项目信息函数(IIFs) 试验特性曲线(TCC) 测验信息函数(TIF)
指导用户通过分析控制面板
IRT主题的介绍见全新Stata项目反应理论参考手册199页。
技术说明
IRT代表项目反应理论.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。一组项目(问题)的设计和测量来响应不可见的特征,例如,数学能力。
问题也可以用来测量难以察觉的人格特质,态度、健康状况、生活质量,等等。项目可以是我们认为测量特征的任何可观察到的变量。也就是说,虽然可观察到的物品通常可以反应问题,他们并不需要做到。例如,卫生服务研究人员目前会使用IRT来检查医疗质量指标的设定从而最佳捕获全面质量。
Stata可以兼容模型项目,序数物品,或分类项。这些包括了for binary items,
one-parameter logistic (1PL), two-parameter logistic (2PL), and three-parameter logistic (3PL); for ordinal items, graded-response模型，rating-scale模型以及
partial-credit模型。还有for categorical items, nominal response模型。Stata也适合混合模型在不同的项目使用不同的模型。
补充模型的作用是用来控制的结果的显示功能。不同的学科有一系列项目物品的分类和分组。
Stata能够定制输出到用户的特定需求,排序的错误,困难,或项目。也可以通过项目或参数分组。还有一个全系列的postestimation图表用来评估项目和测试。项目特征曲线(ICCs),类别特性曲线(CCCs)和测试特性曲线(TCC)在一个项目或测试描述“成功”的可能性。项目信息函数(IIFs)和测试信息功能(TIF)描述了可以获得不同级别的潜在特质的信息量。
Stata包括一个控制面板来指导用户通过IRT模型进行拟合和分析。
5. Stata/MP现在支持超过21.4亿个观察值 目标用户：
有非常大的数据集的用户
我们预期对这种变化感兴趣的用户主要是需要非常大的数据集和计算机硬件支持的人。 综述
允许的最大数量的观察在Stata / MP从21.4亿增长到21.4亿的理论上限。观测的具体处理数量也会依赖于计算机上的可用内存和数据集的宽度。
Sample calculations计算样本
Scenario 1: width = 43 bytes (same as auto.dta) Scenario 2: width = 64 bytes Scenario 3: width = 96 bytes Billions of Observations
Computer's Memory Scenario Memory Used (1) (2) (3)
------------------------------------------- 128GB 112GB 1.8 1.4 1.0 256GB 240GB 3.8 2.9 2.1 512GB 496GB 7.9 6.1 4.4
1024GB 1008GB 16.2 12.3 9.8 1536GB 1520GB 24.4 18.5 13.6 ------------------------------------------- ?
工作变量独有的宽度数据
使用内存是用于存储数据的总量
假设Stata消耗几乎所有计算机的资源(单机) 观察树叶额外的三个工作空间变量
实践证明,鉴于当前的硬件限制,Stata / MP可以分析10至最大200亿个观察的电脑，但这是为随着硬件功能的提高而随着时间的推移而增长。
6. 扩展效果 目标用户： 经济学家
社会学家和其他社会学科的用户 健康学家
新的treatment-effects命令将引起许多用户的极大兴趣。经济学背景的用户和那些已经熟悉Statateffects的命令将认识到“treatment-effects”的术语。其他用户,特别是健康科学和社会科学(例如,社会学),可能更熟悉使用估计量本身的名称这个概念 (例如,IPW)。
现有的teffects用户经常要求新平衡统计。
综述： 新的评估量 生存处理效果 回归调整
加权回归调整 回归调整IPW 内生的处理效果
etregress现在允许使用控制函数来估算
检查治疗和控制组织之间的平衡 过分识别测试 诊断组汇总统计 诊断图
其他新功能
概率权重对许多命令
etregress估计潜在后果模型
新的生存治疗效果的命令见Stata Treatment-Effects Reference Manual 163页
技术说明
治疗效果寻求从观测数据中提取experimental-style因果效应。
现有teffects命令,我们增加了stteffects,一套治疗效果评估人员的生存模式。像teffects一样,新的stteffects命令允许您估计平均治疗效果(ATEs),平均治疗对治疗的影响(ATETs)和潜在后果(POMs)。
stteffects命令让用户模型的组合结果,治疗任务,和审查。IPW stteffectsips估计处理效果。stteffectsra和stteffects包装材料使用不同regression-adjustment估计处理效果的方法。最后,stteffectsipwra之间提供了一个选择两双稳健估计。
内源性处理时出现两个治疗模型和结果模型时会共享难以察觉的校正。在Stata 13里面，我们通过etregress和etpoisson计数结果提供了连续模型,。Stata 14 eteffects补充了这个功能,评估了ATEs, ATETs和POMs和不断探索,统计,和二进制结果的处理任务与结果。etregress也已经被扩展可以估算POMs和选择使用一个控制功能的方法。
平衡测试和相关诊断统计数据以及图表Stata用户长期以来一直要求的功能。新的tebalance命令介绍了这些特性。
最后,我们添加了支持概率(抽样)权重teffectsipwra,teffectsipw,和teffectsra。所有上面讨论的新估算也支持概率权重。
7. 更多级mixed-effects模型
我们添加了一些新的有关多级mixed-effects的命令和功能模型
目标用户 生物统计学家 医疗从事人员 流行病学家 计量经济学家
我们期待新的mixed-effects参数生存命令会得到大多数生物统计学院，医疗从事人员，流行病学家和计量经济学家等研究人员的认可。（参考第8项，新的和扩展面板数据估计量）
执行完成推理的能力在线性mixed-effects模型可能是最感兴趣的那些使用小型数据集进行分析。这是一个经常要求实现的功能，用来执行那些这种类型的分析,所以我们预计这一变化会引起用户极大的兴趣。
综述：
新的多级估计:参数生存模型 支持5种发行版本
指数函数，Loglogistic，威布尔，正态分布，伽玛函数 两个参数化：比例风险(PH)，加速失效时间(AFT) 允许单个或多个记录st数据
新特性：
Graph survivor,累积和风险函数后多级mixed-effects生存模型 线性mixed-effects模型与小分母的自由度(DDF)
Kenward-Roger，Satterthwaite，方差分析，重复测量方差分析，残差 测试、testparm和应用允许混合后完成推理 现在支持所有多级mixed-effects GLM调查功能 重量可能指定为每个级别的层次结构
技术说明
新mestreg命令适应参数mixed-effects生存模型符合单一或多个记录st数据。这些模型被用来解释不同层次水平的生存数据。通常使用两级随机生存生存分析模型与分布式随机效应的研究人员可能会对模型特别感兴趣。这些模型常用的生存脆弱模型扩展到允许弱点有更灵活的比传统的伽马分布正态分布。
用户可以选择从各种各样的分布:指数,loglogistic,威布尔,对数正态和伽马。PH和AFT参数化都是支持的。例如,指数和威布尔模型可以参数化为PH或AFT。除了这些新模型，我们还修正了mestreg工作postestimation命令stcurve。
从Stata 9开始，我们通过混合多级线性mixed-effects命令提供大样本推断固定的影响 (称为xtmixed) 。多年来,我们有多个请求来实现地区指定基金调整完成推理的方法。这些方法使用t和F统计来取代渐进z和卡方。使用新的dfmethod()选项，用户可以从Kenward-Roger方差分析、Satterthwaite，重复测量方差分析，方差分析以及中进行选择。
通过添加完成混合推理,我们还添加了estat地区指定基金报告每个系数的estatddf。我们还修改测试和应用,允许相同的小样本调整假设检验和线性组合混合后的固定效果。
相关推荐：
loading