Модель Кокса с интервальной цензурой
Мультиномиальная логита с панельными данными
Нулевой надутый упорядоченный логит
Байесовское динамическое прогнозирование
Таблицы

Настройте свои таблицы
- Сводная статистика
- Результаты проверки гипотез
- Результаты регрессии
- LR и Wald тесты, статистика GOF, …
- Результаты, полученные с помощью любой команды Stata
Экспорт в
- Word, Excel
- LaTeX
- HTML, Markdown
- и многое другое
Байесовская эконометрика

Байесовский
- VAR-модели
- Анализ IRF и FEVD
- Динамическое прогнозирование
- Модели панельных/продольных данных
- Линейные и нелинейные модели DSGE
PyStata — Python и Stata

- Вызов Python из Stata.
- Вызов Stata из Python.
- Беспрепятственный обмен данными, метаданными и результатами.
- Используйте Stata из Jupyter Notebook, Spyder, PyCharm IDE и др.
Jupyter Notebook со Stata

- Вызов Stata и Mata из Jupyter Notebook.
- Легко воспроизводите свою работу и сотрудничайте с другими.
- Доступ к результатам анализов Stata в Python.
- Вывод, графики и таблицы Stata легко интегрируются с вашим блокнотом Jupyter Notebook.
Модели разницы в перепадах (DID) и модели DDD

- Оценить эффект политики, лечения или вмешательства.
- Контроль за сбивающими ненаблюдаемыми характеристиками группы и времени.
- Используйте панельные данные или повторяющиеся поперечные срезы.
- Используйте DID. В моде с 1855 года.
Более быстрая Stata

Stata работает быстро и становится все быстрее.
- Более быстрая сортировка и сворачивание
- Более быстрые смешанные модели
- Команды более быстрой оценки
- Ускоренный импорт разделенных
- И многое другое
Модель Кокса с интервальной цензурой

Вы хотите смоделировать время до события.
Но вы не знаете точного времени события — только интервалы, в которых происходят события.
И вы не хотите делать параметрические предположения.
Попробуйте использовать модель Кокса с интервальной цензурой.
Многомерный мета-анализ

Есть ли у вас несколько размеров эффекта?
Есть ли у них общая контрольная группа?
Есть ли в них одна и та же группа испытуемых?
В этом может помочь многомерный мета-анализ.
Байесовские модели VAR

Вы подгоняете свои модели VAR с помощью var.
Вы подогнали свои байесовские регрессионные модели с bayes:.
Теперь подгоните свои байесовские модели VAR с bayes: var.
Байесовское многоуровневое моделирование

Нелинейные, совместные, SEM-подобные и другие.
Больше многоуровневых моделей.
Более мощные.
Проще в использовании.
Лассо-оценка эффекта лечения

Когда вам нужны:
Вывод причинно-следственных связей, средние эффекты лечения, средства потенциальных результатов, двойная надежная оценка.
И у вас есть:
Много (может быть, сотни или тысячи) потенциальных ковариат.
Используйте оценку эффектов лечения с отбором переменных методом лассо.
Новые функции для дат и времени

- Вычислить длительность, например, возраст и другие различия между датами.
- Вычисление относительных дат, или дат по другим датам, например, предыдущего или следующего дня рождения или годовщины по отношению к контрольной дате.
- Извлечение отдельных компонентов из значений времени и переменных.
Отстающий мета-анализ

Есть ли в ваших данных влиятельные исследования?
Чтобы выяснить это, используйте мета-анализ по принципу «оставь-отпусти».
Участки Гэлбрейта

Графическое обобщение результатов мета-анализа
- Величина эффекта в зависимости от исследования
- Точность размеров эффектов
- Общий размер эффекта
Выявить потенциальные отклонения
Оценить неоднородность
Мультиномиальная логит-модель с панельными данными

Вы можете моделировать категориальные исходы с помощью mlogit.
Вы можете моделировать панельные данные с помощью xt.
Теперь вы можете делать и то, и другое!
Новая команда xtmlogit в Stata моделирует категориальные результаты, которые изменяются с течением времени.
Байесовские модели панельных данных

Байесовский анализ позволяет отвечать на вероятностные вопросы с помощью моделей панельных данных.
- Насколько вероятно, что дополнительный год обучения в школе увеличит заработную плату?
- Какова вероятность дефолта для портфеля с низким уровнем риска?
Учет предварительных знаний, просмотр апостериорных распределений случайных эффектов, вычисление байесовских прогнозов и многое другое.
Модель упорядоченного логита с нулевым надувом

Нужно смоделировать порядковый результат?
Имеется избыток нулей (или ответов в самой низкой категории)?
ziologit — вот ответ.
Непараметрические тесты для определения тенденции

Имеют ли ответы возрастающую или убывающую тенденцию? Выясните это с помощью одного из четырех непараметрических тестов на тенденцию:
- Тест Кохрана-Армитажа
- Тест Джонкхира-Терпстры
- Линейный тест
- Тест Кузика с рангами
Байесовский анализ IRF и FEVD

Каков эффект от шока с течением времени?
Каково среднее значение или медиана эффекта для распределения вероятных сценариев?
Байесовский анализ IRF дает ответы на эти и другие вопросы.
Байесовское динамическое прогнозирование

После VAR вам нужен динамический прогноз.
После байесовского оценивания вам нужна статистика апостериорных распределений.
Оценивайте и то, и другое. Визуализируйте и то, и другое.
Лассо с кластеризованными данными

Ваши данные имеют …
много переменных.
В ваших данных есть …
кластеров наблюдений.
Ваш лассо для прогнозирования, выбора модели или вывода теперь может выбирать переменные с учетом кластеризации.
BIC для выбора штрафа Лассо

Какие переменные следует включить в лассо?
BIC для выбора штрафа лассо может подсказать вам.
Байесовские линейные и нелинейные модели DSGE

Формирование рациональных ожиданий
будущего сложно.
Модели DSGE включают
эти ожидания.
Помогает предварительная информация.
Улучшения редактора Do-файлов

- Постоянные закладки
- Управление навигацией
- Подсветка синтаксиса для Java, XML и др.
- Автоматическое заполнение кавычек, круглых скобок и скобок
Stata на Apple Silicon

- Встроенная поддержка процессоров M1
- Универсальное приложение для компьютеров Intel и Apple Silicon Mac
- Одна лицензия, оба вида оборудования
Intel Math Kernel Library (MKL)

Функции и операторы Mata используют сильно оптимизированные процедуры LAPACK, основанные на библиотеке Intel Math Kernel Library.
Используйте свои любимые команды Stata как обычно; базовые функции работают быстрее, поэтому вы быстрее получаете результаты.
Интеграция Java
- Использовать Java интерактивно (как JShell) из Stata.
- Встраивание Java-кода в do-файлы.
- Встраивание Java-кода в ado-файлы.
- Компиляция и выполнение Java-кода «на лету» без использования внешних программ.
Интеграция H2O
- Создайте новый кластер H2O или подключитесь к существующему.
- Манипулируйте данными на кластере H2O.
- Доступ к возможностям H2O непосредственно в Stata.
JDBC
Подключить Stata к базам данных теперь стало проще.
Хотите получить доступ к данным из Oracle, MySQL, Amazon Redshift, Snowflake, Microsoft SQL Server и других?
Используйте jdbc.
Хотите один драйвер, который работает на Windows, Mac и Linux?
Используйте jdbc.