Stata 14新功能介绍

Stata14新功能介绍

StataCorp LP每2年左右都会发布一个新的版本，每次都给用户带来惊艳的感觉。本文由中国科学软件网翻译，供大家参考。

Stata 14新功能亮点

Stata 14带来了令人印象深刻的更新。我们为大家送上了有大有小共102个新功能。我们将指导您完成14个新特性。 1．Unicode支持

2．新的语言下的Stata 3．贝叶斯分析 4．IRT模型

5．Stata/MP现在支持超过21.4亿个观察值 6．扩展效果

7. 更多级mixed-effects模型 8. 新的扩展面板数据估计 9．新的SEM和广义SEM特性 10．新的时间序列

11. 生存分析的动力分析和应急表 12. 新的生存分析命令 13．icd - 10编码 14. 阶段的权重 15. 更多新功能！

1. Unicode支持

Stata现在支持Unicode utf - 8格式的字符串。这是互联网上使用最广泛的用来跨应用程序存储文本的方法。

目标用户

需要用除英语之外的其他语言来处理数据的用户，编写Stata命令一般分布的程序员。 任何使用非英语来处理数据的用户都将会这种变化感兴趣。程序员编写Stata命令一般分布也会想了解如何切换到utf - 8。一般来说,所有用户应该意识到这种变化。一些用户可能之前使用扩展ASCII克服纯ASCII在他们的局限性。dta文件、do-files ado-files。这些文件需要从扩展ASCII翻译为 Unicode。

综述

现在支持Unicode字符的有： 变量名 标签变量、值等 数据和其他

因为Unicode的变化,一切都显示正确,不必担心文件时选择正确的字体在电脑之间共享或程序可能默认不同扩展ASCII字符集。同时，许多其他软件包(例如,字处理 器)期望Unicode文本,从而输出结果将得到改善。

我们还添加了一些新的功能专门设计用于处理包含Unicode文本。当用户需要使用这些新功能和现有功能就足够了的时候，我们为他们提供了全面的文档来解释。我们还添加了一些新的Unicode实用程序命令,例如Unicode分析和Unicode转换,来实现Stata 13和Stata 14之间的平稳过渡。

2. 新的语言下的Stata

Stata的用户界面现在支持西班牙语和日语了！ 目标用户： 日语用户

西班牙语系的用户

综述

我们已经完成了菜单对话框等的翻译，这个过程称为Stata为西班牙语和日语做的本地化。PDF文档和帮助文件依然还是英语。

如果一个用户的电脑设置为西班牙语或日语,Stata会自动识别从英语到适当的语言。用户也可以手动选择语言：

Edit > Preferences > User-interface language... (Windows/Unix) Stata 14 > Preferences > User-interface language... (Mac)

我们要感谢我们的日本经销商LightStone Corp.在日语翻译上提供的帮助。 如果你们对将Stata翻译为当地语言请联系Sarah Marrs。

3.贝叶斯分析

贝叶斯分析是利用概率统计来解答未知参数的统计模型的统计分析。它基于这样一个假设:所有模型参数是随机量,从而先验知识的主体。这种假设与传统的频率论的统计推断形成了鲜明对比,它将考虑了所有未知但固定数量的参数。

目标用户

健康、医学和相关领域 经济学领域 其他社会科学

我们预料对贝叶斯分析命令感兴趣的研究者们来自广泛的学科,主要是那些在健康/医药及相关领域和经济学。我们同时也看到了其他社会科学学科对贝叶斯分析的兴趣。

综述 描述模型

线性回归模型

单变量常规线性模型 多元正态线性模型 非线性回归模型

单变量广义非线性模型 多元正态非线性模型 Multiple-equation模型 其他

?特性

12个内置可能性模型 22个内置的先验分布

连续、二进制、命令和计算结果 之前连续和离散分布

自适应Metropolis-Hastings和吉布斯方法 编写自己的贝叶斯模型的工具 图形融合诊断 MCMC效率

后,中位数、可信区间和更多 贝叶斯信息准则和贝叶斯因子 区间假设检验 模型的后验概率 其他

贝叶斯分析是全新的261页Stata贝叶斯分析参考手册的主题。

技术说明

贝叶斯分析是回答研究问题,利用概率统计模型的未知参数声明的统计分析。它基于这样一个假设:所有模型参数是随机量,从而先验知识的主体。这种假设与传统形成了鲜明对比,频率论的统计推断,所有参数视为未知但固定数量。

贝叶斯分析使用所谓的推理关于模型参数的后验分布。后验分布的结果更新之前知识模型参数(前分布)观测数据的证据(可能性模型)。贝叶斯推理使用后验分布形式不同模型参数的总结,包括点估计如后,中位数,和百分位数,区间估计称为可信的间隔。此外,所有关于模型参数可以表示为概率的统计测试语句的基础上估计的后验分布。 叶斯分析的主要优势在标准频率论的分析包括合并前信息分析的能力，一个直观的解释置信区间)作为固定参数已知所属范围指定概率，以及一个实际的概率分配给任何假设的能力。

Stata 14为贝叶斯统计分析提供了新的bayesmh命令和相应的套件的功能。mhbayesmh代表Metropolis-Hastings结束。用户可以使用一个合适的模型自适应Metropolis-Hastings算法,或者完整的吉布斯算法,两种算法的结合。

我们为连续可能性,二进制,序数,计数结果提供了12 个内置模型。这些是结合了22

个内置分布,它可能是连续的,一元,连续多变量、离散等等。这意味着bayesmh可以支持单变量、多变量和multiple-equation模型,是否线性或非线性。

用户不仅可以访问我们的预定程序的可能性模型套件,他们甚至可以编写自己的。 如果他们写自己的模型,他们仍然可以使用内置的优先功能。Postestimation特性也是相同的。

评估后,用户可以诊断融合和分析结果。bayesgraph诊断让用户直观地检查集合。新的bayesstatsess命令是用来检查采样效率。

可能感兴趣的其他特性是能够获得后验平均值及其模型参数和模型参数功能的MCMC标准错误，利用贝叶斯信息准则比较模型的能力，执行间隔的能力参数的假设检验,一组参数,甚至函数的参数以及能力模型假设检验通过后验概率模型。

4.项目反应理论（IRT）模型

IRT模型探索潜在的(未被注意的)特征和项测量方面的特征之间的关系。这通常出现在标准化测试中感兴趣的特征的能力。一组物品(问题)设计和测量的响应不可见的特征,例如,数学能力

目标用户 教育研究者 心理计量学家 心理学家 健康研究人员

健康服务和健康政策研究人员

我们预计,IRT模型将会成为教育研究人员、心理计量学家、心理学家、健康研究人员等注重生活质量,并在较小程度上,那些在卫生服务研究或卫生政策研究研究质量改进感兴趣的对象。

综述

Stata可以配合以下模型： 二项：1PL, 2PL, 3PL 分类项：标称响应

序数项目：递级反应，等级量表，局部信用 以及混合以上所有模型的混合模型 特性

分类和顺序的结果

在输出控制项分组和排序

完整的套件postestimation图表 项目特征曲线(ICCs) 类别特性曲线(CCCs)