Stata 15数据管理于统计绘图软件新功能介绍.docx

Stata 15数据管理于统计绘图软件新功能介绍本文由中国科学软件网翻译整理2017年6月Stata 15正式发布。这是Stata有史以来最大的一次版本更新。我们贴出了Statalist并且列出了16项最重要的新功能。这篇文章会重点谈谈这些新功能：扩展回归模型潜在类别分析（LCA）贝叶斯前缀指令线性动态随机一般均衡（DSGE）模型web 的动态Markdown文档非线性混合效应模型空间自回归模型（SAR）区间删失参数生存时间模型有限混合模型（FMMs）混合Logit模型非参数回归聚类随机设计和回归模型的功率分析Word和PDF文档图形颜色透明度/不透明度ICD-10-CM/PCS支持联邦储备经济数据（FRED）支持其他1.扩展回归模型我们称之为ERMS 扩展回归模型。四个新的命令适合. 线性回归分析,. 区间回归包括 tobit模型，. 概率，. 有序概率模型可任意组合成：. 内生变量. 非随机处理任务. 内源性（Heckman-style）样本的选择这些新的命令让人惊喜，因为可以在任何一个方程中加入内生变量，包括处理赋值和概率选择方程。内生变量并不局限于连续性。它们可以是二进制或序数。不管是外生的还是内生的，它们都可以与其他变量相互作用。它们甚至可以互相作用，形成平方项或立方项！这些新的ERM命令—eregress,?eintreg,?eprobit, 和eoprobit注定会流行起来，因为他们解决了研究人员的很多问题。首先, 可能有一个内生变量, 因为许多模型都省略了与模型中的变量相关的变量。其次，数据经常被删剪，而删剪不是随机的。ERM样本选择选项允许您对选择过程进行建模, 并对其进行调整。或者, 如果您正在使用非随机处理效应模型, 则可以用ERM处理分配选项。或者, 可以结合处理分配和选择选项,其中一些是由于后续的行为而损失的拟合内生处理分配模型。语法非常简单:Eregress适合线性回归。可以很容易地把概率模型拟合成线性回归模型。如果结果变量y是二进制的，则键入：如果结果变量y是连续的，但变量x2是二进制的，则键入如果y和x2都是二进制的，则键入如果想知道奇怪的nomain选项的详细情况。当指定endogenous(name=…)时，变量name会自动添加到主方程中。可以键入或者无论哪种方式，相同的模型都是可以的。在前面的例子中指定了nomain，所以我不需要解释包括主方程X2的这个选项。2.潜在类别分析（LCA）潜在的均值未被观测。分类也就是分组。潜在类是数据中未观测到的组。你可能有关于消费者的数据，并且根据消费者对产品的潜在兴趣将他们分成三组。但是，在数据中没有指定每个消费者所属组的变量。如果有四个二进制变量，它们是消费者所属的潜在类的指示信号，可以键入y1,?y2,?y3, 和?y4?被观测。Consum是潜在的分类变量，lclass(Consum 3)指定为3这个值。其结果是拟合一个模型, 其中 y1、y2、y3 和 y4 是由未观测的类确定。四y变量中一个和三类中的一类，命令适合4×3 = 12 逻辑回归分析。每个回归都有一个截距。此外，多项逻辑回归也可以用来预测Consum。拟合模型后，你可以. 使用新的estatlcprob命令估计属于每一类的消费者比例；. 使用新的estatlcprob命令估计每个类中Y1、Y2、Y3、Y4的边际均值（均值就是示例所示的概率）；. 使用新estatlcprob命令来评价适合度；. 使用现有的predict?命令获取分类成员的预测概率和观测结果变量的预测值。3.贝叶斯前缀指令新的bayes：前缀命令使你能够适应比以前版本更广泛的贝叶斯模型。原来也可以拟合贝叶斯线性回归, 但是现在可以通过输入文字就可以：这非常方便。以前不能做拟合贝叶斯生存的模型。现在可以:甚至可以拟合贝叶斯多级生存模型:在这个模型中, 为变量 id的每个值添加随机截距。新的bayes：前缀命令在许多Stata评估命令之前工作，并提供超过50种可能性的模型。支持的模型包括多级、面板数据、生存和样本选择模型!新命令支持所有Stata的贝叶斯的功能。你可以从之前的模型参数的分布中选择，也可以使用之前默认的。当闭合形式解决方案用于Gibbs方法时，可以使用默认的自适应 Metropolis–Hastings 抽样, 或Gibbs抽样, 或两种方法的组合。在bayesmh命令的基础上可以使用STATA的任何其他功能。可以更改回归系数的缺省先验分布，比如，使用prior()选项：评估后，可以使用Stata标准贝叶斯postestimation工具，比如. bayesgraph 检查收敛性. bayesstats summary估计模型参数的功能. bayesstatsic和bayestest model计算贝叶斯因