扩展功能
使用Mata进行矩阵编程
跨平台兼容
真正的文档
当Stata执行您的分析或理解使用的方法时，Stata不会让您孤立无援或订购
很多书籍来了解每个细节。
我们每一个数据管理功能都有完整的解释，并记录在案，并在实践中显示
实际的例子。每一个估计都有完全记录，包含几个真实数据的例子，真正讨论
如何解释结果。这些例子都给了数据，您可以直接在Stata中使用，甚至扩展
您的分析。我们给您快速启动每一个功能，展示一些较常用用途。想要了解更
多细节，我们的方法和公式部分提供了计算的细节，我们参考部分会给出更多
信息。
Stata
Stata的编程功能让开发者和用户
每天都可以添加各种新功能以便满足
现代研究者日益增加的功能需求。
Mata是一个成熟的编程语言，可
编译您所输入的任何字节，并进行优
化和准确执行。
尽管您不需要使用Stata进行编程，
但是它作为一个快速完成矩阵的编程
语言，是Stata功能中不可或缺的一部
分。Mata既是一个操作矩阵的互动环
境，也是一个完整开发环境，可以生
产编译和优化代码。它还包含了一些
特殊功能来处理面板数据、执行真实
或复制的矩阵运算，提供完整的支持
面向对象的编程，并完全兼容Stata。
Panel-data ERMs
Extended regression models (ERMs) were a big new feature last release. The ERM commands fit models that account for three common problems that arise in observational data—endogenous covariates, sample selection, and treatment—either alone or in combination.
In Stata 16, we introduce the xteregress, xteintreg, xteprobit, and xteoprobit commands for fitting panel-data ERMs. This means ERMs can now account for the three problems we mentioned above and for within-panel correlation. These new commands fit random-effects linear, interval, probit, and ordered probit regression models. They allow random effects in one or all equations, and they allow random effects to be correlated across equations.
Researchers from all disciplines who work with observational (nonexperimental) data are interested in ERMs and will be excited about the new panel-data versions of these commands. However, different disciplines talk about these models differently.
Above, we referred to the problems ERMs solve as endogenous covariates, sample selection, treatment, and within-panel correlation. While this terminology is common in some disciplines such as economics, other disciplines may use other terms.
• Instead of panel-data and within-panel correlation, researchers may ask for models for multilevel (two-level) data that account for within-group correlation.
• Instead of endogenous covariates, researchers may ask for methods of dealing with unobserved confounding or unmeasured confounding.
• Instead of sample selection, researchers may be concerned about trials with informative dropout, nonignorable nonresponse, or outcomes missing not at random (MNAR).
• Instead of treatment, researchers may ask about methods for causal inference or estimating average treatment effects (ATEs).
The important message is that all disciplines are interested in ERMs, but they often speak different languages.
Stata的数据管理功能让您控制所有类型的数据。
您可以重组数据，管理变量，并收集各组并重复统计。您可以处理字节，整数，long, float,double和字符串变量（包括BLOB和达到20亿个字符的字符串）。Stata还有一些高级的工具用来管理特殊的数据，如生存/时间数据、时间序列数据、面板/纵向数据、分类数据、多重替代数据和调查数据。
Stata轻松生成出版质量、风格迥异的图形。您可以编写脚本并以可复制的方式生成成百上千个图形，并且可以以EPS或TIF格式输出打印、以PNG格式或SVG格式输出放到网上、或PDF格式输出预览。使用这个图形编辑器可更改图形的任何方面，或添加标题、注释、横线、箭头和文本。
真正的文档
当Stata执行您的分析或理解使用的方法时，Stata不会让您孤立无援或订购很多书籍来了解每个细节。
我们每一个数据管理功能都有完整的解释，并记录在案，并在实践中显示实际的例子。每一个估计都有完全记录，包含几个真实数据的例子，真正讨论如何解释结果。这些例子都给了数据，您可以直接在Stata中使用，甚至扩展您的分析。我们给您快速启动每一个功能，展示一些较常用用途。想要了解更多细节，我们的方法和公式部分提供了计算的细节，我们参考部分会给出更多信息。
Stata是一个很大的软件包，包含了非常多的文档，**过27卷14,000页的内容。不用担心，在Help菜单中输入要搜索的内容，Stata会搜索到关键词、指数，甚至用户编写的程序包，这些会让您得到想要了解的一切。Stata包含了所有这些您想要的内容。
使用Mata进行矩阵编程
Mata是一个成熟的编程语言，可编译您所输入的任何字节，并进行优化和准确执行。
尽管您不需要使用Stata进行编程，但是它作为一个快速完成矩阵的编程语言，是Stata功能中不可或缺的一部分。Mata既是一个操作矩阵的互动环境，也是一个完整开发环境，可以生产编译和优化代码。它还包含了一些特殊功能来处理面板数据、执行真实或复制的矩阵运算，提供完整的支持面向对象的编程，并完全兼容Stata。
Stata是一款完整的、集成的统计软件包，提供您需要的一切数据分析、数据管理和图形。
快速,简单并易于使用
点击式的界面和强大,直观的命令语言让Stata使用起来快速,精确并易于使用。
所有的分析结果都可以被复制和存档，并用来出版和审查。不管您什么时候写的内容，版本控制系统确保统计程序可继续生成同样的结果。
Stata的作图模块，主要提供如下八种基本图形的制作 : 直方图（histogram），条形图（bar），百分条图 （oneway），百分圆图（pie），散点图（two way），散点图矩阵（matrix），星形图（star），分位数图。这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。
Stata的矩阵运算功能
矩阵代数是多元统计分析的重要工具， Stata提供了多元统计分析中所需的矩阵基本运算，如矩阵的加、积、逆、 Cholesky分解、 Kronecker内积等；还提供了一些高级运算，如特征根、特征向量、奇异值分解等；在执行完某些统计分析命令后，还提供了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。
统计功能
Stata使得大量的统计工具用于指尖
标准方法，如
基本表格和总结
案例对照分析
ARIMA
ANOVA 和MANOVA
线性回归
时间序列平滑
广义线性模型（GLM）
聚类分析
对比和比较
功率分析
样本选择
……
高级方法，如
多层模型
生存分析
动态面板数据回归
结构方程建模
二进制，计数和审查结果
ARCH
多重替代法
调查数据
Treatment effects
精确统计
贝叶斯分析
……
-/gjiiih/-
http://turntech8843.b2b168.com
