亚洲码av无色中文,欧美一区二区视频大全,五月天堂亚洲综合网

　　2017年6月Stata 15正式發(fā)布。這是Stata有史以來最大的一次版本更新。我們貼出了Statalist并且列出了16項最重要的新功能。這篇文章會重點談?wù)勥@些新功能：

　　? 擴(kuò)展回歸模型

　　? 潛在類別分析(LCA)

　　? 貝葉斯前綴指令

　　? 線性動態(tài)隨機(jī)一般均衡(DSGE)模型

　　? web 的動態(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)邦儲備經(jīng)濟(jì)數(shù)據(jù)(FRED)支持

　　? 其他

　　1.擴(kuò)展回歸模型

　　我們稱之為ERMS 擴(kuò)展回歸模型。四個新的命令適合

　　. 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，因為可以在任何一個方程中加入內(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，形成平方項或立方項!

　　這些新的ERM命令—eregress,eintreg,eprobit, 和eoprobit注定會流行起來，因為他們解決了研究人員的很多問題。首先, 可能有一個內(nèi)生變量, 因為許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。或者, 可以結(jié)合處理分配和選擇選項, 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。

　　語法非常簡單:

　　Eregress適合線性回歸?？梢院苋菀椎匕迅怕誓Ｐ蛿M合成線性回歸模型。如果結(jié)果變量y是二進(jìn)制的，則鍵入：

　　如果結(jié)果變量y是連續(xù)的，但變量x2是二進(jìn)制的，則鍵入

　　如果y和x2都是二進(jìn)制的，則鍵入

　　如果想知道奇怪的nomain選項的詳細(xì)情況。當(dāng)指定endogenous(name=…)時，變量name會自動添加到主方程中?？梢枣I入

　　或者

　　無論哪種方式，相同的模型都是可以的。在前面的例子中指定了nomain，所以我不需要解釋包括主方程X2的這個選項。

　　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)于消費者的數(shù)據(jù)，并且根據(jù)消費者對產(chǎn)品的潛在興趣將他們分成三組。但是，在數(shù)據(jù)中沒有指定每個消費者所屬組的變量。如果有四個二進(jìn)制變量，它們是消費者所屬的潛在類的指示信號，可以鍵入

　　y1,y2,y3, 和y4被觀測。Consum是潛在的分類變量，lclass(Consum 3)指定為3這個值。其結(jié)果是擬合一個模型, 其中 y1、y2、y3 和 y4 是由未觀測的類確定。四y變量中一個和三類中的一類，命令適合4×3 = 12 邏輯回歸分析。每個回歸都有一個截距。此外，多項邏輯回歸也可以用來預(yù)測Consum。

　　擬合模型后，你可以

　　. 使用新的estat lcprob命令估計屬于每一類的消費者比例;

　　. 使用新的estat lcprob命令估計每個類中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命令來評價適合度;

　　. 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：

　　這非常方便。以前不能做擬合貝葉斯生存的模型?，F(xiàn)在可以:

　　甚至可以擬合貝葉斯多級生存模型:

　　在這個模型中, 為變量 id的每個值添加隨機(jī)截距。

　　新的bayes：前綴命令在許多Stata評估命令之前工作，并提供超過50種可能性的模型。支持的模型包括多級、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，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)的缺省先驗分布，比如，使用prior()選項：

　　評估后，可以使用Stata標(biāo)準(zhǔn)貝葉斯postestimation工具，比如

　　. bayesgraph 檢查收斂性

　　. bayesstats summary估計模型參數(shù)的功能

　　. bayesstats ic和bayestest model計算貝葉斯因子并比較貝葉斯模型

　　. bayestest interval進(jìn)行區(qū)間假設(shè)檢驗

　　4. 線性動態(tài)隨機(jī)一般均衡(DSGE)模型

　　DSGEs是經(jīng)濟(jì)學(xué)中的一個時間序列模型。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。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)空間模型的一個特性。另一個特點是, 從理論推導(dǎo)出來的參數(shù)通常可以用這個理論來解釋。

　　這里是如何在Stata中擬合一個雙方程DSGE 模型。大括號, {}, 用于把參數(shù)括起來:

　　p 是一個控制變量, 而 y 是狀態(tài)空間術(shù)語中的狀態(tài)變量。f. 是正向運算符。

　　第一個方程式，

　　表示控制變量 p 取決于未來的{beta}*p 加上現(xiàn)在的{kappa}*y。

　　第二個方程式，

　　表示y的預(yù)期未來值是現(xiàn)在的{rho}*y。stata選項指定y是一個狀態(tài)變量。

　　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, 在時間段開始時是預(yù)先確定的。

　　. 沖擊是驅(qū)動系統(tǒng)的隨機(jī)錯誤。

　　在任何情況下, 以上dsge 命令可以定義一個模型并擬合。

　　如果我們有一個關(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)。如果有五個控制變量和三個狀態(tài)變量, 則每個控件將被報告為三個狀態(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，

　　報告轉(zhuǎn)換矩陣。而策略矩陣將 p 報告為函數(shù)y, 而轉(zhuǎn)換矩陣則報告 y 如何通過時間演變?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)。

　　這是一個脈沖響應(yīng)圖：

　　5. web動態(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)建一個文件, 其中包含所需的可讀格式的文本, 然后通過它運行一個命令來創(chuàng)建一個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行和顯示, 或者以秘密方式運行, 以及提取輸出的部分供文檔使用。

　　您可以創(chuàng)建一個文件，例如

　　在Stata中，你可以輸入

　　現(xiàn)在, 有了一個名為example.html的新文件, 在 web 上, 看起來像這樣:

　　dyndoc代表動態(tài)文檔。創(chuàng)建的Markdown文件是動態(tài)的, 如果數(shù)據(jù)發(fā)生變化, 你可以通過簡單的輸入重新創(chuàng)建網(wǎng)頁。

　　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?；蛘呖梢园阉鼈兛闯删€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。

　　新的評估命令被命名為 menl。它實現(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方法。

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

　　估值是 b1, b2, 和 b3。U[plant]是每個plant的隨機(jī)截距。

　　menl可以擬合多級或多層次的規(guī)范，其中參數(shù)將每個層級定義為模型參數(shù)和隨機(jī)效應(yīng)函數(shù)。

　　這個和上一個模型是一樣的，此外，b2和b3允許在不同的plant間變化。幾個方差-協(xié)方差結(jié)構(gòu)可用于在同一個層級上對隨機(jī)效應(yīng)的相依性進(jìn)行建模。如果你想建模的話，可以把上面例子中的相依性設(shè)在U1，U2和U3之間。雖然沒有明確說明，在這個模型中存在一個組內(nèi)錯誤。方差協(xié)方差結(jié)構(gòu)靈活應(yīng)用于異方差和組內(nèi)相關(guān)性的建模。異方差可以建模為一個協(xié)變量或預(yù)測平均值的冪函數(shù)，相依性可以使用任意階的自回歸模型進(jìn)行建模。

　　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滯后是時間序列滯后的空間模擬。時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。空間模型評估直接影響—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沒有位置會出現(xiàn)社會網(wǎng)絡(luò)數(shù)據(jù)。

　　下面是它如何與 shapefiles一起工作的。訪問了美國人口普查局網(wǎng)站并下載tl_2016_us_county 文件。你現(xiàn)在鍵入

　　下一步，將新創(chuàng)建的tl_2016_us.county.dta文件與你的分析文件合并：

　　您已經(jīng)準(zhǔn)備好定義空間加權(quán)矩陣和擬合空間滯后模型。

　　只擬合 (1) college (2)的依賴變量的空間滯后和(3) college空間滯后的unemployment模型。該模型也有自回歸誤差。空間滯后變量采用W計算，空間滯后誤差采用m計算。

　　8. 區(qū)間刪失參數(shù)生存時間模型

　　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，故障時間并不確定。眾所周知, 受試者還沒有失敗的時候, 以及后來他們已經(jīng)失敗的時候。

　　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生存時間模型。支持比例風(fēng)險和加速故障時間度量。功能包括

　　. 分層估計

　　. 靈活的輔助參數(shù)建模

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

　　通過 svy 前綴支持調(diào)查數(shù)據(jù)評估。

　　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, 前綴命令擬合模型。它可以與17 個Stata評估命令一起使用。

　　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。

　　但你認(rèn)為有三類模型的參數(shù)可能會有所不同。盡管沒有記錄類成員身份的變量, 但可以將

　　報告將是三個線性回歸—每個類為一個—與預(yù)測類成員的模型一起。

　　fmm: 當(dāng)類可能遵循不同模型時, 也可以同時使用多個評估命令, 如

　　在這兩個類的例子中, 報告將是第一類線性回歸模型， Poisson回歸是第二類, 以及預(yù)測類成員模型。

　　每個分類在總?cè)丝诘谋壤校琍ostestimation 命令可用于 (1) 評估，(2) 報告類內(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選項。如果選項是在步行或開車之間，你仍然會選擇步行。人類有時行為不同。

　　IIA假設(shè)在協(xié)變量的條件下, 選擇是獨立的。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：

　　匹配項是g()。該方法不假定 g () 是線性的;它也可以

　　該方法甚至不假定 g () 在參數(shù)中是線性的。它也可以

　　適合 x1、x2 和 x3 的 y 模型, 請鍵入

　　報告是y偏導(dǎo)數(shù)的平均值， x1, x2 和 x3 和標(biāo)準(zhǔn)錯誤。平均值是根據(jù)數(shù)據(jù)計算的。在擬合模型后, 可以使用predict獲得預(yù)測的數(shù)值。

　　平均導(dǎo)數(shù)類似于系數(shù), 或者至少模型是線性的, 而它不是。要知道非線性模型中的平均導(dǎo)數(shù)并不是平均導(dǎo)數(shù)。你可能想知道在變量的平均值中x1, x2, 和 x3的y 的導(dǎo)數(shù)?？梢允褂胢argins獲取:

　　或者, 您希望在特定的興趣點上評估預(yù)測值,

　　如果你想 x3 是 1, 2,..., 10, 可以鍵入

　　然后，可以輸入

　　繪制這個函數(shù)的一部分。

　　另外，margins不僅可以計算, 它還能產(chǎn)生引導(dǎo)標(biāo)準(zhǔn)錯誤。

　　12. 聚類隨機(jī)設(shè)計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 (CRDs)。現(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檢驗的PSS。R-squared檢驗是對測定系數(shù) (R-squared) 的 f 檢驗。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子集。在這兩種情況下, power rsquared計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)檢驗是平方偏多相關(guān)系數(shù) f的檢驗。該命令根據(jù)其他研究參數(shù)計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：

　　在 CRD中, 組的受試者 (集群) 是隨機(jī)的而不是個體, 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命令計算 (1) 的一個集群的數(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。

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

　　. 對于兩個樣本方法, 還可以針對兩個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)的多個參數(shù)值, 并自動生成表格和圖形結(jié)果。

　　另一個新功能是可以添加自己的PSS方法。這是很容易做到的。編寫一個計算樣本大小、功率或效果大小的程序。power命令將為您完成其余部分。它將處理選項中多個值的支持, 并且自動生成圖形和結(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Word 或 PDF報表?？勺詣訄?zhí)行可重復(fù)的報告。

　　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, 在另一個上面畫一個物體, 上面的物體蓋住下面的物體。在計算機(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)指定一個顏色時都可以指定不透明度，例如在mcolor ()選項中控制標(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)?？梢宰孕兄付?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命令從僅僅是一個自動的有效代碼和簡短短語列表, 成為ICD代碼的整個數(shù)據(jù)管理系統(tǒng)。該系統(tǒng)甚至包括在一個數(shù)據(jù)集中管理多個ICD版本的能力!

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

　　圣路易斯聯(lián)邦儲備局向注冊用戶提供超過47萬的美國和國際經(jīng)濟(jì)和金融時間序列。注冊是免費的并且很容易做。這項服務(wù)叫FRED。它包括來自84個來源的數(shù)據(jù), 包括美聯(lián)儲、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)行搜索或瀏覽?？梢詥螕暨x擇感興趣的系列。選擇1或選擇100。當(dāng)您點擊下載"時, Stata將下載它們并將它們合并到一個內(nèi)存中的單個自定義數(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)追蹤月報表需要自動更新27個不同系列時, 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Tobit回歸

　　. 面板數(shù)據(jù)的協(xié)整測試

　　. 時間序列中多斷點的測試

　　. 多組廣義 SEM