2021年4月20日，Stata 17如約而至。本次亮點更新共有29處。下面我們將分別介紹每一項更新。這些功能中的大多數(shù)將對各個學(xué)科的研究人員有很大幫助。
1. 表格
用戶一直希望我們提供更優(yōu)異的表格功能?，F(xiàn)在您可以輕松地創(chuàng)建用于比較回歸結(jié)果或摘要統(tǒng)計信息的表格，可以創(chuàng)建自定義樣式并將其應(yīng)用于所構(gòu)建的任何表格，還可以將表格導(dǎo)出到MSWord，PDF，HTML，LaTeX，MS Excel或Markdown并且將它們放在報告中。同時table命令已經(jīng)被修改。新的collect前綴從任意多個命令中收集任意多個結(jié)果，生成表，將它們導(dǎo)出為多種格式。您還可以使用新的Tables Builder來單擊并創(chuàng)建表格。
2. 貝葉斯計量經(jīng)濟學(xué)
Stata可用于計量經(jīng)濟學(xué)，并且可以用Stata進行貝葉斯統(tǒng)計。現(xiàn)在，Stata 17還可以用來執(zhí)行貝葉斯計量經(jīng)濟學(xué)。想用概率陳述來回答經(jīng)濟問題，例如，那些參加職業(yè)培訓(xùn)計劃的人是否更有可能在未來五年內(nèi)繼續(xù)受雇？想結(jié)合經(jīng)濟過程的先驗知識嗎？Stata的新貝葉斯計量經(jīng)濟學(xué)功能可以提供幫助。適合許多貝葉斯模型，例如橫截面模型、面板數(shù)據(jù)模型、多層模型和時間序列模型。使用貝葉斯因子比較模型，獲得預(yù)測結(jié)果。
在經(jīng)濟計量模型中使用貝葉斯方法的一個優(yōu)點是結(jié)合了實際中常用的模型參數(shù)的外部信息。這些信息可能來自歷史數(shù)據(jù)，也可能來自對經(jīng)濟過程的自然了解。無論哪種方式，貝葉斯方法都可以使我們將外部信息與我們在當(dāng)前數(shù)據(jù)中觀察到的信息結(jié)合起來，以形成對感興趣的經(jīng)濟過程的更現(xiàn)實的看法。
Stata 17在貝葉斯計量經(jīng)濟學(xué)領(lǐng)域提供了一些新功能：
?貝葉斯VAR模型
?貝葉斯IRF和FEVD分析
?貝葉斯動態(tài)預(yù)測
?貝葉斯縱向/面板數(shù)據(jù)模型
?貝葉斯線性和非線性DSGE模型
3. Stata運行更快
Stata重視數(shù)據(jù)準(zhǔn)確性的同時也非常重視處理速度。兩者之間通常需要權(quán)衡取舍，但Stata努力為用戶提供兩全其美的選擇。在Stata 17中，我們更新了sort和collapse背后的算法，使這些命令運行更快。同時，對一些估計命令，如mixed，運行速度上也得到了改進，這些命令適合多級混合效應(yīng)模型。
4. DID和DDD模型
新的估計命令didressage和xtdidressage用重復(fù)測量數(shù)據(jù)擬合差異中的差異（DID）和差異中的差異或三重差異（DDD）模型。didregress適用于重復(fù)橫截面數(shù)據(jù)，xtdidregress適用于縱向/面板數(shù)據(jù)。
利用重復(fù)測量數(shù)據(jù)，用DID和DDD模型估計平均治療（ATET）效果。治療效果可以是藥物治療對血壓的影響，也可以是培訓(xùn)計劃對就業(yè)的影響。與現(xiàn)有的teffects命令提供的標(biāo)準(zhǔn)橫截面分析不同，在評估ATET時，是否對組和時間效應(yīng)進行了分析控制，其中組可識別重復(fù)測量。附加群體效應(yīng)及其與時間相互作用的DDD分析控制---您最多可以指定三個組變量或兩個組變量和一個時間變量。
5.區(qū)間刪失Cox模型
半?yún)?shù)Cox比例風(fēng)險回歸模型通常用于分析未審查和右刪失事件時間數(shù)據(jù)。新的估計命令stintcox使Cox模型適用于區(qū)間刪失的事件時間數(shù)據(jù)。
區(qū)間刪失發(fā)生在對某個感興趣的事件（如癌癥復(fù)發(fā)）的時間沒有直接觀察到，但已知在某個區(qū)間內(nèi)時。例如，定期檢查可以發(fā)現(xiàn)癌癥復(fù)發(fā)，但不能觀察到確切的復(fù)發(fā)時間。我們只知道在先前檢查和當(dāng)前檢查之間的某個時間段復(fù)發(fā)了癌癥。忽略區(qū)間刪失可能導(dǎo)致不正確的（有偏見的）結(jié)果。
當(dāng)基線風(fēng)險函數(shù)完全不確定時，區(qū)間刪失事件時間數(shù)據(jù)的半?yún)?shù)估計具有挑戰(zhàn)性，因為沒有一個事件時間是精確觀測的。因此，這些數(shù)據(jù)的“半?yún)?shù)”建模通常采用樣條法或分段指數(shù)模型作為基線風(fēng)險函數(shù)。直到最近的方法學(xué)進展（在stintcox命令中實現(xiàn)）才提供真正的區(qū)間刪失事件時間數(shù)據(jù)半?yún)?shù)建模。
6. 多元變量分析
您需要分析多個研究的結(jié)果。這些研究報告了多種效應(yīng)大小，它們很可能在一項研究中相互關(guān)聯(lián)。單獨的meta分析（例如使用現(xiàn)有meta命令的meta分析）將忽略相關(guān)性?，F(xiàn)在可以使用新meta mvregression命令執(zhí)行多元meta分析，這將解釋相關(guān)性。
7.貝葉斯VAR模型
Bayes前綴現(xiàn)在支持var命令來擬合貝葉斯向量自回歸（VAR）模型。
VAR模型研究多個時間序列之間的關(guān)系，包括結(jié)果變量的滯后作為模型預(yù)測因子。
已知這些模型具有許多參數(shù)：有K個果變量和p個滯后，至少就有p（K ^ 2 + \ nn1）個參數(shù)。模型參數(shù)的可靠估計非常具有挑戰(zhàn)性，尤其對于小數(shù)據(jù)集。
貝葉斯VAR模型通過結(jié)合模型參數(shù)的先驗信息來穩(wěn)定參數(shù)估計，從而克服了這些挑戰(zhàn)。
8.貝葉斯多級模型：非線性、聯(lián)合、 SEM-like等
使用bayesmh命令新的隨機效果語法，擬合貝葉斯多層次模型的寬度。
您可以更容易地擬合單變量線性和非線性多層次模型?，F(xiàn)在您可以擬合多元線性和非線性多層次模型了！并考慮到增長的線性和非線性多級模型，聯(lián)合縱向和生存時間模型，SEM型模型等。
9.治療效果lasso評估
您可以使用teffects來估計治療效果。您也可以使用lasso來控制眾多協(xié)變量。（當(dāng)我們提到“多”時，指的是成百上千甚至更多?。┈F(xiàn)在您可以使用telasso來估計治療效果并控制眾多協(xié)變量。
10.Galbraith圖
新命令meta-galbraithplot生成Galbraith圖用于meta分析。這些圖可用于評估研究的異質(zhì)性和檢測潛在的異常值。當(dāng)有許多研究時，它們也被用來替代森林圖，用于總結(jié)meta分析結(jié)果。
11.留一法元分析
您現(xiàn)在可以通過使用新的選項leaveoneout與meta summarize和meta forestplot來執(zhí)行留一元的元分析。
省略元分析通過在每項分析中排除一項研究來進行多項元分析。研究產(chǎn)生夸大的效應(yīng)量是很常見的，這可能會扭曲整體結(jié)果。省略的meta分析有助于調(diào)查每個研究對總體效應(yīng)大小估計的影響，并確定有影響力的研究。參見[META] META summarize和[META] META forestplot。
12.貝葉斯縱向/面板數(shù)據(jù)模型
您可以通過使用xtreg來擬合隨機效應(yīng)面板數(shù)據(jù)或縱向模型，使用xtlogit或xtprobit來擬合連續(xù)結(jié)果，使用xtlogit或xtprobit來擬合二進制結(jié)果，使用xtologit或xtoprobit來擬合順序結(jié)果等。在Stata17中，您可以通過簡單地在這些模型前面加上bayes來擬合這些模型的Bayesian版本。
13.面板數(shù)據(jù)多項式logit模型
Stata的新估計命令xtmlogit將面板數(shù)據(jù)多項式logit（MNL）模型與隨時間觀察到的分類結(jié)果相匹配。假設(shè)我們收集了幾個星期關(guān)于個人對餐館選擇的數(shù)據(jù)。餐廳選擇是沒有自然順序的分類結(jié)果，因此我們可以使用現(xiàn)有的mlogit命令（使用cluster-robust標(biāo)準(zhǔn)誤差）。xtmlogit直接對單個特征進行建模，因此可能產(chǎn)生更有效的結(jié)果。它可以很好地解釋可能與協(xié)變量相關(guān)的特征。
14.零膨脹的有序logit模型
新的估計命令ziologit擬合零膨脹的有序邏輯回歸模型。當(dāng)數(shù)據(jù)在最低類別中表現(xiàn)出比標(biāo)準(zhǔn)有序邏輯模型預(yù)期的更高的觀測值時，使用該模型。我們將最低級別的觀察值稱為零，因為它們通常對應(yīng)于沒有行為或特征。
零膨脹是通過假設(shè)零同時來自邏輯模型和有序邏輯模型來解釋的。每個模型都可以有不同的協(xié)變量，結(jié)果可以顯示為比值比而不是默認(rèn)系數(shù)。
15.趨勢非參數(shù)檢驗
nptrend命令現(xiàn)在支持跨有序組的四個趨勢檢驗。您可以選擇Cochran-Armitage檢驗，Jonckheere-Terpstra檢驗，線性趨勢檢驗和Cuzick檢驗中進行選擇。前三個檢驗是新的，第四個檢驗由nptrend執(zhí)行。
16.貝葉斯動態(tài)預(yù)測
動態(tài)預(yù)測是在擬合向量自回歸（VAR）模型等多變量時間序列模型后常用的預(yù)測工具。在擬合經(jīng)典var模型后，使用fcast計算動態(tài)預(yù)測。在使用bayes:var擬合貝葉斯VAR模型之后，現(xiàn)在可以使用bayesfcast來計算貝葉斯動態(tài)預(yù)測。
貝葉斯動態(tài)預(yù)測產(chǎn)生預(yù)測值的整個樣本，而不是經(jīng)典分析中的單個預(yù)測。該樣本可用于解答各種建模問題，例如，在估計預(yù)測不確定性時，模型在不作漸近正態(tài)假設(shè)的情況下預(yù)測未來觀測值的能力。這對于可能懷疑漸近正態(tài)性假設(shè)的小數(shù)據(jù)集特別有吸引力。
17.貝葉斯IRF和FEVD分析
脈沖響應(yīng)函數(shù)（IRFs），動態(tài)乘數(shù)函數(shù)和預(yù)測誤差方差分解（FEVDs）通常用于描述多元時間序列模型（如VAR模型）的結(jié)果。VAR模型具有許多參數(shù)，可能難以一一解釋。IRFs和其他函數(shù)將多個參數(shù)的效果合并到一個摘要中（每個時間段）。例如，IRFs測量一個變量的沖擊（變化）對給定結(jié)果變量的影響。
貝葉斯IRFs（和其他函數(shù)）使用IRFs的“精確”后驗分布產(chǎn)生結(jié)果，這不依賴于漸近正態(tài)性的假設(shè)。它們還可以為小數(shù)據(jù)集提供更穩(wěn)定的估計，因為它們包含了有關(guān)模型參數(shù)的先驗信息。
18. lasso懲罰選擇BIC
懲罰參數(shù)的選擇是lasso分析的基礎(chǔ)。使用小的懲罰函數(shù)可能會包含太多的變量。使用較大的懲罰函數(shù)可能會忽略潛在的重要變量。
Lasso估計已經(jīng)提供了幾種懲罰選擇方法，包括交叉驗證、自適應(yīng)和插件?，F(xiàn)在可以使用貝葉斯信息準(zhǔn)則（BIC）通過指定選擇（BIC）選項來選擇lasso之后的懲罰參數(shù)進行預(yù)測，并選擇lasso進行推斷。此外，新的后估計命令bicplot在擬合lasso模型后，將BIC值繪制為懲罰參數(shù)的函數(shù)。這為最小化BIC函數(shù)的懲罰參數(shù)的值提供了方便的圖形展示。
19.集群數(shù)據(jù)lasso分析
現(xiàn)在，您可以在套索分析中考慮集群數(shù)據(jù)。忽略聚類可能會導(dǎo)致錯誤結(jié)果，因為同一聚類中的觀測值之間存在相關(guān)性。使用用于預(yù)測的lasso命令（如lasso和elasticnet），可以指定新cluster（{\it clustvar}）選項。使用用于推斷的lasso命令（如poregress），可以指定新的vce（cluster{\it clustvar}）選項。
20.貝葉斯線性和非線性DSGE模型
現(xiàn)在，可以通過在dsge和dsgenl前面加上前綴bayes:來擬合貝葉斯線性和非線性動態(tài)隨機一般均衡（DSGE）模型。通過從30多種不同的先驗分布中進行選擇，結(jié)合有關(guān)模型參數(shù)范圍的信息。進行貝葉斯IRF分析，進行區(qū)間假設(shè)檢驗，使用Bayes因子比較模型等。
21. Do-file編輯器：導(dǎo)航控制，增強的書簽功能……
Stata 17中的Do-file Editor有以下改進：
1.書簽：現(xiàn)在與do-files一起保存。
2.新的導(dǎo)航控件：可以輕松瀏覽do文件。
3.語法高亮顯示支持Java和XML。
4.選中區(qū)域中引號，括號和方括號的自動補全。例如，選擇文本mymacro，然后輸入左引號`; Do文件編輯器將用單引號綁定文本選擇，將選擇更改為“mymacro”。
書簽：Do文件編輯器最需要的特性之一是能夠在Do文件中保存書簽。書簽用于標(biāo)記感興趣的行，以便以后更容易地導(dǎo)航到它們。書簽在瀏覽長Do-files時特別有用。您可以將書簽添加到do文件中執(zhí)行數(shù)據(jù)管理、顯示摘要統(tǒng)計和執(zhí)行統(tǒng)計分析的部分。然后，您可以使用菜單，工具欄或新的導(dǎo)航控件在這些部分之間快速來回移動，而無需滾動幾行代碼來查找所需的部分。
導(dǎo)航控件：Stata 17通過新的導(dǎo)航控件使導(dǎo)航do-files更容易，該控件顯示書簽及其標(biāo)簽的列表。從導(dǎo)航控件中選擇書簽會將Do文件編輯器移動到書簽所在的行。除了書簽之外，導(dǎo)航控件還將顯示do文件中的程序列表。從導(dǎo)航控件中選擇一個程序把Do文件編輯器移到程序的定義中?？梢暂p松的將程序添加到導(dǎo)航控件中。Do文件編輯器將自動向?qū)Ш娇丶砑映绦蚨x。
22.日期和時間功能更新
Stata 17增加了新的便利功能，用于處理Stata和Mata中的日期和時間。新功能可以分為三類：
1.Datetime持續(xù)時間:Datetime durations：用于獲取持續(xù)時間的函數(shù)，例如ages。
2.相對日期:基于其他日期返回日期的函數(shù)，例如相對于給定日期的下一個生日。
3.Datetime組件：從Datetime值中提取不同組件的函數(shù)。
新函數(shù)以閏年、閏日和閏秒（如適用）為單位。閏秒是一秒調(diào)整，偶爾應(yīng)用于協(xié)調(diào)通用時間（UTC）。
23.Intel Math Kernel Library (MKL)
Stata 17引入了在兼容硬件（所有基于Intel和AMD的64位計算機）使用Intel Math Kernel Library（MKL），并提供了深度優(yōu)化的LAPACK例程。
LAPACK代表線性代數(shù)包，是一套免費提供的例程，用于求解聯(lián)立方程組、特征值問題和奇異值問題等。Mata運算符和函數(shù)（例如qrd（）、lud（）、和cholesky（））在可能的情況下利用LAPACK進行許多數(shù)值操作。
由英特爾MKL支持的LAPACK提供了最新的LAPACK例程，這些例程針對現(xiàn)代Intel和現(xiàn)代AMD處理器使用的64位Intel x86-64指令集進行了優(yōu)化。使用MKL的Mata函數(shù)和操作符在性能方面有很大的優(yōu)勢。
最重要的是，您無需采取任何措施即可充分利用速度提升的優(yōu)勢。使用這些Mata函數(shù)和運算符以及Mata函數(shù)和運算符本身的Stata命令將在兼容硬件上自動使用“英特爾MKL”。
24. 運用于Apple Silicon
Stata 17 for Mac是一個通用的應(yīng)用程序，它將在帶有Apple Silicon和Intel處理器的Mac上運行。帶有Apple Silicon的Mac包括新的MacBook Air, MacBook Pro和Mac mini，它們都帶有M1處理器。M1芯片有更高的性能和更高的能效。
盡管M1 Macs被認(rèn)為是入門級的，但我們發(fā)現(xiàn)，M1 Macs本機運行Stata的性能比Intel Macs高出30–35%。它們的性能甚至遠(yuǎn)遠(yuǎn)超過價格超過兩倍的Intel Mac！對于那些堅持在他們的Apple Silicon Mac電腦上只使用Apple-Silicon原生軟件的用戶來說，從安裝程序到應(yīng)用程序本身，Stata 17的任何部分都不需要用到Rosetta 2。
Stata的功能與在M1 Mac或Intel Mac上本地運行Stata的方式相同，M1 Mac不需要特殊許可證。在未來的幾年里，我們將繼續(xù)支持并發(fā)布針對帶有英特爾處理器的Mac的新版本Stata。
25. JDBC
將Stata與數(shù)據(jù)庫連接變得更加容易。Stata 17添加了對JDBC（Java數(shù)據(jù)庫連接）的支持。JDBC是在程序和數(shù)據(jù)庫之間交換數(shù)據(jù)的跨平臺標(biāo)準(zhǔn)。
新的jdbc命令支持jdbc標(biāo)準(zhǔn)，用于與具有矩形數(shù)據(jù)的關(guān)系數(shù)據(jù)庫或非關(guān)系數(shù)據(jù)庫管理系統(tǒng)交換數(shù)據(jù)。您可以從一些最流行的數(shù)據(jù)庫供應(yīng)商（如Oracle、MySQL、Amazon Redshift、Snowflake、Microsoft SQL Server等）導(dǎo)入數(shù)據(jù)。jdbc的優(yōu)點在于它是一個跨平臺的解決方案，因此我們的jdbc設(shè)置對Windows、Mac和Unix系統(tǒng)的工作方式是相同的。
如果您的數(shù)據(jù)庫供應(yīng)商提供了一個JDBC驅(qū)動程序，那么您可以下載并安裝該驅(qū)動程序，然后通過JDBC在數(shù)據(jù)庫上讀取、寫入和執(zhí)行SQL。您可以將整個數(shù)據(jù)庫表加載到Stata中，也可以使用SQL SELECT將表中的特定列加載到Stata中。您還可以將所有變量插入數(shù)據(jù)庫表中，或僅插入數(shù)據(jù)集的子集。
26.集成Java
在Stata 17中，您現(xiàn)在可以直接在Stata中嵌入和執(zhí)行Java代碼。您可以在以前版本的Stata中創(chuàng)建和使用Java插件，但這需要您編譯代碼并將其捆綁到Jar文件中。在do文件中執(zhí)行Java，您可以自由地執(zhí)行直接綁定到Stata代碼的Java代碼。您可以在do文件或ado文件中編寫Java代碼，甚至可以從Stata中交互式地調(diào)用Java（如JShell）。
Java的優(yōu)勢之一在于它與Java虛擬機一起打包的大量APIs。還有許多有用的第三方庫可用。根據(jù)需要，您甚至可以編寫并行代碼以利用多核運算。
您編寫的Java代碼是動態(tài)編譯的，不需要使用外部編譯器。此外，還包括Stata函數(shù)接口（SFI）Java包，提供Stata和Java之間的雙向連接。SFI包中有訪問Stata當(dāng)前數(shù)據(jù)集、幀、宏、標(biāo)量、矩陣、值標(biāo)簽、特征、全局Mata矩陣、日期和時間值等的類。
Stata將Java開發(fā)工具包（JDK）與其安裝捆綁在一起，因此不涉及其他設(shè)置。
27. 集成H2O
在Stata 17中，我們一直在嘗試連接H2O，這是一個可擴展的分布式開源機器學(xué)習(xí)和預(yù)測分析平臺。您可以在https://docs.h2o.ai/上了解有關(guān)H2O的更多信息。
通過集成H2O，您可以在Stata上啟動、連接和查詢H2O集群。此外，我們提供了一套命令來操作集群上的數(shù)據(jù)(H2O幀)。例如，可以通過導(dǎo)入數(shù)據(jù)文件或加載Stata的當(dāng)前數(shù)據(jù)集來創(chuàng)建新的H2O幀。您還可以從Stata中拆分、合并和查詢H2O幀。
雖然這對我們來說還處于實驗階段，但我們希望讓我們的用戶可以試用。另一方面，因為這是一個實驗狀態(tài)，語法和功能可能會發(fā)生變化。當(dāng)使用Stata命令提供對H2O給定功能的訪問時，請記住這是H2O功能。雖然您可以通過Stata命令訪問它，但它所能做的高于H2O并且在Stata之外。
28. PyStata
Stata 17引入了一個我們稱之為PyStata的概念。PyStata是一個包含Stata和Python交互的所有方式的術(shù)語。
stata16的特點是能夠從Stata調(diào)用Python代碼。Stata17通過允許您通過一個新的
pystata Python包從一個獨立的Python環(huán)境調(diào)用Stata，大大擴展了這一功能。
您可以在基于IPython內(nèi)核的環(huán)境中方便地訪問Stata和Mata（例如，Jupyter Notebook和控制臺以及Jupyter Lab和控制臺）；在支持IPython內(nèi)核的其他環(huán)境中（例如Spyder IDE和PyCharm IDE）；或者從命令行訪問Python時（例如，Windows命令提示符、macOS終端、Unix終端和Python的IDLE）。
29.帶Stata的Jupyter Notebook
Jupyter Notebook是一個功能強大且易于使用的web應(yīng)用程序，它允許您將可執(zhí)行代碼、可視化效果、數(shù)學(xué)方程和公式、敘述性文本和其他富媒體組合在一個文檔（“筆記本”）中，用于交互式計算和開發(fā)。它被研究者和科學(xué)家廣泛地用來分享他們的想法和成果，以促進合作和創(chuàng)新。
在stata17中，作為PyStat的一部分，可以使用IPython（交互式Python）內(nèi)核從Jupyter筆記本調(diào)用Stata和Mata。這意味著您可以在一個環(huán)境中結(jié)合Python和Stata的功能，使您的工作易于復(fù)制并與其他人共享。
從Jupyter Notebook調(diào)用Stata是由新的pystata Python包驅(qū)動的。
以上是Stata 17 29處更新的內(nèi)容，對于更詳細(xì)的功能介紹，還請移步科學(xué)軟件網(wǎng)查看。
北京天演融智軟件有限公司（科學(xué)軟件網(wǎng)）是Stata軟件在中國的授權(quán)經(jīng)銷商，為中國的用戶提供優(yōu)質(zhì)的軟件銷售和培訓(xùn)服務(wù)。
北京天演融智軟件有限公司（科學(xué)軟件網(wǎng)）
北京/廣州/成都
電話：400 810 4001/ 18510103847
郵箱：info@sciencesoftware.com.cn
網(wǎng)址：http://www.sciencesoftware.com.cn
