Stata15官方版是一款用于數(shù)據(jù)分析和數(shù)據(jù)可視化的統(tǒng)計分析軟件。Stata15官方版提供了多種統(tǒng)計分析工具，如回歸分析、方差分析、因子分析等，可以幫助用戶快速分析數(shù)據(jù)。Stata15官方版還提供了多種數(shù)據(jù)可視化工具，如散點圖、柱狀圖、餅圖等，可以幫助用戶直觀地展示數(shù)據(jù)。

Stata15基本簡介

　　stata15最新版是一款集數(shù)據(jù)分析、數(shù)據(jù)管理以及繪制專業(yè)圖表的整合性統(tǒng)計軟件，它提供多種數(shù)據(jù)模型，包括線性混合模型、均衡重復(fù)反復(fù)及多項式普羅比模式，用Stata繪制的統(tǒng)計圖形相當(dāng)精美。它的分析功能也是比較出眾的，可利用命令快速完成數(shù)據(jù)整理、導(dǎo)入導(dǎo)出等工作。

Stata15軟件特色

　　stata15最新版是一款專業(yè)的數(shù)據(jù)分析、管理以及圖表繪制工具，采用了最具親和力的窗口接口，使用者自行建立程序時，能提供具有直接命令式的語法，可以幫助您更好的統(tǒng)計和分析數(shù)據(jù)，讓您充分發(fā)揮自己的聰明才智，熟練應(yīng)用各種技巧，真正做到隨心所欲。該軟件提供了多元統(tǒng)計分析中所需的矩陣基本運算，如矩陣的加、積、逆、 Cholesky分解、 Kronecker內(nèi)積，以及一些高級運算，如特征根、特征向量、奇異，繪制的統(tǒng)計圖形相當(dāng)精美，而且統(tǒng)計功能很強，除了傳統(tǒng)的統(tǒng)計分析方法外，還收集了Cox比例風(fēng)險回歸，指數(shù)與Weibull回歸，多類結(jié)果與有序結(jié)果的logistic回歸，Poisson回歸等等，功能非常強大。

　　同時，stata15.1的統(tǒng)計分析能力遠(yuǎn)遠(yuǎn)超過SPSS，由于它是在分析時是將數(shù)據(jù)全部讀入內(nèi)存，在計算全部完成后才和磁盤交換數(shù)據(jù)，因此計算速度極快，以及生存數(shù)據(jù)分析、縱向數(shù)據(jù)(重復(fù)測量數(shù)據(jù))分析等模塊的功能都非常強大，另外，它還進行了全方面的優(yōu)化和改善，例如將界面、DO轉(zhuǎn)碼、set more off的自動設(shè)置和do file edit進行美化，并增加了擴展回歸模型、 潛在類別分析(LCA)、 貝葉斯前綴指令、 線性動態(tài)隨機一般均衡(DSGE)模型等眾多功能等等，能夠大大提高用戶工作效率。

Stata15功能介紹

 　　1.擴展回歸模型

　　我們稱之為ERMS 擴展回歸模型。四個新的命令適合

　　-線性回歸分析,

　　-區(qū)間回歸包括 tobit模型，

　　-概率，

　　-有序概率模型

　　stata15最新版可任意組合成：

　　-內(nèi)生變量

　　-非隨機處理任務(wù)

　　-內(nèi)源性(Heckman-style)樣本的選擇

　　這些新的命令讓人驚喜，因為可以在任何一個方程中加入內(nèi)生變量，包括處理賦值和概率選擇方程。內(nèi)生變量并不局限于連續(xù)性。它們可以是二進制或序數(shù)。不管是外生的還是內(nèi)生的，它們都可以與其他變量相互作用。它們甚至可以互相作用，形成平方項或立方項!

　　這些新的ERM命令—eregress,eintreg,eprobit, 和eoprobit注定會流行起來，因為他們解決了研究人員的很多問題。首先, 可能有一個內(nèi)生變量, 因為許多模型都省略了與模型中的變量相關(guān)的變量。其次，數(shù)據(jù)經(jīng)常被刪剪，而刪剪不是隨機的。ERM 樣本選擇選項允許您對選擇過程進行建模, 并對其進行調(diào)整?；蛘? 如果您正在使用非隨機處理效應(yīng)模型, 則可以用 ERM處理分配選項?；蛘? 可以結(jié)合處理分配和選擇選項, 其中一些是由于后續(xù)的行為而損失的擬合內(nèi)生處理分配模型。

　　2、潛在類別分析(LCA)

　　潛在的均值未被觀測。分類也就是分組。潛在類是數(shù)據(jù)中未觀測到的組。你可能有關(guān)于消費者的數(shù)據(jù)，并且根據(jù)消費者對產(chǎn)品的潛在興趣將他們分成三組。但是，在數(shù)據(jù)中沒有指定每個消費者所屬組的變量。擬合模型后，你可以

　　-使用新的estat lcprob命令估計屬于每一類的消費者比例;

　　-使用新的estat lcprob命令估計每個類中Y1、Y2、Y3、Y4的邊際均值(均值就是示例所示的概率);

　　-使用新estat lcprob命令來評價適合度;

　　-使用現(xiàn)有的predict命令獲取分類成員的預(yù)測概率和觀測結(jié)果變量的預(yù)測值。

　　3、貝葉斯前綴指令

　　新的bayes：前綴命令使你能夠適應(yīng)比以前版本更廣泛的貝葉斯模型。原來也可以擬合貝葉斯線性回歸, 但是現(xiàn)在可以通過輸入文字就可以：在這個模型中, 為變量 id的每個值添加隨機截距。

　　新的bayes：前綴命令在許多Stata評估命令之前工作，并提供超過50種可能性的模型。支持的模型包括多級、面板數(shù)據(jù)、生存和樣本選擇模型!

　　新命令支持所有Stata的貝葉斯的功能。你可以從之前的模型參數(shù)的分布中選擇，也可以使用之前默認(rèn)的。當(dāng)閉合形式解決方案用于Gibbs方法時，可以使用默認(rèn)的自適應(yīng) Metropolis–Hastings 抽樣, 或Gibbs抽樣, 或兩種方法的組合。在bayesmh命令的基礎(chǔ)上可以使用STATA的任何其他功能?？梢愿幕貧w系數(shù)的缺省先驗分布，比如，使用prior()選項：

　　4、線性動態(tài)隨機一般均衡(DSGE)模型

　　DSGEs是經(jīng)濟學(xué)中的一個時間序列模型。它們是傳統(tǒng)預(yù)測模型的替代品。兩者都試圖解釋總的經(jīng)濟現(xiàn)象, 但 DSGEs 允許對來自經(jīng)濟理論模型的基礎(chǔ)上做這個。建立在經(jīng)濟理論基礎(chǔ)上的方程很多。這些方程的關(guān)鍵特征是, 未來變量的期望值會影響今天的變量。這是區(qū)別 DSGEs 與矢量回歸或狀態(tài)空間模型的一個特性。另一個特點是, 從理論推導(dǎo)出來的參數(shù)通?？梢杂眠@個理論來解釋。

　　在DSGE模型中有三種變量：

　　-控制變量和方程，如p沒有沖擊,并且是由方程組決定的。

　　-狀態(tài)變量 (如 y) 具有隱含的沖擊, 在時間段開始時是預(yù)先確定的。

　　-沖擊是驅(qū)動系統(tǒng)的隨機錯誤。

　　在任何情況下, 以上dsge 命令可以定義一個模型并擬合。

　　如果我們有一個關(guān)于 beta 和kappa之間關(guān)系的理論, 比如它們是相等的, 我們可以用現(xiàn)有的命令test來測試它。

　　新的 postestimation命令estat policy和estat transition報告策略和轉(zhuǎn)換矩陣。如果鍵入

　　顯示將控制變量作為狀態(tài)變量的線性函數(shù)。如果有五個控制變量和三個狀態(tài)變量, 則每個控件將被報告為三個狀態(tài)的線性函數(shù)。在上面的簡單例子中, 預(yù)測 p 的線性函數(shù)將顯示為現(xiàn)在的 y 函數(shù)。

　　同時，報告轉(zhuǎn)換矩陣。而策略矩陣將 p 報告為函數(shù)y, 而轉(zhuǎn)換矩陣則報告 y 如何通過時間演變?yōu)閜?？梢允褂肧tata的現(xiàn)有預(yù)測命令來生成預(yù)測?？梢允褂肧tata現(xiàn)有的irf命令來繪制脈沖響應(yīng)函數(shù)。

　　5、web動態(tài)的Markdown文檔

　　你有沒有聽過Markdown?它是一種創(chuàng)建 html 文檔的流行方式。html 文件是繁瑣的。Markdown簡單直觀，想法很簡單?？梢詣?chuàng)建一個文件, 其中包含所需的可讀格式的文本, 然后通過它運行一個命令來創(chuàng)建一個HTML文件。

　　Stata現(xiàn)在支持Markdown, 我們已經(jīng)添加了標(biāo)簽 (功能) 到Markdown, 允許包括輸入文件中的Stata命令。你所包含的命令將被運行和顯示, 或者以秘密方式運行, 以及提取輸出的部分供文檔使用。

　　6、非線性混合效應(yīng)模型

　　非線性混合效應(yīng)模型也被稱為非線性多級模型和非線性層次模型?？梢杂脙煞N方式來考慮這些模型?？梢园阉鼈兛闯砂S機效應(yīng)的非線性模型。或者可以把它們看成線性混合效應(yīng)模型, 其中一些或所有的固定和隨機效應(yīng)都是非線性的。不管哪種方式, 總的誤差分布假設(shè)成Gaussian分布。

　　這些模型在人口藥代動力學(xué), 生物鑒定和研究生物學(xué)和農(nóng)業(yè)成長過程中很流行。比如，采用非線性混合效應(yīng)模型對機體的藥物吸收、地震強度和植物生長進行了模擬。

　　新的評估命令被命名為 menl。它實現(xiàn)了 popular-in-practice Lindstrom–Bates 算法, 是基于對固定和隨機效應(yīng)的非線性均值函數(shù)進行線性化。支持最大似然和受限最大似然估計方法。

　　Menl易于使用。可以直接輸入單個方程。大括號{ }，用于將要匹配的參數(shù)括起來：

　　除了標(biāo)準(zhǔn)功能外, postestimation特征還包括對隨機效應(yīng)及其標(biāo)準(zhǔn)誤差的預(yù)測，對模型中定義的感興趣參數(shù)的預(yù)測, 作為其他模型參數(shù)和隨機效應(yīng)的參數(shù)、聚類相關(guān)矩陣的整體評估等。

　　7、空間自回歸模型(SAR)

　　Stata適合空間自回歸 (SAR) 模型, 也稱為同步自回歸模型。新的spregress,spivregress, 和spxtregress命令允許因變量的空間滯后、自變量的空間滯后和空間自回歸誤差?？臻g滯后是時間序列滯后的空間模擬。時間序列滯后近年來成為變量值?？臻g滯后是附近地區(qū)的值。

　　該模型適用于區(qū)域數(shù)據(jù), 也稱為區(qū)域性數(shù)據(jù)。觀測結(jié)果被稱為空間單位, 可以是國家、州、區(qū)、縣、市、郵政編碼或城市街區(qū)，或者它們可能根本就不是地理位置。它們可能是社交網(wǎng)絡(luò)的節(jié)點。空間模型評估直接影響—區(qū)域?qū)ψ陨淼挠绊?，并估算鄰近地區(qū)的間接或溢出效應(yīng)。

　　有一個全新的 [SP] 手冊專門介紹Stata的新SAR功能。這些命令被稱為Sp命令。它們可以與以下一起工作：

　　-shapefiles通過 web 獲取你選擇數(shù)據(jù)，或者

　　-沒有shapefiles 和數(shù)據(jù)，只包含位置的坐標(biāo)，或者

　　-沒有 shapefiles沒有位置會出現(xiàn)社會網(wǎng)絡(luò)數(shù)據(jù)。

　　8、區(qū)間刪失參數(shù)生存時間模型

　　Stata新的stintreg 命令加入 streg, 用于擬合參數(shù)生存模型。stintreg擬合區(qū)間刪失數(shù)據(jù)模型。在區(qū)間刪失數(shù)據(jù)中，故障時間并不確定。眾所周知, 受試者還沒有失敗的時候, 以及后來他們已經(jīng)失敗的時候。

　　stintreg擬合指數(shù)，Weibull, Gompertz, 對數(shù)正態(tài)分布、對數(shù)邏輯和廣義的gamma生存時間模型。支持比例風(fēng)險和加速故障時間度量。功能包括

　　-分層估計

　　-靈活的輔助參數(shù)建模

　　-robust, cluster–robust, bootstrap,和jackknife的標(biāo)準(zhǔn)誤差

　　除了基本功能, postestimation功能還包括plots of survivor,, hazard, 和cumulative hazard函數(shù);平均數(shù)和中位數(shù)時間預(yù)測;Cox–Snell and martingale-like殘差值等。

　　9、有限混合模型(FMMs)

　　新的fmm:當(dāng)數(shù)據(jù)來自未觀測到的亞群時, 前綴命令擬合模型。它可以與17 個Stata評估命令一起使用。

　　大多數(shù)用戶使用fmm來擬合模型中的參數(shù) (系數(shù)、位置、方差、比例等) 在不同亞群之間的變化。在這些模型中，未觀測到的亞群稱為類。比如說你感興趣的擬合模型。每個分類在總?cè)丝诘谋壤?，Postestimation 命令可用于 (1) 評估，(2) 報告類內(nèi)結(jié)果變量的邊際均值，(3) 預(yù)測類成員的概率和預(yù)測結(jié)果。

　　10、混合Logit模型

　　Stata已經(jīng)擬合多項Logit模型。Stata15能使它們擬合混合形式, 包括隨機系數(shù)。

　　隨機系數(shù)對擬合多項式邏輯模型具有特殊的意義。它們是圍繞Independence of the Irrelevant Alternatives (IIA)假設(shè)一種方式。這一假設(shè)表明, 如果你選擇步行去工作, 當(dāng)你的選擇是步行, 乘坐公交車, 或自駕, 你仍然選擇步行, 即使你沒有選擇不可再用的一個選項。如果選項是在步行或開車之間，你仍然會選擇步行。人類有時行為不同。

　　IIA假設(shè)在協(xié)變量的條件下, 選擇是獨立的。如果違反這種假設(shè), 選擇將是相關(guān)的。隨機系數(shù)允許選擇相關(guān)性。研究人員經(jīng)常在隨機效用模型和離散選擇分析的中使用混合模型。Stata新的asmixlogit Logit命令支持各種隨機系數(shù)分布, 并允許包含特定案例變量的模型。

　　11、非參數(shù)回歸

　　Stata現(xiàn)在適合非參數(shù)回歸。在這些模型中, 不指定函數(shù)形式。指定變量并指定想要匹配的變量：

　　匹配項是g()。該方法不假定 g () 是線性的

　　12、聚類隨機設(shè)計和回歸模型的功耗分析

　　Stata現(xiàn)有的power命令執(zhí)行功率和樣本(PSS) 分析。其功能包括PSS線性回歸和集群隨機設(shè)計 (CRDs)。現(xiàn)在可以添加你自己的功率和樣本大小的方法。

　　線性回歸的新方法包括

　　-power oneslope，在一個簡單的線性回歸中對斜率測試執(zhí)行pss。根據(jù)給定的其他研究參數(shù)計算樣本的大小或功率

　　-power rsquared，在多元線性回歸中執(zhí)行R-squared檢驗的PSS。R-squared檢驗是對測定系數(shù) (R-squared) 的 f 檢驗。測試可以用來測試所有系數(shù)的意義, 也可以用來測試其中的一個子集。在這兩種情況下, power rsquared計算樣本大小或功率或目標(biāo)R-squared給其他參數(shù)研究。

　　-power pcorr，在多元線性回歸中執(zhí)行PSS的部分相關(guān)測試。部分相關(guān)檢驗是平方偏多相關(guān)系數(shù) f的 檢驗。該命令根據(jù)其他研究參數(shù)計算樣本大小或功率或目標(biāo)平方偏相關(guān)系數(shù)。

　　Stata 15現(xiàn)在還支持集群隨機化設(shè)計：

　　在 CRD中, 組的受試者 (集群) 是隨機的而不是個體, 這意味著樣本大小的作用是通過數(shù)字集群和集群大小來發(fā)揮的。樣本大小確定包括給定集群大小的數(shù)量或給定集群的大小。CRD命令計算 (1) 的一個集群的數(shù)目, (2)的集群大小, 或 (3)的功率, 或最小的可檢測到的效果大小給定的其他參數(shù)。這些命令可以根據(jù)不相等的集群大小調(diào)整選項。

　　-當(dāng)指定新的選項集群時, 現(xiàn)有的5個 power方法將擴展到支持CRDs。它們是

　　-對于兩個樣本方法, 還可以針對兩個組中的不相等的集群進行調(diào)整。

　　與所有其他功率方法一樣, 新方法允許指定參數(shù)的多個參數(shù)值, 并自動生成表格和圖形結(jié)果。

　　另一個新功能是可以添加自己的PSS方法。這是很容易做到的。編寫一個計算樣本大小、功率或效果大小的程序。power命令將為您完成其余部分。它將處理選項中多個值的支持, 并且自動生成圖形和結(jié)果表。