允许您从STata轻松调用Python并在STata中输出Python结果。

您可以交互式调用Python，也可以在do-files和ado-files中调用Python，以便利用Python广泛语言功能。您还可以直接通过STata执行Python脚本文件（.py）。

此外还包括STata Function Interface（sfi） Python模块。他提供STata和[ython之间的双向连接。它允许您将Python的功能与STata的核心功能进行交互。在模块中，定义类似提供对STata当前数据集，框架，宏，标量，矩阵，值标签，特征，全局Mata矩阵的访问。

从Python 2.7开始，STata支持Python 2和Python 3.您可以从STata中选择要绑定的那个。

面板数据ERM

• 内生性+

• 选择+

• 治疗+

• 面板数据

同时护理所有并发症

ERM最后一次发布到STata。他们适合有问题的模型。通过模型，我们指的是连续结果的线性回归和区间回归，二元结果的概率，以及有序结果的有序概率。

问题实质内源性和外源性样本选择，内源性协变量（为观察到混杂因素）和非随机治疗分配的任何组合。新版本是ERM处理另一个问题面板数据（也称为纵向数据或两级多级数据）。默认情况下，每个等式中都包含随机效应。随机效应是相关的；您可以省略特定的随机效果，并可以测试相关性。

stata中的其他命令可以使模型符合列出的任何问题。ERM可以处理上述问题的任何组合，并且可以使模型具有连续，间隔，二元和多个结果。

非参数序列回归

非参数序列回归（NPSR）估计意味着给定一组协变量的结果，就像线性回归一样。与线性回归不同，NPSR在协变量方面对结果的功能形式不可知，这意味着NPSR不会出现错误指定错误。

数据框：内存中的多个数据集

• 内存中的多个数据集同时存在
  

• 内存数据集都存储在一个框架中

• 框架易于交互使用

• 在ado货物Mata中，帧都是完全可编程的

• 在Java和Python访问帧中的数据

等等

CI的精确度和样本量分析

新的ciwidth命令对置信区间（CI）执行精度和样本大小分析。目标是在CI用于推断时最佳地分配研究资源，挥着换句话说，估计实现CI的期望精度所需的样本大小。ciwidth还允许您调查各种场景中的精度，这在规划阶段非常有用。您可以研究样本大小，所需CI宽度以及实际场景中的精度，在这规划阶段非常有用。您可以检查每种参数随其他参数的变化情况。结果可以在表或图表中显示。

面板数据混合logit

面板数据选择模型

放宽无关替代（IIA）假设的独立性

来自6个分布图的随机系数-正态，相关正态，阶段正态，均匀和暗礁性强大且集群稳健的标准错误，支持复杂的调查数据。

非线性DSGE

动态随机一般均衡（DSGE）模型用于宏观经济学来秒速经济结构。这些模型由来自经济理论的方程组成。在这些模型中，期望来确定当今变量的介质方面发挥着重要作用。DSGE模型与其他时间序列模型的区别在于它与理论的紧密联系以及模型中期望的出现。

宏观经济学家使用DSGE来评估政策对产出增长，通货膨胀和利率等结果的影响。DSGE模型可以嵌套多种理论。然后，研究人员可以使用估计的参数值来确定哪种理论更适合数据。

STata的新dsgenl命令通过使用稳态下模型方程的一阶近来估计参数和变量中非线性的DSGE参数。

多组IRT模型

许多亚牛人员研究认知能力，人格特质，态度，生活质量以及其他无法直接测量的属性。为了量化这些类型的潜在特征。，研究人员开发了由二元，序数或分类项目成的仪器问卷或测试，以确定个体的特征水平。

项目反应理论（IRT）模型可用于评估潜在特征与旨在测量特征饿项目之间的关系。使用IRT模型，我们可以去诶定能够哪些测试项目更难以及哪些更容易。我们可以确定哪些测试项目提供了有关潜在特征的信息以及哪些测试项，目提供的信息很少。

兼容的操作系统

STata将在下面列出的平台上运行。虽然STata软件是特定于平台的，但您的STata许可证并非如此；因此在下单时无需指定操作系统。

了解在双核，多核或多处理器计算机上运行STata。

平台

适用于Windows®的STata

Windows 10 、Windows 8 、 Windows 7 、Windows Server 2016 ， 2012 ， 2008 R2

STata需要64位Windows 用于由英特尔®和AMD纸草的X86 - 64处理器（了解您的操作系统是否符合64位标准）

适用于Mac®的STata

macOS 10.11或更新版本

适用于Linux的STata

任何运行Linux的64位（x86-64或兼容）

对于xstata，您需要安装GTK 2.24

硬件要求