Stata17有什么亮點呢？Stata 17是一款集成的、多用途的統(tǒng)計數(shù)據(jù)分析軟件，可滿足用戶對統(tǒng)計數(shù)據(jù)的分析、管理和圖形顯示的所有需求，新版擁有DID的官方命令，完美的表格輸出，Lasso新功能，離散選擇新命令等功能，下面鏡像之家給大家分享的是Stata17十大優(yōu)勢匯總，有需要的小伙伴快來下載吧 。
Stata17十大優(yōu)勢匯總： 1、雙重差分法的官方命令
“雙重差分法”（Difference-in-differences，簡記DID）或許是最常用的計量方法 。怎么能沒有DID的Stata官方命令呢？為此，Stata 17及時地推出了DID的官方命令xtdidregress；其中，“xt” 表示這是適用于面板數(shù)據(jù)的命令 。
除了進行常規(guī)的 DID 估計，命令xtdidregress還允許最多指定三個“分組變量”（group variables），或兩個分組變量與一個時間變量，從而進行“三重差分法”（Difference-in-differences-in-differences，簡記DDD）的估計 。
另外，針對“重復截面數(shù)據(jù)”（repeated cross-sectional data），即所謂“準面板”（pseudo panel data），Stata 17也推出了相關的新命令didregress，可進行類似 DID 的估計 。更重要的是，你可以用DID的官方命令，輕松地畫平行趨勢圖啦~
2、完美的表格輸出
實證研究者經(jīng)常需要將Stata的多個回歸結(jié)果以表格形式輸出到Word文件中 。雖然早有官方命令estimates table可完成此類任務，但比較死板；故此前Stata用戶一般使用非官方命令（比如estout或outreg）來輸出回歸結(jié)果 。為此，Stata 17大幅改善了原來的table命令，使用戶可輕松地以表格形式匯報回歸結(jié)果（regression results）或統(tǒng)計特征（summary statistics） 。
進一步，你可以設計回歸表格的風格（styles），并應用于所創(chuàng)建的表格，然后將此表格輸出到Word或其他形式的文件（包括PDF、HTML、LaTex、Excel、Markdown 等） 。另外，你還可以使用新增的前綴（prefix）collect，來收集Stata命令的各種估計結(jié)果 。最后，Stata 17還新增了Table Builder（表格創(chuàng)建器），讓用戶可通過點擊鼠標（point-and-click）來創(chuàng)建表格 。
3、Lasso的新功能
作為“高維回歸”（high-dimensional regression）的常用工具，Stata 16已經(jīng)推出了有關Lasso（Least Absolute Shrinkage and Selection Operator，即所謂 “套索估計量”）的一系列官方命令 。Stata 17則提供了更多有關 Lasso 的新功能 。
使用Lasso估計處理效應模型 。在 Stata 16 中，可使用命令teffects估計“處理效應”（treatment effects）模型；而命令lasso則用于估計協(xié)變量很多的高維模型 。Stata 17則將二者結(jié)合起來，其推出的新命令telasso，可估計包含很多協(xié)變量的處理效應模型 。
使用 BIC 選擇Lasso懲罰參數(shù) 。作為一種“懲罰回歸”（penalized regression），在進行Lasso估計時，需要選擇懲罰參數(shù)（penalty parameter） 。在Stata 16中，可使用交叉驗證（cross-validation）、適應性方法（adaptive method）或代入法（plugin）來選擇懲罰參數(shù) 。
在Stata 17中，新增了選擇項 “selection(bic)”，可使用 “貝葉斯信息準則”（Bayesian Information Criterion，簡記BIC）選擇懲罰參數(shù) 。而且，新增的估計后命令（postestimation command）bicplot 可以很方便地將此選擇過程可視化 。
使用Lasso處理聚類數(shù)據(jù) 。對于“聚類數(shù)據(jù)”（cluster data），由于每個聚類中觀測值存在自相關，故通常的Lasso估計可能導致偏差 。在Stata 17中，在使用命令lasso或elasticnet時，可通過新增選擇項 “cluster(clustvar)” 來處理聚類數(shù)據(jù) 。進一步，對于使用Lasso進行統(tǒng)計推斷的命令，比如poregress（表示partialing-out regress），則可使用Stata 17的新增選擇項 “cluster(clustvar)” 來得到聚類穩(wěn)健的標準誤（cluster-robust standard errors） 。
4、離散選擇模型的新命令
離散選擇模型（discrete choice model）是微觀計量經(jīng)濟學的常用模型 。在Stata 17中，增加了以下離散選擇模型的新命令：
“面板多項邏輯模型”（panel multinomial logit model） 。對于橫截面數(shù)據(jù)的多項邏輯模型，Stata已有mlogit命令 。Stata 17新增的xtmlogit命令則可使用面板數(shù)據(jù)估計多項邏輯模型 。這無疑是Stata在離散選擇模型方面的一大進步，因為此前Stata只能使用xtlogit或xtprobit估計面板二值選擇模型 。
“零膨脹排序邏輯模型”（zero-inflated ordered logit model） 。對于排序數(shù)據(jù)（ordered data），此前可使用Stata命令ologit或oprobit進行估計 。在實踐中，有時排序數(shù)據(jù)中最低類別所占比重很大 。若將最低類別的取值記為“零”，則存在所謂“零膨脹”現(xiàn)象 。此時可使用Stata 17的新增命令ziologit，估計更有效率的“零膨脹排序邏輯模型”（zero-inflated ordered logit model） 。
5、久期數(shù)據(jù)的新命令
“久期數(shù)據(jù)”（duration data）常用于生物統(tǒng)計的 “生存分析”（survival analysis），在經(jīng)濟學中也有廣泛用途，例如失業(yè)的持續(xù)時間，婚姻的延續(xù)時長，王朝的壽命等 。久期數(shù)據(jù)常存在 “刪失”（censoring）或 “歸并” 問題，比如當研究結(jié)束時，有些病人可能尚未死亡；或者有些失業(yè)者還未找到工作 。
Stata 17新推出的命令stintcox，可使用Cox模型來估計一種特殊的“區(qū)間刪失”（interval-censored）數(shù)據(jù) 。對于區(qū)間刪失數(shù)據(jù)，我們只知道事件發(fā)生于某個區(qū)間，但無法確知其發(fā)生時點；比如，只知道癌癥復發(fā)于兩次體檢之間的時段 。如果忽略久期數(shù)據(jù)存在的區(qū)間刪失問題，則會導致估計偏差 。
6、貝葉斯計量經(jīng)濟學的全面升級
在大數(shù)據(jù)時代，由于數(shù)據(jù)日益復雜而多樣，在處理有些問題時，基于頻率學派的傳統(tǒng)計量方法可能不便使用，使得貝葉斯學派的計量經(jīng)濟學逐漸興起 。頻率學派認為待估計的參數(shù)是給定的未知數(shù)（fixed unknown parameters），而貝葉斯學派則將未知參數(shù)視為服從某個分布的隨機變量，并可隨時根據(jù)新的樣本信息將其 “先驗分布”（prior distribution）更新為 “后驗分布”（posterior distribution） 。Stata 17將Stata中原有的貝葉斯統(tǒng)計學與計量經(jīng)濟學進行了全面升級 。
貝葉斯面板數(shù)據(jù)模型（Bayesian panel-data models） 。Stata目前已有的面板命令包括xtreg（靜態(tài)面板），xtlogit或xtprobit（面板二值選擇模型），以及xtologit或xtoprobit（面板排序模型）等 。在 Stata 17中，如果要使用貝葉斯方法估計這些面板模型，只要在原命令之前加上 “前綴”（prefix）bayes即可 。
貝葉斯向量自回歸模型（Bayesian VAR models） 。“向量自回歸”（Vector Autoregression，簡記VAR）是常見的時間序列模型 。在已有的Stata中，可用命令var來估計VAR模型，而后續(xù)命令則包括：使用fcast進行 “動態(tài)預測”（dynamic forecast），以及使用irf估計 “脈沖響應函數(shù)”（impulse response function，簡記 IRF）與 “預測誤差方差分解”（forecast error variance decomposition，簡記 FEVD） 。
在Stata 17中，則可使用命令“bayes: var”（即在命令var之前加上前綴 bayes）估計貝葉斯的 VAR 模型，然后用bayesfcast進行動態(tài)預測；而脈沖響應函數(shù)與預測誤差方差分解也可類似地得到 。
然后，使用bayesfcast進行動態(tài)預測；
而脈沖響應函數(shù)（IRF）與預測誤差方差分解（FEVD）也可類似地得到 。
使用貝葉斯方法估計VAR模型有兩大好處 。首先，VAR模型通常包含較多參數(shù)，若樣本較小，則估計結(jié)果不穩(wěn)定 。而貝葉斯方法由于較易“整合先驗信息”（incorporating prior information），故在用小樣本估計VAR模型時更為穩(wěn)健 。
其次，經(jīng)典的VAR模型使用大樣本理論進行統(tǒng)計推斷與預測，需要假設估計量服從漸近正態(tài)分布，在小樣本中不易滿足 。而貝葉斯方法則不使用大樣本理論，也無須漸近正態(tài)的假設，故更適用于小樣本 。
貝葉斯多層模型（Bayesian multilevel models） 。Stata 17新推出的bayesmh命令可以估計一系列的貝葉斯多層模型，包含“單變量”（univariate）或“多變量”（multivariate）的線性與非線性多層模型（linear and nonlinear multilevel models），乃至面板的生存時間模型（joint longitudinal and survival-time models）以及結(jié)構(gòu)方程之類的模型（SEM-type models）等 。
貝葉斯線性與非線性DSGE模型（Bayesian linear and nonlinear DSGE models） ?！皠討B(tài)隨機一般均衡”（Dynamic Stochastic General Equilibrium，簡記DSGE）模型是宏觀經(jīng)濟學的主流模型 。在Stata 16 中，可使用命令dsge與dsgenl分別估計線性與非線性的 DSGE 模型 。
在Stata 17中，只要在命令dsge與dsgenl之前加上前綴bayes，即可估計相應的線性或非線性的貝葉斯DSGE模型 ?？晒┯脩暨x用的 “先驗分布”（prior distribution）多達30以上，并可進行貝葉斯脈沖響應分析（Bayesian IRF analysis），區(qū)間假設檢驗（interval hypothesis testing），以及使用貝葉斯因子（Bayesian factors）來比較模型等 。
7、非參數(shù)的趨勢檢驗
有時樣本數(shù)據(jù)中存在分組（比如，分為3組），且這些分組有天然的排序（比如，記為1，2，3組），即所謂 “排序分組”（ordered groups） 。在這種排序分組的數(shù)據(jù)中，經(jīng)常希望檢驗某個變量在此分組排序中（比如，第1-3組），是否存在某種趨勢，比如此變量的取值傾向于越來越大，即所謂 “tests for trend across ordered group” 。
為此，可使用Stata已有命令nptrend，進行非參數(shù)的Cuzick秩檢驗（Cuzick test using ranks） 。而Stata 17的最新版nptrend命令，則在 Cuzick秩檢驗之外，新增了三個非參數(shù)檢驗，即“Cochran-Armitage test”，“Jonckheere-Terpstra test” 與“l(fā)inear-by-linear trend test”，使得命令nptrend的功能大大增強 。
8、元分析的新命令
“元分析”（meta-analysis）將多個類似的研究結(jié)果綜合在一起 。比如，針對某個疫苗的有效性（vaccine efficacy），在世界各地進行了多個實驗，如何將每個實驗所得的疫苗有效性指標，通過加權平均得到統(tǒng)一的度量 。Stata 17將Stata的元分析功能作了進一步的提升 。
多維元分析（Multivariate meta-analysis） 。在將多個研究結(jié)果綜合在一起時，其中的每個研究可能同時匯報 “多個效應規(guī)模”（multiple effect sizes），而這些效應之間可能存在相關性 。若使用Stata既有的 meta命令，則會忽略這種相關性 。Stata 17的新增命令meta mvregress可進行多維元分析，并處理這種相關性 。
加爾布雷斯圖（Galbraith plots） 。Stata 17還新增了命令meta galbraithplot，可以畫元分析的 “加爾布雷斯圖”（Galbraith plots） 。此圖可用于評估不同研究之間的異質(zhì)性（assessing heterogeneity of the studies），并發(fā)現(xiàn)潛在的極端值（potential outliers） 。
留一元分析（Leave-one-out meta analysis） 。Stata 17新增了 “留一元分析”（Leave-one-out meta-analysis）的功能 。所謂“留一元分析”，就是在進行元分析時，每次均留出一個研究（不放在樣本中），以考察元分析結(jié)果的穩(wěn)健性；比如，最終結(jié)果是否過度依賴于某個研究 。在使用Stata命令meta summarize或meta forestplot進行元分析時，可使用新增的選擇項leaveoneout來進行留一元分析 。
9、Stata與Python、Java、H2O及Jupyter Notebook的整合
在大數(shù)據(jù)時代，Stata也在加快與主流軟件平臺的整合，為用戶提供更多的增值服務 。這在Stata 17的此次升級中體現(xiàn)尤其突出 。
與 Python 的整合（Python integration） 。Python已是炙手可熱的主流計算機語言 。為此，Stata 16專門提供了一個與Python的接口，讓用戶在熟悉的Stata界面下調(diào)用Python，并在Stata中顯示運行結(jié)果 。Stata 17則更進一步，推出了新的Python包（Python package）pystata，使得用戶可在Python 中方便地調(diào)用Stata 。Stata 17還引入了一個新概念 “PyStata”，包括 Stata與Python交互的所有方式 。
與 Java 的整合（Java integration） 。Java是一種應用廣泛的跨平臺編程語言 。在Stata 17中，你可以十分方便地在Stata程序中嵌入并執(zhí)行 Java 代碼 。
對于JDBC數(shù)據(jù)交換格式的支持（Support for JDBC） 。JDBC（Java Database Connectivity）是一個在不同程序與數(shù)據(jù)庫之間交換數(shù)據(jù)的跨平臺標準（a cross-platform standard for exchanging data between programs and databases） 。在Stata 17中，通過支持JDBC，使得 Stata用戶可從一些最流行的數(shù)據(jù)庫導入數(shù)據(jù)，包括Oracle、MySQL、AmazonRedShift、Snowflake、Microsoft SQL Server等 。
與H2O的整合（H2O integration） 。H2O是一款流行的機器學習軟件平臺 。在Stata 17中，你可以連接并調(diào)用H2O的機器學習算法 。這無疑為Stata用戶打開了另外一扇通往機器學習的窗口！
在Jupyter Notebook中使用Stata（Jupyter Notebook with Stata） 。Jupyter Notebook是一款基于網(wǎng)頁的流行“集成開發(fā)環(huán)境”（integrated development environment，簡記 IDE），尤其方便展示代碼、公式、文字與可視化 。在Stata 17中，作為PyStata的一部分（依賴于 Python 包 pystata），你可以從 Jupyter Notebook調(diào)用 Stata與Mata（Stata的矩陣語言） 。這意味著，你可以在同一環(huán)境中整合Python與Stata的功能，使得你的工作更加可復制（reproducible）且易于分享 。
10、Do文件編輯器的改進與Stata速度提升等
Do文件編輯器的改進（Do-file Editor improvements） 。隨著編程的重要性日益提高，Stata 16在Do文件編輯器中加入了 “自動填寫完成”（autocompletion）與 “語法高亮”（syntax highlighting）的功能 。Stata 17又將Do文件編輯器的功能進一步提升 。
在Stata 17的Do文件編輯器中，可通過設置 “bookmarks”（書簽）而在一個較長的do文件中迅速跳至想要編輯的部分 。Stata 17的Do文件編輯器還新增了“navigation control”（導航），其中羅列所有的書簽及其標簽（bookmarks and their labels），以該Do文件中的全部“程序”（programs） 。
Stata的速度提升（Faster Stata） 。在大數(shù)據(jù)時代，基礎算法的速度越來越重要 。為此，Stata 17更新了命令sort與collapse的算法，使之更為快捷 。另外，Stata 17也提升了命令mixed（用于估計多層混合效應模型，即 multilevel mixed-effects models）的運行速度 。
使用Intel Math Kernel Library（MKL）提升速度 。Stata 17引入了Intel Math Kernel Library（MKL），適用于所有Intel或AMD的64位計算機，從而可調(diào)用深度優(yōu)化（deeply optimized）的LAPACK（Linear Algebra PACKage）線性代數(shù)包 。這將使得Stata與Mata的底層計算速度進一步提升，而Stata用戶無須作任何事情即可享用 。
處理日期與時間的新函數(shù)（New functions for dates and times） 。Stata 17 引入了方便處理日期與時間的新函數(shù)，包括Datetime duration（計算持續(xù)時間），Datetime relative dates（計算相對日期，比如下個生日的日期），以及Datetime（從日期中提取不同的成分） 。這些新函數(shù)還會自動考慮閏年（leap years）、閏日（leap days）與閏秒（leap seconds）的因素 。
【stata17和16 Stata17有什么亮點呢？Stata17十大優(yōu)勢匯總】總之，Stata 17是一次令人激動的重大升級，不僅有貝葉斯計量經(jīng)濟學的高歌猛進，與主流計算機語言平臺的深度整合，更便于編程的Do文件編輯器，而且更為貼近計量實戰(zhàn)的需求（DID，表格輸出，離散選擇等） 。顯然，在可預見的將來，Stata 依然會是經(jīng)管社科的首選計量與統(tǒng)計軟件 。
關于Stata17十大優(yōu)勢匯總就給大家介紹完了，希望能對大家有所幫助 。了解更多教程請繼續(xù)關注鏡像之家哦……
推薦閱讀
- 甜甜的文案短句溫柔 甜甜的文案短句溫柔不過10
- 相處不累才是最好的關系說說下一句
- stata數(shù)據(jù)導出 Stata怎么導出結(jié)果？Stata導出結(jié)果的技巧
- 如何把stata的結(jié)果導出 Stata怎么導入數(shù)據(jù)？Stata導入數(shù)據(jù)的技巧
- 17句 重陽節(jié)登高發(fā)朋友圈的祝福文案精選
- stata從excel導入數(shù)據(jù) Stata怎么導入excel數(shù)據(jù)？Stata導入excel數(shù)據(jù)的技巧
- 12句 2022女人勵志的句子致自己精選
- 16句 潮牌男裝服裝文案吸引人的句子精選
- 微信群沒保存到通訊錄如何找回，微信群沒保存通訊錄咋地才能找回