Stata 15.1破解版(附序列號) 統(tǒng)計學軟件

Stata 15.1破解版是一款非常專業(yè)的統(tǒng)計學軟件，該軟件除了傳統(tǒng)的統(tǒng)計分析方法外，還收集了近 20 年發(fā)展起來的新方法，如 Cox 比例風險回歸，指數(shù)與 Weibull 回歸等，每一種都非常的實用。另外 Stata 提供了多元統(tǒng)計分析中所需的矩陣基本運算，如矩陣的加、積、逆、 Cholesky 分解、 Kronecker 內積等，還有更多的功能就等你來發(fā)掘了，這是一款破解版，下文有破解教程，歡迎下載！

Stata 15.1破解教程

1、在本站下載Stata 15安裝包，內含注冊激活碼，解壓縮運行主程序，點擊【Next】進行下一步

2、選擇我已接受許可協(xié)議，并繼續(xù)點擊【Next】下一步

3、設置用戶信息，大家可以選擇默認，或隨意輸入，之后繼續(xù)點擊【Next】下一步

4、選擇需要安裝的Stata版本，包括stata/mp、se、ic等版本，根據自身需求進行安裝，這里以SE為例

5、確認安裝位置，默認安裝在C盤，我們可以點擊【Browse】圖標更改安裝位置

6、選擇默認的工作目錄，這里有兩個選項，大家根據自身需求選擇即可

9、之后點擊【Next】即可開始安裝了

10、正在安裝中，請耐心等待

11、安裝成功，點擊【Finish】完成安裝

12、運行軟件會出現(xiàn)注冊頁面，名字和單位可以隨便輸入，在安裝包內找到text文件，內含序列號輸入即可

13、點擊完成即可

14、可以看到已經破解成功，可以開始使用了

軟件功能

一、統(tǒng)計功能

Stata 的統(tǒng)計功能很強，除了傳統(tǒng)的統(tǒng)計分析方法外，還收集了近 20 年發(fā)展起來的新方法，如 Cox 比例風險回歸，指數(shù)與 Weibull 回歸，多類結果與有序結果的 logistic 回歸， Poisson 回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。具體說， Stata 具有如下統(tǒng)計分析能力：

數(shù)值變量資料的一般分析：參數(shù)估計，t檢驗，單因素和多因素的方差分析，協(xié)方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數(shù)的兩兩比較，缺項數(shù)據的處理，方差齊性檢驗，正態(tài)性檢驗，變量變換等。

分類資料的一般分析：參數(shù)估計，列聯(lián)表分析 ( 列聯(lián)系數(shù)，確切概率 ) ，流行病學表格分析等。

等級資料的一般分析：秩變換，秩和檢驗，秩相關等

相關與回歸分析：簡單相關，偏相關，典型相關，以及多達數(shù)十種的回歸分析方法，如多元線性回歸，逐步回歸，加權回歸，穩(wěn)鍵回歸，二階段回歸，百分位數(shù) ( 中位數(shù) ) 回歸，殘差分析、強影響點分析，曲線擬合，隨機效應的線性回歸模型等。

其他方法：質量控制，整群抽樣的設計效率，診斷試驗評價， kappa 等。

二、作圖功能

Stata 的作圖模塊，主要提供如下八種基本圖形的制作 : 直方圖 (histogram) ，條形圖 (bar), 百分條圖 (oneway) ，百分圓圖 (pie) ，散點圖 (twoway) ，散點圖矩陣(matrix) ，星形圖 (star) ，分位數(shù)圖。這些圖形的巧妙應用，可以滿足絕大多數(shù)用戶的統(tǒng)計作圖要求。在有些非繪圖命令中，也提供了專門繪制某種圖形的功能，如在生存分析中，提供了繪制生存曲線圖，回歸分析中提供了殘差圖等。

Stata 的矩陣運算功能

矩陣代數(shù)是多元統(tǒng)計分析的重要工具， Stata 提供了多元統(tǒng)計分析中所需的矩陣基本運算，如矩陣的加、積、逆、 Cholesky 分解、 Kronecker 內積等;還提供了一些高級運算，如特征根、特征向量、奇異值分解等;在執(zhí)行完某些統(tǒng)計分析命令后，還提供了一些系統(tǒng)矩陣，如估計系數(shù)向量、估計系數(shù)的協(xié)方差矩陣等。

三、程序設計功能

Stata 是一個統(tǒng)計分析軟件，但它也具有很強的程序語言功能，這給用戶提供了一個廣闊的開發(fā)應用的天地，用戶可以充分發(fā)揮自己的聰明才智，熟練應用各種技巧，真正做到隨心所欲。事實上， Stata 的 ado 文件 ( 高級統(tǒng)計部分 ) 都是用 Stata 自己的語言編寫的

Stata 其統(tǒng)計分析能力遠遠超過了 SPSS ，在許多方面也超過了 SAS !由于 Stata 在分析時是將數(shù)據全部讀入內存，在計算全部完成后才和磁盤交換數(shù)據，因此計算速度極快(一般來說， SAS 的運算速度要比 SPSS 至少快一個數(shù)量級，而 Stata 的某些模塊和執(zhí)行同樣功能的 SAS 模塊比，其速度又比 SAS 快將近一個數(shù)量級!) Stata 也是采用命令行方式來操作，但使用上遠比 SAS 簡單。其生存數(shù)據分析、縱向數(shù)據(重復測量數(shù)據)分析等模塊的功能甚至超過了 SAS 。用 Stata 繪制的統(tǒng)計圖形相當精美，很有特色。

四、功能列表

數(shù)據管理 (Data management)

資料轉換、分組處理、附加檔案、 ODBC 、行 - 列轉換、數(shù)據標記、字符串函數(shù)…等

基本統(tǒng)計 (Basic statistics)

直交表、相關性、 t- 檢定、變異數(shù)相等性檢定、比例檢定、信賴區(qū)間…等

線性模式 (Linear models)

穩(wěn)健 Huber/White/sandwich 變異估計 , 三階最小平方法、類非相關回歸、齊次多項式回歸、 GLS

廣義型線性模式 (Generalized linear models)

十連結函數(shù)、使用者 - 定義連結、 ML 及 IRLS 估計、

九變異數(shù)估計、七殘差…等

二元、計數(shù)及有限應變量

(Binary, count, and limited dependent variables)

羅吉斯特、 probit 、卜松回歸、 tobit 、 truncated 回歸、條件羅吉斯特、多項式邏輯、巢狀邏輯、負二項、 zero-inflated 模型、 Heckman 選擇模式、邊際影響

Panel 數(shù)據 / 交叉 - 組合時間序列

(Panel data/cross-sectional time-series)

隨機及固定影響之回歸、 GEE 、隨機及固定 - 影響之

卜松及負二項分配、隨機 - 影響、工具變量回歸、

AR(1) 干擾回歸

無母數(shù)方法 (Nonparametric methods)

多變量方法 (Multivariate methods)

因素分析、多變量回歸、 anonical 相關系數(shù)

模型檢定及事后估計量支持分析

(Model testing and post-estimation support)

Wald 檢定、 LR 檢定、 線性及非線性組合、非線性限制檢定、邊際影響、修正平均數(shù) Hausman 檢定

群集分析 (Cluster analysis)

加權平均 , 質量中心及中位數(shù)聯(lián)結、 kmeans 、 kmedians 、 dendrograms 、停止規(guī)則、使用者擴充

圖形 (Graphics)

直線圖、散布圖、條狀圖、圓餅圖、 hi-lo 圖、

回歸診斷圖…

調查方法 (Survey methods)

抽樣權重、叢集抽樣、分層、線性變異數(shù)估計量、擬 - 概似最大估計量、回歸、工具變量…

生存分析 (Survival analysis)

Kaplan – Meier 、 Nelson – Aalen, 、 Cox 回歸 ( 弱性 ) 、參數(shù)模式 ( 弱性 ) 、危險比例測試、時間共變項、

左 - 右檢查、韋柏分配、指數(shù)分配…

流行病學工具 (Tools for epidemiologists)

比例標準化、病例控制、已配適病例控制、 Mantel – Haenszel, 藥理學、 ROC 分析、 ICD-9-CM

時間序列 (Time series)

ARIMA 、 ARCH/GARCH 、 VAR 、 Newey – West 、 correlograms 、 periodograms 、白色 - 噪音測試 ,

最小整數(shù)根檢定、時間序列運算、平滑化

最大概似法 (Maximum likelihood)

轉換及常態(tài)檢定 (Transforms and normality tests)

Box – Cox 、次方轉換 Shapiro – Wilk 、 Shapiro – Francia 檢定

其它統(tǒng)計方法 (Other statistical methods)

樣本數(shù)量及次方、非線性回歸、逐步式回歸 、統(tǒng)計及數(shù)學函數(shù)

包含樣本范例 (Sample session)

再抽樣及模擬方法 (Resampling and simulation methods)

bootstrapping 、 jackknife 、蒙地卡羅模擬、排列檢定

五、網絡功能

安裝新指令、網絡升級、網站檔案分享、 Stata 最新消息

軟件特色

1.擴展回歸模型

我們稱之為ERMS 擴展回歸模型。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：

. 內生變量

. 非隨機處理任務

. 內源性(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生變量，包括處理賦值和概率選擇方程。內生變量并不局限于連續(xù)性。它們可以是二進制或序數(shù)。不管是外生的還是內生的，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, 可能有一個內生變量, 因為許多模型都省略了與模型中的變量相關的變量。其次，數(shù)據經常被刪剪，而刪剪不是隨機的。ERM 樣本選擇選項允許您對選擇過程進行建模, 并對其進行調整?；蛘? 如果您正在使用非隨機處理效應模型, 則可以用 ERM處理分配選項。或者, 可以結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生處理分配模型。

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)據中未觀測到的組。你可能有關于消費者的數(shù)據，并且根據消費者對產品的潛在興趣將他們分成三組。但是，在數(shù)據中沒有指定每個消費者所屬組的變量。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測概率和觀測結果變量的預測值。

3、貝葉斯前綴指令

新的bayes：前綴命令使你能夠適應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：在這個模型中, 為變量 id的每個值添加隨機截距。

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、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的。當閉合形式解決方案用于Gibbs方法時，可以使用默認的自適應 Metropolis–Hastings 抽樣, 或Gibbs抽樣, 或兩種方法的組合。在bayesmh命令的基礎上可以使用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：

4、線性動態(tài)隨機一般均衡(DSGE)模型

DSGEs是經濟學中的一個時間序列模型。它們是傳統(tǒng)預測模型的替代品。兩者都試圖解釋總的經濟現(xiàn)象, 但 DSGEs 允許對來自經濟理論模型的基礎上做這個。建立在經濟理論基礎上的方程很多。這些方程的關鍵特征是, 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, 從理論推導出來的參數(shù)通?？梢杂眠@個理論來解釋。

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先確定的。

. 沖擊是驅動系統(tǒng)的隨機錯誤。

在任何情況下, 以上dsge 命令可以定義一個模型并擬合。

如果我們有一個關于 beta 和kappa之間關系的理論, 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，報告轉換矩陣。而策略矩陣將 p 報告為函數(shù)y, 而轉換矩陣則報告 y 如何通過時間演變?yōu)閜。可以使用Stata的現(xiàn)有預測命令來生成預測。可以使用Stata現(xiàn)有的irf命令來繪制脈沖響應函數(shù)。

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, 我們已經添加了標簽 (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。

6、非線性混合效應模型

非線性混合效應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機效應的非線性模型?；蛘呖梢园阉鼈兛闯删€性混合效應模型, 其中一些或所有的固定和隨機效應都是非線性的。不管哪種方式, 總的誤差分布假設成Gaussian分布。

這些模型在人口藥代動力學, 生物鑒定和研究生物學和農業(yè)成長過程中很流行。比如，采用非線性混合效應模型對機體的藥物吸收、地震強度和植物生長進行了模擬。

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效應的非線性均值函數(shù)進行線性化。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：

除了標準功能外, postestimation特征還包括對隨機效應及其標準誤差的預測，對模型中定義的感興趣參數(shù)的預測, 作為其他模型參數(shù)和隨機效應的參數(shù)、聚類相關矩陣的整體評估等。

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, 也稱為區(qū)域性數(shù)據。觀測結果被稱為空間單位, 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。它們可能是社交網絡的節(jié)點?？臻g模型評估直接影響—區(qū)域對自身的影響，并估算鄰近地區(qū)的間接或溢出效應。

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，或者

·沒有shapefiles 和數(shù)據，只包含位置的坐標，或者

·沒有 shapefiles沒有位置會出現(xiàn)社會網絡數(shù)據。

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)據模型。在區(qū)間刪失數(shù)據中，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的標準誤差

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)時間預測;Cox–Snell and martingale-like殘差值等。

9、有限混合模型(FMMs)

新的fmm:當數(shù)據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。每個分類在總人口的比例中，Postestimation 命令可用于 (1) 評估，(2) 報告類內結果變量的邊際均值，(3) 預測類成員的概率和預測結果。

10、混合Logit模型

Stata已經擬合多項Logit模型。Stata15能使它們擬合混合形式, 包括隨機系數(shù)。

隨機系數(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)假設一種方式。這一假設表明, 如果你選擇步行去工作, 當你的選擇是步行, 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假設在協(xié)變量的條件下, 選擇是獨立的。如果違反這種假設, 選擇將是相關的。隨機系數(shù)允許選擇相關性。研究人員經常在隨機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

12、聚類隨機設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設計 (CRDs)?，F(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的部分相關測試。部分相關檢驗是平方偏多相關系數(shù) f的 檢驗。該命令根據其他研究參數(shù)計算樣本大小或功率或目標平方偏相關系數(shù)。

Stata 15現(xiàn)在還支持集群隨機化設計：

在 CRD中, 組的受試者 (集群) 是隨機的而不是個體, 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)。這些命令可以根據不相等的集群大小調整選項。

. 當指定新的選項集群時, 現(xiàn)有的5個 power方法將擴展到支持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行調整。

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果表。

13、Word和PDF文檔

現(xiàn)在, 使用Stata嵌入的結果生成 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)建包含最新結果、表格和圖表的整個Word 或 PDF報表。可自動執(zhí)行可重復的報告。

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圖形和組織的標志。也可以設置文本對象的格式。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。在計算機圖形學的行話中, 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。默認情況下, Stata的顏色是100% 不透明的。

每當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"(相當于綠色)?？梢宰孕兄付?50, 使默認顏色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, 當它們被授權在美國使用, 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)據管理系統(tǒng)。該系統(tǒng)甚至包括在一個數(shù)據集中管理多個ICD版本的能力!

16、聯(lián)邦儲備經濟數(shù)據(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濟和金融時間序列。注冊是免費的并且很容易做。這項服務叫FRED。它包括來自84個來源的數(shù)據, 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。可以按類別、發(fā)布或來源進行搜索或瀏覽?？梢詥螕暨x擇感興趣的系列。選擇1或選擇100。當您點擊下載"時, Stata將下載它們并將它們合并到一個內存中的單個自定義數(shù)據集中。

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。

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

.具有隨機系數(shù)的面板數(shù)據tobit

.區(qū)間測量結果的多層回歸

.刪失結果的多級Tobit回歸

.面板數(shù)據的協(xié)整測試

.時間序列中多斷點的測試

.多組廣義 SEM

.異方差的線性回歸

.Heckman風格的樣本選擇Poisson模型

.具有隨機系數(shù)的面板數(shù)據非線性模型

.貝葉斯面板數(shù)據模型

.隨機系數(shù)的面板數(shù)據區(qū)間回歸

.SVG的導出

.貝葉斯生存模型

.零膨脹有序概率

.添加您自己的電源和樣本大小的方法

.貝葉斯樣本選擇模型

.支持瑞典語

.對DO文件編輯器的改進

.流隨機數(shù)生成器

.對于java插件的改進

.Stata / MP更多的并行化