Stata 16 New in Bayesian analysis—Multiple chains, predictions, and more
Multiple chains.
Bayesian inference based on an MCMC (Markov chain Monte Carlo) sample is valid only if the Markov chain has converged. One way we can evaluate this convergence is to simulate and compare multiple chains.
The new nchains() option can be used with both the bayes: prefix and the bayesmh command. For instance, you type
. bayes, nchains(4): regress y x1 x2
and four chains will be produced. The chains will be combined to produce a more accurate final result. Before interpreting the result, however, you can compare the chains graphically to evaluate convergence. You can also evaluate convergence using the Gelman–Rubin convergence diagnostic that is now reported by bayes: regress and other Bayesian estimation commands when multiple chains are simulated. When you are concerned about noncovergence, you can investigate further using the bayesstats grubin command to obtain individual Gelman–Rubin diagnostics for each parameter in your model.
Bayesian predictions.
Bayesian predictions are simulated values from the posterior predictive distribution. These predictions are useful for checking model fit and for predicting out-of-sample observations. After you fit a model with bayesmh, you can use bayespredict to compute these simulated values or functions of them and save those in a new Stata dataset. For instance, you can type
. bayespredict (ymin:@min({_ysim})) (ymax:@max({_ysim})), saving(yminmax)
to compute minimums and maximums of the simulated values. You can then use other postestimation commands such as bayesgraph to obtain summaries of the predictions.
The dataset created by bayespredict may include thousands of simulated values for each observation in your dataset. Sometimes, you do not need all of these individual values. To instead obtain posterior summaries such as posterior means or medians, you can use bayespredict, pmean or bayespredict, pmedian. Alternatively, you may be interested in a random sample of the simulated values. You can use, for instance, bayesreps, nreps(100) to obtain 100 replicates.
Finally, you may want to evaluate model goodness of fit using posterior predictive p-values, also known as PPPs or as Bayesian predictive p-values. PPPs measure agreement between observed and replicated data and can be computed using the new bayesstats ppvalues command. For instance, using our earlier example
. bayesstats ppvalues {ymin} {ymax} using yminmax
京天演融智软件有限公司（科学软件网）作为Stata软件在中国大陆的授权经销商，我们不仅提供Stata软件，同时提供相关的培训服务。我们每年都会举办Stata软件公益培训。2019年4月每周二下午14：30，我们为大家安排了Stata软件应用专题直播培训。本次培训为公益培训，完全免费为中国用户开放，欢迎报名参加！
主讲老师
刘**，南开大学博士，曾赴爱尔兰格里菲斯学院交流学习，曾任河北金融学院教师，主讲计量经济学、统计学、货币与金融统计等课程。有多年SPSS软件教学经验，熟悉的软件有SPSS、Stata和EViews。
参与编写书籍《中国金融发展的收入分配效应》，参与课题包括：1）扩大中等收入群体路径研究2）冀中南地区农村金融促进农民增收的机制究3）河北省环境管制与环境效率——地区间差异与影响因素研究4）基于工业-能源-环境ＤＥＡ分析的河北省环境规制效率评价研究5）新生代农民弃农问题与农业接班人危机：理论探讨和破解之道，产业结构调整过程中结构性失业的预防和治理。
培训大纲及时间安排
参考大部分用户的喜好，我们选取了Stata软件的几个应用主题给大家讲解。让大家熟练的掌握这一应用。
4月9日
14:30-16:30 数据处理及画图
1、数据处理
2、数据分析
3、绘图命令
4、多图合并
4月16日
14:30-16:30 简单回归模型估计和工具变量
1、普通较小二乘估计
2、较大似然估计
3、异方差
4、自相关
5、工具变量
4月23日
14:30-16:30 二元选择模型
1、logit模型
2、多元logit模型
3、多层logit模型
4、嵌套logit模型
4月30日
14:30-16:30 面板数据
1、固定效应和随机效应
2、面板工具变量法
3、异方差处理
参加方式
1. 所有学员需提前在线报名；
2. 请及时关注微信公众号「天演融智】，课程开始**天以及当天我们会将软件安装程序以及如何加入培训发送微信给您，您只需点击链接按步骤加入培训即可；
3. 所有直播课程会进行录制，但具体开放时间待定，请尽量参加直播课程，便于跟主讲老师即时交流；
4. 请大家提前在线报名，直播名额有限，报满为止；
5. 本课程支持PC端、移动端所有设备平台，随时随地都可以学习；
值得信任
技术支持
我们不仅编写统计方法，我们还会进行验证。
您能从Stata estimator rest与其他估计的比较中看到Monte-Carlo模拟的一致性和覆盖率以及我们统计学家们进行的广
泛测试。每一版的Stata软件，我们都通过了各种认证，包括230万行的代码测试，并产生了430万行的结果输出。我们验
证了这430万行代码中的每一个数字和每一段文字。
-/gjiiih/-
http://turntech8843.b2b168.com
