Was ist neu in
Erleben Sie die neuesten Fortschritte, einschließlich vieler neuer statistischer Funktionen wie maschinelles Lernen über H2O, CATE und HDFE; leistungsstärkere Tabellen und Grafiken; und Verbesserungen an der Benutzeroberfläche.
Maschinelles Lernen über H2O: Ensemble-Entscheidungsbäume
Verwenden Sie maschinelles Lernen, um Erkenntnisse aus den Daten zu gewinnen, wenn traditionelle statistische Modelle nicht ausreichen. Nutzen Sie Ensemble-Entscheidungsbäume—Gradient Boosting Machine (GBM) und Random Forest—für Regression oder Klassifikation.
Conditional average treatment effects (CATE)
Gehen Sie über die Schätzung allgemeiner Behandlungseffekte in Ihrer Kausalanalyse hinaus und schätzen Sie individuelle und gruppenspezifische Effekte. Vergleichen Sie verschiedene Interventionen und Politiken. Untersuchen Sie die Heterogenität der Behandlungseffekte.
High-dimensional fixed effects (HDFE)
Berücksichtigen Sie nicht nur eine, sondern mehrere hochdimensionale kategoriale Variablen in Ihren linearen, festen Effekten- und Instrumentvariablenmodellen und profitieren Sie von bemerkenswerten Geschwindigkeitsgewinnen!
Bayessche Variablenauswahl für lineare Modelle
Wählen Sie Variablen in einer linearen Regression aus und berücksichtigen Sie die Unsicherheit der Variablenauswahl mit bayesscher Variablenauswahl. Wählen Sie zwischen global-lokaler Schrumpfung und Spike-and-Slab-Prioren für Regressionskoeffizienten und führen Sie bayessche Inferenz durch.
Bayessche Quantilregression
Verwenden Sie bayessche Quantilregression, um vollständige a-posteriori-Verteilungen der Quantilregressionskoeffizienten für umfassende Inferenz zu erhalten, einschließlich modellbasierter „Standardfehler“.
Intervall-zensiertes Mehrfachereignis-Cox-Modell
Müssen Sie Ereigniszeiten mehrerer Ereignisse wie das Auftreten von Diabetes und Bluthochdruck analysieren? Kennen Sie die genauen Ereigniszeiten nicht?
Verwenden Sie das marginale intervall-zensierte Mehrfachereignis-Cox-Modell.
Paneldaten-Vektorautoregressives Modell
Passen Sie ein Paneldaten-Vektorautoregressives Modell an, um die Verläufe verwandter Variablen zu analysieren, wenn Sie mehrere Einheiten oder Panels über die Zeit beobachten.
Correlated random-effects (CRE) model
Möchten Sie Koeffizientenschätzungen zeitinvarianter Kovariaten in Ihrem Paneldatenmodell? Verwenden Sie ein RE-Modell. Möchten Sie Korrelationen zwischen Kovariaten und unbeobachteten Panel-Effekten zulassen? Verwenden Sie ein FE-Modell. Möchten Sie beides? Mit xtreg, cre, können Sie jetzt ein CRE-Modell anpassen.
Bayesian bootstrap
Führen Sie einen bayesschen Bootstrap durch, um genauere Parameterschätzungen in kleinen Stichproben zu erhalten und prioritäre Informationen beim Stichprobenziehen zu berücksichtigen. Verwenden Sie ihn mit offiziellen Befehlen oder von der Community beigesteuerten Befehlen.
Kontrollfunktions-lineare und Probit-Modelle
Schätzen Sie Kontrollfunktions-Linear- und Probitmodelle mit kontinuierlichen, binären, fraktionalen und Zähl-dendogenen Variablen. Testen Sie Endogenität ganz einfach.
Grafiken: Balkendiagramme mit Konfidenzintervallen, Heatmaps, …
Freuen Sie sich auf spannende neue grafische Funktionen wie Heatmaps, Spike- und Capped-Spike-Range-Plots, Balkendiagramme mit Konfidenzintervallen und mehr!
SVAR-Modelle über Instrumentvariablen
Verwenden Sie Instrumentvariablen anstelle kurzfristiger Einschränkungen, um dynamische kausale Effekte zu schätzen.
Instrumentvariablen-Lokalprojektion-IRFs
Berücksichtigen Sie Endogenität bei der Verwendung lokaler Projektionen zur Schätzung dynamischer kausaler Effekte.
Latente Klassenmodell-Vergleichsstatistiken
Vergleichen Sie ganz einfach latente Klassenmodelle mit unterschiedlicher Anzahl latenter Klassen. Erstellen und exportieren Sie Tabellen in Publikationsqualität zum Modellvergleich.
Metaanalyse für Korrelationen
Führen Sie eine Metaanalyse für Korrelationen durch, genau wie bei Mittelwerten und Anteilen aus zwei Stichproben. Verwenden Sie alle Standardfunktionen wie Forest Plots und Subgruppenanalysen.
Robuste Inferenz bei schwachen Instrumentvariablen
Haben Sie schwache Instrumente in Ihrer Instrumentvariablenregression? Verwenden Sie Hypothesentests, die gegenüber schwachen Instrumenten robust sind, um zuverlässige Inferenz zu ermöglichen.
Mundlak-Spezifikationstest
Verwenden Sie den Mundlak-Spezifikationstest, um zwischen Random-Effects-, Fixed-Effects- oder korrelierten Random-Effects-Modellen zu wählen, auch mit clusterrobusten, Bootstrap- oder Jackknife-Standardfehlern.
Bayessches asymmetrisches Laplace-Modell
Gehen Sie über klassische Quantilregression hinaus, indem Sie bayessche gleichzeitige, mehrstufige und nichtlineare Quantilregressionsmodelle anpassen.
Do-Datei-Editor: Vorlagen, Autovervollständigung, …
Navigatorbereich, Dateivorlagen, Verbesserungen bei der Codefaltung, Hervorhebung von Wörtern und Auswahl, mehr Autovervollständigung, temporäre Lesezeichen und vieles mehr.
Tabellen: Einfachere Tabellierungen, Export, …
Erstellen Sie eine Tabelle, passen Sie sie mit Titel und Notizen an und exportieren Sie sie mit einem einzigen Befehl. Erfassen und individualisieren Sie Tabellierungen mit Assoziationsmaßen, Umfragedaten und ANOVA-Tabellen.
Mehrere Datensätze: Einen Satz von Frames bearbeiten
Wenn Sie mit mehreren Datensätzen im Speicher oder Frames arbeiten, können Sie jetzt eine Frameset-Datei bearbeiten, ohne sie in den Speicher zu laden: Fügen Sie im Speicher befindliche Frames hinzu oder entfernen Sie Frames daraus.
Stata auf Französisch
Die gesamte Stata-Oberfläche – alle Menüs und Dialoge – ist jetzt auf Französisch verfügbar, zusätzlich zu Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch und Schwedisch.
Mehr
Und es gibt noch viel mehr. Sehen Sie sich alle neuen Funktionen in Stata 19 an.