Comanda de colaps creează un set de date cu statistici rezumate și este una dintre cele mai utilizate comenzi de gestionare a datelor. Pe măsură ce dimensiunea datelor crește, crește în mod necesar timpul de rulare. În Stata 17, în funcție de dimensiunea setului de date, colapsul vede accelerații între 6 și 13 ori pentru calculul unei medii simple și între 40 și 70 de ori pentru calculul statisticilor, cum ar fi medianele și abaterile standard. Tabelul 2 prezintă rezultatele pentru prăbușirea unui set de date cu 10.000.000 de observații și un număr variabil de variabile prăbușite pentru cazul în care calculăm mediane și abateri standard.

Pentru Stata 17, am obținut, de asemenea, îmbunătățiri ale vitezei de estimare. Pachetul de algebră liniară (LAPACK) care stă la baza multor funcții și operatori Mata este acum alimentat de Intel Math Kernel Library (MKL). Cât de rapid este noul MKL? Înmulțirea unei matrici reale 5.000 cu 5.000 în Stata / SE cu o matrice reală de aceeași dimensiune durează aproximativ 13 secunde folosind MKL în Stata 17 comparativ cu 70 de secunde în Stata 16.

Momentul multiplicării a două matrice reale în secunde:

Momentulcholesky() în secunde:

LAPACK este utilizat în calcule de mai multe comenzi de estimare, deci și ele sunt automat mai rapide.
Comanda de delimitare pentru importul de date din CSV și alte fișiere text delimitate este acum paralelizată în Stata / MP. Importă seturi de date mari de până la patru ori mai rapid în Stata 17.
Nu în ultimul rând, comanda mixtă pentru montarea modelelor cu efecte mixte pe mai multe niveluri este mai rapidă. În timpii noștri, modelele cu 10.000 de panouri, 10 perioade de timp și 5 parametri de panta aleatorii rulează de 2 până la 3 ori mai repede în Stata 17 decât în Stata 16. Îmbunătățiri similare ale vitezei au avut loc pentru diferite numere de panouri, perioade de timp și coeficienți de panta.
Căutăm continuu modalități de a face Stata mai rapidă. Investigăm activ, codificăm și testăm noi algoritmi în rutina de gestionare și estimare a datelor și vă vom ține la curent cu cele mai recente evoluții.

Referințe

Hunter, J. D. 2007. Matplotlib: Un mediu grafic 2D. Calcul în știință și inginerie 9: 90-95.
McDowell, A., A. Engel, J. T. Massey și K. Maurer. 1981. Planul și funcționarea celui de-al doilea sondaj național de examinare a sănătății și nutriției, 1976–1980. Statistici vitale și de sănătate 1 (15): 1–144.
Mckinney, W. 2010. Structuri de date pentru calculul statistic în Python. Lucrările celei de-a 9-a conferințe Python in Știință, 56-61. (linkul editorului).
Oliphant, T. E. 2006. A Guide to NumPy, 2nd ed. Austin, TX: Continuum Press. Oliphant, T. E. 2006. Un ghid pentru NumPy, ed. A 2-a. Austin, TX: Continuum Press.
Péz, F. și B. E. Granger. 2007. IPython: Calcul științific interactiv, calcul în Știință și Inginerie 9: 21-29. DOI: 10.1109 / MCSE.2007.53 (link editor)