独家专业软件Windows/Linux/macOS全平台安装破解教程齐全!

stata-17.0-中文-[Windows]

一定要安装MP格式!

【可以一直使用到2022年3月22日】
2021年4月20日,Stata 公司正式宣布Stata 17上线,包含了29个新亮点!


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。用Stata绘制的统计图形相当精美。 那么全新的stata17会给我们带来什么样的惊喜呢?总结下来有以下几点:

1.PyStata—Python and Stata

PyStata允许您直接从任何独立的Python环境调用Stata,并直接从Stata调用Python,从而大大扩展了Stata的Python集成特性。 PyStata的新特性包括: 从IPython内核相关环境(如Jupyter Notebook、Spyder IDE或PyCharm IDE)使用Stata的能力;从pythonshell使用Stata的能力,如Windows命令提示符、macOS终端或Unix终端; 三个IPython魔法命令:stata、mata和pystata;以及Python中的一组API函数,用于运行Stata命令、访问Stata数据和返回结果。 这些工具,连同Stata函数接口(sfi)模块,允许用户使用Python轻松地将Stata的大量统计和数据管理方法集成到任何数据科学项目中。

 

 

 

2. 贝叶斯计量经济学(Bayesian econometrics)

在经济计量模型中使用贝叶斯方法的一个优点是结合了实际中常用的模型参数的外部信息。这些信息可能来自历史数据,也可能来自对经济过程的了解。例如,一些国家的收入弹性可能小于1,或者自相关系数在-1到1之间。无论哪种方式,贝叶斯方法都允许我们将外部信息与我们在当前数据中观察到的信息相结合,从而形成对感兴趣的经济过程的更现实的看法。  在缺乏强有力的外部知识的情况下,贝叶斯计量经济学具有吸引力的另一个原因是:计量经济学模型往往描述复杂的经济理论,因此往往有许多参数-往往是如此之多,不纳入一些有关模型参数的信息来拟合模型是不可行的。在这种情况下,贝叶斯计量经济学建模可以在数据中观察到的内容和模型参数的合理假设之间提供平衡,从而获得可靠的推断。  例如,已知自回归向量(VAR)模型具有许多与数据大小相关的参数。这些模型的贝叶斯分析引入了专门的先验知识,允许您获得更稳定的参数估计。另外,动态随机一般均衡(DSGE)模型的参数具有直接的经济解释,并且通常具有逻辑界限,可以很容易地被各种先验分布所包含。

3.双重差分法和三重差分法的官方命令(Difference-in-differences (DID) and DDD models)

Stata的新的didregress和xtdidregress命令适用于控制未观察到的组和时间效应的DID和DDD模型。didregress以用于重复的横截面数据,我们在不同的时间点对不同的观测单位进行抽样。xtdidregress回归用于面板(纵向)数据。这些命令提供了一个统一的框架,以获得适合各种研究设计的推理。 双重差分法(DID)提供了一种非实验技术,通过比较对照组和治疗组结果平均值之间的时间差异来估计治疗组的平均治疗效果(ATET)。因此,名称的不同之处在于不同。这项技术控制不可观察的时间和群体特征,混淆了治疗对结果的影响。三重差分法(DDD)将对照组添加到DID框架中,以解释DID可能无法捕捉到的不可观察的组和时间特征交互作用。新对照组的另一个差异增加了DID。因此,命名为三重差分法。治疗效果的例子包括检查药物疗法对血压的影响、手术对行动能力的影响、就业培训计划或销售广告活动。

 

 

4.区间删失Cox模型(Interval-censored Cox model)

通常,事件发生时间或故障时间数据是在特定的观察时间收集的。但有时,人们并不确切地观察到感兴趣的事件,而只知道它发生在某个时间间隔内。例如,医生只有在患者到诊所进行随访时才会发现癌症复发,而研究COVID-19潜伏期的流行病学家只有在患者出现症状或COVID-19检测呈阳性之前才会知道感染的发生。在统计学中,这样的数据称为区间删失事件时间数据。区间删失事件时间数据出现在许多领域,包括医学、流行病学、金融和社会学研究。忽略区间删失可能导致偏差估计。 与右删失数据一样,Cox比例风险模型也适用于区间删失数据,因为它不需要基线风险函数的参数化,对于低事件率,指数回归参数近似于对数相对风险。 在Stata 17中,新的估计命令stintcox将半参数Cox比例风险模型拟合到区间删失事件时间数据中。该命令可以分析包括所有类型的删失的数据,包括当前状态数据,其中已知感兴趣的事件只发生在观察时间之前或之后。它也支持分层。

 

 

5.Do文件编辑器的改进与Stata速度提升等 (New features in the Do-file Editor)

在Stata的Do文件编辑器中,现在可以使用Java和xml的语法高亮显示以及引号、圆括号和括号的自动补全。 书签现在可以通过特殊书签注释**#声明。通过单击当前do文件的书签边距,可以使用GUI添加或删除书签。Stata将插入一行书签注释,并在页边空白处显示书签图标。或者你可以简单地在do文件中输入书签注释。向包含书签的行中添加文本将为书签添加标签。因为书签只是一种特殊的注释,所以书签现在是持久的,可以与do文件一起保存。 Stata的Do文件编辑器现在包括一个导航控件,列出文件中的所有书签。从导航控件中选择书签会将Do文件编辑器移动到包含书签的行。还记得如何在书签注释后添加文本来标记书签吗?书签的标签显示在导航控件中,用于标识书签。除了书签,导航控件还将显示do文件中的所有程序,您可以使用它直接转到程序的定义。

 

 

Stata各系列版本的区别

 

Stata/MP Stata/SE Stata/IC主要的区别在于每个版本能够分析的数据集大小不同。  

Stata/MP : 是一个拥有并行处理能力,适合双核、多核、多处理器计算机的Stata版本,允许数据集最多可达12万个变量。  Stata/SE : 适合大数据集的Stata版本,允许数据集最多可达32767个变量。  

Stata/IC : Stata标准版本,允许多达2048个变量的数据集。 

Stata / MP是最快,最大的Stata版本。几乎任何当前的计算机都可以利用Stata / MP的高级多处理功能。其中包括Intel i3,i5,i7,i9,Xeon,Celeron和AMD多核芯片。在双核芯片上,Stata / MP在耗时的估算命令上的总体运行速度提高了40%, 运行速度提高了72%。  

Stata / MP,Stata / SE和Stata / IC均可在任何计算机上运行,但Stata / MP的运行速度更快。您可以购买Stata / MP许可,最多可以获取计算机上的内核数量(最多64个)。   

Stata / MP还可以分析比其他任何Stata版本更多的数据。如果使用当前最大的计算机,Stata / MP可以分析100到200亿个观测值,并且如果计算机硬件配置高,就可以分析多达1万亿个观测值。   

Stata / SE和Stata / IC仅在各自可以分析的数据集大小上有所不同。Stata / SE(最多10998)和Stata / MP(最多65532)可以拟合比Stata / IC(最多798)具有更多自变量的模型。Stata / SE最多可以分析20亿个观测值。   

Stata / IC允许具有多达2048个变量和20亿个观测值的数据集。一个模型中,Stata / IC最多可包含798个独立变量。

 

系统要求

Stata for Windows

Windows 10 *
Windows 8 *
Windows 7 64-bit*
Windows Server 2016 2012 20082019 2003 *
* 64-bit Windows varieties for x86-64 made by Intel® and AMD

Stata for Mac
Stata for macOS requires 64-bit Intel® processors (Core™2 Duo or better) running macOS 10.11 or newer


Stata for Linux
Any 64-bit (x86-64 or compatible) running Linux
For xstata you need to have GTK 2.24 installed

Hardware requirements

Package

Memory

Disk space

Stata/MP

4GB

1GB

Stata/SE

2GB

1GB

Stata/IC

1GB

声明:本站所有软件、课程、素材等资源全部来源于互联网,赞助VIP仅用于对本站服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。如若本站内容侵犯了原著者的合法权益,请携带版权证明与我们联系,我们会及时处理。

本站是综合资源网站,除了课程之外,还有常用软件,模板素材等内容。 开通会员账号之后,网站中的所有内容均可免费下载。

本站从2019年开始运行,截至目前已经有3年多时间,诚信经营,会员过万。 本站在国内外均有服务器,所有数据均有3级容灾备份,安全问题不用担心。

由于商品的特殊性,本站不支持退款,所以在开通会员之前,请确认你的需求。 如果不放心,可以先单独购买课程,或者开通体验会员体验,满意再升级其他会员套餐。

本站所有课程,均存储在阿里云盘和百度网盘中,可以在线观看,也可以下载后本地观看。

每一个课程页面,都有演示地址选项,点击链接可以跳转到课程发布网站查看详细课程列表。绝大部分课程都有试看内容,可以先点击试看,再决定是否购买。