Stata 15 for Mac是一款可以在蘋果電腦MAC OS X平臺(tái)上使用的統(tǒng)計(jì)學(xué)軟件，是非常專業(yè)的數(shù)據(jù)分析、管理以及圖表繪制工具，可以幫助您統(tǒng)計(jì)和分析數(shù)據(jù)，新版本的stata帶來了全新的界面和性能，在功能方面也有所升級(jí)，歡迎有需要的朋友們前來下載使用。

Stata 15是Stata有史以來最大的一次版本更新，除了界面、DO轉(zhuǎn)碼、set more off的自動(dòng)設(shè)置和do file edit美化等一些變化外，還增加了擴(kuò)展回歸模型、 潛在類別分析(LCA)、 貝葉斯前綴指令、 線性動(dòng)態(tài)隨機(jī)一般均衡(DSGE)模型、 web 的動(dòng)態(tài)Markdown文檔、 非線性混合效應(yīng)模型、 空間自回歸模型(SAR)、 區(qū)間刪失參數(shù)生存時(shí)間模型、 有限混合模型(FMMs)、 混合Logit模型、 非參數(shù)回歸、 聚類隨機(jī)設(shè)計(jì)和回歸模型的功率分析、 Word和PDF文檔、 圖形顏色透明度/不透明度、ICD-10-CM/PCS支持、 聯(lián)邦儲(chǔ)備經(jīng)濟(jì)數(shù)據(jù)(FRED)支持。

功能特色：

一、統(tǒng)計(jì)功能

Stata 的統(tǒng)計(jì)功能很強(qiáng)，除了傳統(tǒng)的統(tǒng)計(jì)分析方法外，還收集了近 20 年發(fā)展起來的新方法，如 Cox 比例風(fēng)險(xiǎn)回歸，指數(shù)與 Weibull 回歸，多類結(jié)果與有序結(jié)果的 logistic 回歸， Poisson 回歸，負(fù)二項(xiàng)回歸及廣義負(fù)二項(xiàng)回歸，隨機(jī)效應(yīng)模型等。具體說， Stata 具有如下統(tǒng)計(jì)分析能力：

數(shù)值變量資料的一般分析：參數(shù)估計(jì)，t檢驗(yàn)，單因素和多因素的方差分析，協(xié)方差分析，交互效應(yīng)模型，平衡和非平衡設(shè)計(jì)，嵌套設(shè)計(jì)，隨機(jī)效應(yīng)，多個(gè)均數(shù)的兩兩比較，缺項(xiàng)數(shù)據(jù)的處理，方差齊性檢驗(yàn)，正態(tài)性檢驗(yàn)，變量變換等。

分類資料的一般分析：參數(shù)估計(jì)，列聯(lián)表分析 ( 列聯(lián)系數(shù)，確切概率 ) ，流行病學(xué)表格分析等。

等級(jí)資料的一般分析：秩變換，秩和檢驗(yàn)，秩相關(guān)等

相關(guān)與回歸分析：簡單相關(guān)，偏相關(guān)，典型相關(guān)，以及多達(dá)數(shù)十種的回歸分析方法，如多元線性回歸，逐步回歸，加權(quán)回歸，穩(wěn)鍵回歸，二階段回歸，百分位數(shù) ( 中位數(shù) ) 回歸，殘差分析、強(qiáng)影響點(diǎn)分析，曲線擬合，隨機(jī)效應(yīng)的線性回歸模型等。

其他方法：質(zhì)量控制，整群抽樣的設(shè)計(jì)效率，診斷試驗(yàn)評(píng)價(jià)， kappa 等。

二、作圖功能

Stata 的作圖模塊，主要提供如下八種基本圖形的制作 : 直方圖 (histogram) ，條形圖 (bar), 百分條圖 (oneway) ，百分圓圖 (pie) ，散點(diǎn)圖 (twoway) ，散點(diǎn)圖矩陣(matrix) ，星形圖 (star) ，分位數(shù)圖。這些圖形的巧妙應(yīng)用，可以滿足絕大多數(shù)用戶的統(tǒng)計(jì)作圖要求。在有些非繪圖命令中，也提供了專門繪制某種圖形的功能，如在生存分析中，提供了繪制生存曲線圖，回歸分析中提供了殘差圖等。

Stata 的矩陣運(yùn)算功能

矩陣代數(shù)是多元統(tǒng)計(jì)分析的重要工具， Stata 提供了多元統(tǒng)計(jì)分析中所需的矩陣基本運(yùn)算，如矩陣的加、積、逆、 Cholesky 分解、 Kronecker 內(nèi)積等；還提供了一些高級(jí)運(yùn)算，如特征根、特征向量、奇異值分解等；在執(zhí)行完某些統(tǒng)計(jì)分析命令后，還提供了一些系統(tǒng)矩陣，如估計(jì)系數(shù)向量、估計(jì)系數(shù)的協(xié)方差矩陣等。

三、程序設(shè)計(jì)功能

Stata 是一個(gè)統(tǒng)計(jì)分析軟件，但它也具有很強(qiáng)的程序語言功能，這給用戶提供了一個(gè)廣闊的開發(fā)應(yīng)用的天地，用戶可以充分發(fā)揮自己的聰明才智，熟練應(yīng)用各種技巧，真正做到隨心所欲。事實(shí)上， Stata 的 ado 文件 ( 高級(jí)統(tǒng)計(jì)部分 ) 都是用 Stata 自己的語言編寫的

Stata 其統(tǒng)計(jì)分析能力遠(yuǎn)遠(yuǎn)超過了 SPSS ，在許多方面也超過了 SAS ！由于 Stata 在分析時(shí)是將數(shù)據(jù)全部讀入內(nèi)存，在計(jì)算全部完成后才和磁盤交換數(shù)據(jù)，因此計(jì)算速度極快（一般來說， SAS 的運(yùn)算速度要比 SPSS 至少快一個(gè)數(shù)量級(jí)，而 Stata 的某些模塊和執(zhí)行同樣功能的 SAS 模塊比，其速度又比 SAS 快將近一個(gè)數(shù)量級(jí)！） Stata 也是采用命令行方式來操作，但使用上遠(yuǎn)比 SAS 簡單。其生存數(shù)據(jù)分析、縱向數(shù)據(jù)（重復(fù)測量數(shù)據(jù)）分析等模塊的功能甚至超過了 SAS 。用 Stata 繪制的統(tǒng)計(jì)圖形相當(dāng)精美，很有特色。

四、功能列表

數(shù)據(jù)管理 (Data management) 

資料轉(zhuǎn)換、分組處理、附加檔案、 ODBC 、行 - 列轉(zhuǎn)換、數(shù)據(jù)標(biāo)記、字符串函數(shù)…等

基本統(tǒng)計(jì) (Basic statistics) 

直交表、相關(guān)性、 t- 檢定、變異數(shù)相等性檢定、比例檢定、信賴區(qū)間…等

線性模式 (Linear models) 

穩(wěn)健 Huber/White/sandwich 變異估計(jì) , 三階最小平方法、類非相關(guān)回歸、齊次多項(xiàng)式回歸、 GLS 

廣義型線性模式 (Generalized linear models) 

十連結(jié)函數(shù)、使用者 - 定義連結(jié)、 ML 及 IRLS 估計(jì)、

九變異數(shù)估計(jì)、七殘差…等

二元、計(jì)數(shù)及有限應(yīng)變量

(Binary, count, and limited dependent variables) 

羅吉斯特、 probit 、卜松回歸、 tobit 、 truncated 回歸、條件羅吉斯特、多項(xiàng)式邏輯、巢狀邏輯、負(fù)二項(xiàng)、 zero-inflated 模型、 Heckman 選擇模式、邊際影響

Panel 數(shù)據(jù) / 交叉 - 組合時(shí)間序列

(Panel data/cross-sectional time-series) 

隨機(jī)及固定影響之回歸、 GEE 、隨機(jī)及固定 - 影響之

卜松及負(fù)二項(xiàng)分配、隨機(jī) - 影響、工具變量回歸、

AR(1) 干擾回歸

無母數(shù)方法 (Nonparametric methods) 

多變量方法 (Multivariate methods) 

因素分析、多變量回歸、 anonical 相關(guān)系數(shù)

模型檢定及事后估計(jì)量支持分析

(Model testing and post-estimation support) 

Wald 檢定、 LR 檢定、 線性及非線性組合、非線性限制檢定、邊際影響、修正平均數(shù) Hausman 檢定

群集分析 (Cluster analysis) 

加權(quán)平均 , 質(zhì)量中心及中位數(shù)聯(lián)結(jié)、 kmeans 、 kmedians 、 dendrograms 、停止規(guī)則、使用者擴(kuò)充

圖形 (Graphics) 

直線圖、散布圖、條狀圖、圓餅圖、 hi-lo 圖、

回歸診斷圖… 

調(diào)查方法 (Survey methods) 

抽樣權(quán)重、叢集抽樣、分層、線性變異數(shù)估計(jì)量、擬 - 概似最大估計(jì)量、回歸、工具變量… 

生存分析 (Survival analysis) 

Kaplan – Meier 、 Nelson – Aalen, 、 Cox 回歸 ( 弱性 ) 、參數(shù)模式 ( 弱性 ) 、危險(xiǎn)比例測試、時(shí)間共變項(xiàng)、

左 - 右檢查、韋柏分配、指數(shù)分配… 

流行病學(xué)工具 (Tools for epidemiologists) 

比例標(biāo)準(zhǔn)化、病例控制、已配適病例控制、 Mantel – Haenszel, 藥理學(xué)、 ROC 分析、 ICD-9-CM 

時(shí)間序列 (Time series) 

ARIMA 、 ARCH/GARCH 、 VAR 、 Newey – West 、 correlograms 、 periodograms 、白色 - 噪音測試 , 

最小整數(shù)根檢定、時(shí)間序列運(yùn)算、平滑化

最大概似法 (Maximum likelihood) 

轉(zhuǎn)換及常態(tài)檢定 (Transforms and normality tests) 

Box – Cox 、次方轉(zhuǎn)換 Shapiro – Wilk 、 Shapiro – Francia 檢定

其它統(tǒng)計(jì)方法 (Other statistical methods) 

樣本數(shù)量及次方、非線性回歸、逐步式回歸 、統(tǒng)計(jì)及數(shù)學(xué)函數(shù)

包含樣本范例 (Sample session) 

再抽樣及模擬方法 (Resampling and simulation methods) 

bootstrapping 、 jackknife 、蒙地卡羅模擬、排列檢定

五、網(wǎng)絡(luò)功能

安裝新指令、網(wǎng)絡(luò)升級(jí)、網(wǎng)站檔案分享、 Stata 最新消息

Stata15新功能：

1.擴(kuò)展回歸模型

我們稱之為ERMS 擴(kuò)展回歸模型。四個(gè)新的命令適合

. 線性回歸分析,

. 區(qū)間回歸包括 tobit模型，

. 概率，

. 有序概率模型

可任意組合成：

. 內(nèi)生變量

. 非隨機(jī)處理任務(wù)

. 內(nèi)源性(Heckman-style)樣本的選擇

這些新的命令讓人驚喜，因?yàn)榭梢栽谌魏我粋€(gè)方程中加入內(nèi)生變量，包括處理賦值和概率選擇方程。內(nèi)生變量并不局限于連續(xù)性。它們可以是二進(jìn)制或序數(shù)。不管是外生的還是內(nèi)生的，它們都可以與其他變量相互作用。它們甚至可以互相作用，形成平方項(xiàng)或立方項(xiàng)!

這些新的ERM命令—eregress,eintreg,eprobit, 和eoprobit注定會(huì)流行起來，因?yàn)樗麄兘鉀Q了研究人員的很多問題。首先, 可能有一個(gè)內(nèi)生變量, 因?yàn)樵S多模型都省略了與模型中的變量相關(guān)的變量。其次，數(shù)據(jù)經(jīng)常被刪剪，而刪剪不是隨機(jī)的。ERM 樣本選擇選項(xiàng)允許您對選擇過程進(jìn)行建模, 并對其進(jìn)行調(diào)整?；蛘? 如果您正在使用非隨機(jī)處理效應(yīng)模型, 則可以用 ERM處理分配選項(xiàng)?；蛘? 可以結(jié)合處理分配和選擇選項(xiàng), 其中一些是由于后續(xù)的行為而損失的擬合內(nèi)生處理分配模型。

2、潛在類別分析(LCA)

潛在的均值未被觀測。分類也就是分組。潛在類是數(shù)據(jù)中未觀測到的組。你可能有關(guān)于消費(fèi)者的數(shù)據(jù)，并且根據(jù)消費(fèi)者對產(chǎn)品的潛在興趣將他們分成三組。但是，在數(shù)據(jù)中沒有指定每個(gè)消費(fèi)者所屬組的變量。擬合模型后，你可以

. 使用新的estat lcprob命令估計(jì)屬于每一類的消費(fèi)者比例;

. 使用新的estat lcprob命令估計(jì)每個(gè)類中Y1、Y2、Y3、Y4的邊際均值(均值就是示例所示的概率);

. 使用新estat lcprob命令來評(píng)價(jià)適合度;

. 使用現(xiàn)有的predict命令獲取分類成員的預(yù)測概率和觀測結(jié)果變量的預(yù)測值。

3、貝葉斯前綴指令

新的bayes：前綴命令使你能夠適應(yīng)比以前版本更廣泛的貝葉斯模型。原來也可以擬合貝葉斯線性回歸, 但是現(xiàn)在可以通過輸入文字就可以：在這個(gè)模型中, 為變量 id的每個(gè)值添加隨機(jī)截距。

新的bayes：前綴命令在許多Stata評(píng)估命令之前工作，并提供超過50種可能性的模型。支持的模型包括多級(jí)、面板數(shù)據(jù)、生存和樣本選擇模型!

新命令支持所有Stata的貝葉斯的功能。你可以從之前的模型參數(shù)的分布中選擇，也可以使用之前默認(rèn)的。當(dāng)閉合形式解決方案用于Gibbs方法時(shí)，可以使用默認(rèn)的自適應(yīng) Metropolis–Hastings 抽樣, 或Gibbs抽樣, 或兩種方法的組合。在bayesmh命令的基礎(chǔ)上可以使用STATA的任何其他功能?？梢愿幕貧w系數(shù)的缺省先驗(yàn)分布，比如，使用prior()選項(xiàng)：

4、線性動(dòng)態(tài)隨機(jī)一般均衡(DSGE)模型

DSGEs是經(jīng)濟(jì)學(xué)中的一個(gè)時(shí)間序列模型。它們是傳統(tǒng)預(yù)測模型的替代品。兩者都試圖解釋總的經(jīng)濟(jì)現(xiàn)象, 但 DSGEs 允許對來自經(jīng)濟(jì)理論模型的基礎(chǔ)上做這個(gè)。建立在經(jīng)濟(jì)理論基礎(chǔ)上的方程很多。這些方程的關(guān)鍵特征是, 未來變量的期望值會(huì)影響今天的變量。這是區(qū)別 DSGEs 與矢量回歸或狀態(tài)空間模型的一個(gè)特性。另一個(gè)特點(diǎn)是, 從理論推導(dǎo)出來的參數(shù)通常可以用這個(gè)理論來解釋。

在DSGE模型中有三種變量：

. 控制變量和方程，如p沒有沖擊,并且是由方程組決定的。

. 狀態(tài)變量 (如 y) 具有隱含的沖擊, 在時(shí)間段開始時(shí)是預(yù)先確定的。

. 沖擊是驅(qū)動(dòng)系統(tǒng)的隨機(jī)錯(cuò)誤。

在任何情況下, 以上dsge 命令可以定義一個(gè)模型并擬合。

如果我們有一個(gè)關(guān)于 beta 和kappa之間關(guān)系的理論, 比如它們是相等的, 我們可以用現(xiàn)有的命令test來測試它。

新的 postestimation命令estat policy和estat transition報(bào)告策略和轉(zhuǎn)換矩陣。如果鍵入

顯示將控制變量作為狀態(tài)變量的線性函數(shù)。如果有五個(gè)控制變量和三個(gè)狀態(tài)變量, 則每個(gè)控件將被報(bào)告為三個(gè)狀態(tài)的線性函數(shù)。在上面的簡單例子中, 預(yù)測 p 的線性函數(shù)將顯示為現(xiàn)在的 y 函數(shù)。

同時(shí)，報(bào)告轉(zhuǎn)換矩陣。而策略矩陣將 p 報(bào)告為函數(shù)y, 而轉(zhuǎn)換矩陣則報(bào)告 y 如何通過時(shí)間演變?yōu)閜?？梢允褂肧tata的現(xiàn)有預(yù)測命令來生成預(yù)測?？梢允褂肧tata現(xiàn)有的irf命令來繪制脈沖響應(yīng)函數(shù)。

5、web動(dòng)態(tài)的Markdown文檔

你有沒有聽過Markdown?它是一種創(chuàng)建 html 文檔的流行方式。html 文件是繁瑣的。Markdown簡單直觀，想法很簡單?？梢詣?chuàng)建一個(gè)文件, 其中包含所需的可讀格式的文本, 然后通過它運(yùn)行一個(gè)命令來創(chuàng)建一個(gè)HTML文件。

Stata現(xiàn)在支持Markdown, 我們已經(jīng)添加了標(biāo)簽 (功能) 到Markdown, 允許包括輸入文件中的Stata命令。你所包含的命令將被運(yùn)行和顯示, 或者以秘密方式運(yùn)行, 以及提取輸出的部分供文檔使用。

6、非線性混合效應(yīng)模型

非線性混合效應(yīng)模型也被稱為非線性多級(jí)模型和非線性層次模型?？梢杂脙煞N方式來考慮這些模型?？梢园阉鼈兛闯砂S機(jī)效應(yīng)的非線性模型。或者可以把它們看成線性混合效應(yīng)模型, 其中一些或所有的固定和隨機(jī)效應(yīng)都是非線性的。不管哪種方式, 總的誤差分布假設(shè)成Gaussian分布。

這些模型在人口藥代動(dòng)力學(xué), 生物鑒定和研究生物學(xué)和農(nóng)業(yè)成長過程中很流行。比如，采用非線性混合效應(yīng)模型對機(jī)體的藥物吸收、地震強(qiáng)度和植物生長進(jìn)行了模擬。

新的評(píng)估命令被命名為 menl。它實(shí)現(xiàn)了 popular-in-practice Lindstrom–Bates 算法, 是基于對固定和隨機(jī)效應(yīng)的非線性均值函數(shù)進(jìn)行線性化。支持最大似然和受限最大似然估計(jì)方法。

Menl易于使用。可以直接輸入單個(gè)方程。大括號(hào){ }，用于將要匹配的參數(shù)括起來：

除了標(biāo)準(zhǔn)功能外, postestimation特征還包括對隨機(jī)效應(yīng)及其標(biāo)準(zhǔn)誤差的預(yù)測，對模型中定義的感興趣參數(shù)的預(yù)測, 作為其他模型參數(shù)和隨機(jī)效應(yīng)的參數(shù)、聚類相關(guān)矩陣的整體評(píng)估等。

7、空間自回歸模型(SAR)

Stata適合空間自回歸 (SAR) 模型, 也稱為同步自回歸模型。新的spregress,spivregress, 和spxtregress命令允許因變量的空間滯后、自變量的空間滯后和空間自回歸誤差?？臻g滯后是時(shí)間序列滯后的空間模擬。時(shí)間序列滯后近年來成為變量值?？臻g滯后是附近地區(qū)的值。

該模型適用于區(qū)域數(shù)據(jù), 也稱為區(qū)域性數(shù)據(jù)。觀測結(jié)果被稱為空間單位, 可以是國家、州、區(qū)、縣、市、郵政編碼或城市街區(qū)，或者它們可能根本就不是地理位置。它們可能是社交網(wǎng)絡(luò)的節(jié)點(diǎn)?？臻g模型評(píng)估直接影響—區(qū)域?qū)ψ陨淼挠绊?，并估算鄰近地區(qū)的間接或溢出效應(yīng)。

有一個(gè)全新的 [SP] 手冊專門介紹Stata的新SAR功能。這些命令被稱為Sp命令。它們可以與以下一起工作：

·shapefiles通過 web 獲取你選擇數(shù)據(jù)，或者

·沒有shapefiles 和數(shù)據(jù)，只包含位置的坐標(biāo)，或者

·沒有 shapefiles沒有位置會(huì)出現(xiàn)社會(huì)網(wǎng)絡(luò)數(shù)據(jù)。

8、區(qū)間刪失參數(shù)生存時(shí)間模型

Stata新的stintreg 命令加入 streg, 用于擬合參數(shù)生存模型。stintreg擬合區(qū)間刪失數(shù)據(jù)模型。在區(qū)間刪失數(shù)據(jù)中，故障時(shí)間并不確定。眾所周知, 受試者還沒有失敗的時(shí)候, 以及后來他們已經(jīng)失敗的時(shí)候。

stintreg擬合指數(shù)，Weibull, Gompertz, 對數(shù)正態(tài)分布、對數(shù)邏輯和廣義的gamma生存時(shí)間模型。支持比例風(fēng)險(xiǎn)和加速故障時(shí)間度量。功能包括

. 分層估計(jì)

. 靈活的輔助參數(shù)建模

. robust, cluster–robust, bootstrap,和jackknife的標(biāo)準(zhǔn)誤差

除了基本功能, postestimation功能還包括plots of survivor,, hazard, 和cumulative hazard函數(shù);平均數(shù)和中位數(shù)時(shí)間預(yù)測;Cox–Snell and martingale-like殘差值等。

9、有限混合模型(FMMs)

新的fmm:當(dāng)數(shù)據(jù)來自未觀測到的亞群時(shí), 前綴命令擬合模型。它可以與17 個(gè)Stata評(píng)估命令一起使用。

大多數(shù)用戶使用fmm來擬合模型中的參數(shù) (系數(shù)、位置、方差、比例等) 在不同亞群之間的變化。在這些模型中，未觀測到的亞群稱為類。比如說你感興趣的擬合模型。每個(gè)分類在總?cè)丝诘谋壤?，Postestimation 命令可用于 (1) 評(píng)估，(2) 報(bào)告類內(nèi)結(jié)果變量的邊際均值，(3) 預(yù)測類成員的概率和預(yù)測結(jié)果。

10、混合Logit模型

Stata已經(jīng)擬合多項(xiàng)Logit模型。Stata15能使它們擬合混合形式, 包括隨機(jī)系數(shù)。

隨機(jī)系數(shù)對擬合多項(xiàng)式邏輯模型具有特殊的意義。它們是圍繞Independence of the Irrelevant Alternatives (IIA)假設(shè)一種方式。這一假設(shè)表明, 如果你選擇步行去工作, 當(dāng)你的選擇是步行, 乘坐公交車, 或自駕, 你仍然選擇步行, 即使你沒有選擇不可再用的一個(gè)選項(xiàng)。如果選項(xiàng)是在步行或開車之間，你仍然會(huì)選擇步行。人類有時(shí)行為不同。

IIA假設(shè)在協(xié)變量的條件下, 選擇是獨(dú)立的。如果違反這種假設(shè), 選擇將是相關(guān)的。隨機(jī)系數(shù)允許選擇相關(guān)性。研究人員經(jīng)常在隨機(jī)效用模型和離散選擇分析的中使用混合模型。Stata新的asmixlogit Logit命令支持各種隨機(jī)系數(shù)分布, 并允許包含特定案例變量的模型。

11、非參數(shù)回歸

Stata現(xiàn)在適合非參數(shù)回歸。在這些模型中, 不指定函數(shù)形式。指定變量并指定想要匹配的變量：　　

匹配項(xiàng)是g()。該方法不假定 g () 是線性的

12、聚類隨機(jī)設(shè)計(jì)和回歸模型的功耗分析

Stata現(xiàn)有的power命令執(zhí)行功率和樣本(PSS) 分析。其功能包括PSS線性回歸和集群隨機(jī)設(shè)計(jì) (CRDs)?，F(xiàn)在可以添加你自己的功率和樣本大小的方法。

線性回歸的新方法包括

. power oneslope，在一個(gè)簡單的線性回歸中對斜率測試執(zhí)行pss。根據(jù)給定的其他研究參數(shù)計(jì)算樣本的大小或功率

. power rsquared，在多元線性回歸中執(zhí)行R-squared檢驗(yàn)的PSS。R-squared檢驗(yàn)是對測定系數(shù) (R-squared) 的 f 檢驗(yàn)。測試可以用來測試所有系數(shù)的意義, 也可以用來測試其中的一個(gè)子集。在這兩種情況下, power rsquared計(jì)算樣本大小或功率或目標(biāo)R-squared給其他參數(shù)研究。

. power pcorr，在多元線性回歸中執(zhí)行PSS的部分相關(guān)測試。部分相關(guān)檢驗(yàn)是平方偏多相關(guān)系數(shù) f的 檢驗(yàn)。該命令根據(jù)其他研究參數(shù)計(jì)算樣本大小或功率或目標(biāo)平方偏相關(guān)系數(shù)。

Stata 15現(xiàn)在還支持集群隨機(jī)化設(shè)計(jì)：

在 CRD中, 組的受試者 (集群) 是隨機(jī)的而不是個(gè)體, 這意味著樣本大小的作用是通過數(shù)字集群和集群大小來發(fā)揮的。樣本大小確定包括給定集群大小的數(shù)量或給定集群的大小。CRD命令計(jì)算 (1) 的一個(gè)集群的數(shù)目, (2)的集群大小, 或 (3)的功率, 或最小的可檢測到的效果大小給定的其他參數(shù)。這些命令可以根據(jù)不相等的集群大小調(diào)整選項(xiàng)。

. 當(dāng)指定新的選項(xiàng)集群時(shí), 現(xiàn)有的5個(gè) power方法將擴(kuò)展到支持CRDs。它們是

. 對于兩個(gè)樣本方法, 還可以針對兩個(gè)組中的不相等的集群進(jìn)行調(diào)整。

與所有其他功率方法一樣, 新方法允許指定參數(shù)的多個(gè)參數(shù)值, 并自動(dòng)生成表格和圖形結(jié)果。

另一個(gè)新功能是可以添加自己的PSS方法。這是很容易做到的。編寫一個(gè)計(jì)算樣本大小、功率或效果大小的程序。power命令將為您完成其余部分。它將處理選項(xiàng)中多個(gè)值的支持, 并且自動(dòng)生成圖形和結(jié)果表。

13、Word和PDF文檔

現(xiàn)在, 使用Stata嵌入的結(jié)果生成 Word 和 PDF檔就像制作 Excel 工作表一樣容易。大多數(shù)使用者喜歡Stata 14中的putexcel，如果你也是他們中的一員，你會(huì)愛上新的putpdf和putdocx命令。他們像putexce一樣工作?？梢跃帉慸o-file來創(chuàng)建包含最新結(jié)果、表格和圖表的整個(gè)Word 或 PDF報(bào)表?？勺詣?dòng)執(zhí)行可重復(fù)的報(bào)告。

新的 putdocx 命令將段落、圖像和表格寫入 word 文檔 (. docx 文件)。圖像包括Stata圖形和組織的標(biāo)志。也可以設(shè)置文本對象的格式。包括字體大小、粗體、傾斜、自定義表等。

14、圖形顏色透明度/不透明度

到現(xiàn)在為止, 在另一個(gè)上面畫一個(gè)物體, 上面的物體蓋住下面的物體。在計(jì)算機(jī)圖形學(xué)的行話中, Stata顏色完全不透明, 或者, 如果你喜歡不完全透明。Stata15允許控制其顏色的不透明度。

不透明度指定為一個(gè)百分比。默認(rèn)情況下, Stata的顏色是100% 不透明的。

每當(dāng)指定一個(gè)顏色時(shí)都可以指定不透明度，例如在mcolor ()選項(xiàng)中控制標(biāo)記的顏色。你可以指定green%50，而不是green。你可以指定"0 255 0%50".而不是"0 255 0%50"(相當(dāng)于綠色)。可以自行指定%50, 使默認(rèn)顏色50%不透明。但是, 不要指定%0。這是完全透明的, 也是無形的。

這里是一個(gè)圖表，使用70 %的不透明度:

15、ICD-10-CM/PCS支持

Stata 15支持 ICD-10-CM 和 ICD-10-PCS, 由 NCHS 和CMS 提供的美國 ICD-10 代碼。Stata 15支持從2016版本開始(從2015年10月開始) 的代碼, 當(dāng)它們被授權(quán)在美國使用, 并支持所有后續(xù)版本。

Stata在 1998年開始支持ICD, 從 ICD-9-CM 16版本開始, 并支持之后的每 ICD-9 版本。自2003年以來, Stata也支持 ICD-10 代碼版本。

1998年以來, Stata的ICD命令從僅僅是一個(gè)自動(dòng)的有效代碼和簡短短語列表, 成為ICD代碼的整個(gè)數(shù)據(jù)管理系統(tǒng)。該系統(tǒng)甚至包括在一個(gè)數(shù)據(jù)集中管理多個(gè)ICD版本的能力!

16、聯(lián)邦儲(chǔ)備經(jīng)濟(jì)數(shù)據(jù)(FRED)支持

圣路易斯聯(lián)邦儲(chǔ)備局向注冊用戶提供超過47萬的美國和國際經(jīng)濟(jì)和金融時(shí)間序列。注冊是免費(fèi)的并且很容易做。這項(xiàng)服務(wù)叫FRED。它包括來自84個(gè)來源的數(shù)據(jù), 包括美聯(lián)儲(chǔ)、賓州世界表、歐統(tǒng)局和世界銀行。

Stata 15中，你可以使用Stata的GUI來訪問和下載FRED數(shù)據(jù)?？梢园搭悇e、發(fā)布或來源進(jìn)行搜索或?yàn)g覽?？梢詥螕暨x擇感興趣的系列。選擇1或選擇100。當(dāng)您點(diǎn)擊下載"時(shí), Stata將下載它們并將它們合并到一個(gè)內(nèi)存中的單個(gè)自定義數(shù)據(jù)集中。

Stata命令行界面也提供了這些相同的功能。命令是import fred。當(dāng)追蹤月報(bào)表需要自動(dòng)更新27個(gè)不同系列時(shí), 該命令非常方便。

Stata可以訪問FRED和ALFRED。ALFRED是FRED的歷史檔案數(shù)據(jù)。

17、其他

在Stata功能頁面中了解更多上述功能, 還有以下功能：

.貝葉斯多級(jí)模型

.門限回歸

.具有隨機(jī)系數(shù)的面板數(shù)據(jù)tobit

.區(qū)間測量結(jié)果的多層回歸

.刪失結(jié)果的多級(jí)Tobit回歸

.面板數(shù)據(jù)的協(xié)整測試

.時(shí)間序列中多斷點(diǎn)的測試

.多組廣義 SEM

.異方差的線性回歸

.Heckman風(fēng)格的樣本選擇Poisson模型

.具有隨機(jī)系數(shù)的面板數(shù)據(jù)非線性模型

.貝葉斯面板數(shù)據(jù)模型

.隨機(jī)系數(shù)的面板數(shù)據(jù)區(qū)間回歸

.SVG的導(dǎo)出

.貝葉斯生存模型

.零膨脹有序概率

.添加您自己的電源和樣本大小的方法

.貝葉斯樣本選擇模型

.支持瑞典語

.對DO文件編輯器的改進(jìn)

.流隨機(jī)數(shù)生成器

.對于java插件的改進(jìn)

.Stata / MP更多的并行化

軟件特別說明

關(guān)于Stata 15 for Mac版的破解方法，目前還沒有有效的破解工具，之后小編會(huì)在第一時(shí)間內(nèi)為大家提供Stata 15 Mac的破解方法。

等不及的伙伴們可以在蘋果系統(tǒng)中使用虛擬機(jī)，來Windows版Stata 15 破解軟件

Stata 15 破解版下載地址：點(diǎn)擊下載