Stata 16新功能介绍

我们很高兴地向您介绍Sata16的新功能。下面，我们列出了该版本的所有亮点。接下来会介绍更多关于前13个功能。我们介绍每种功能所使用的词语，您也可以在向现有和潜在的Stata用户介绍它们时使用。

大多数这些功能都将会使所有学科领域的研究员们感到兴奋。在适当的情况下，我们将强调哪些学科领域是人们较感兴趣的或者提供不同领域的用户如何与该功能相关的建议。我们将发送（单独）列表，按照学科对这些功能进行排序。

1. Lasso

2. Reporting

3. Meta-analysis

4. Choice models

5. Python integration

6. New in Bayesian analysis—Multiple chains, predictions, and more

7. Panel-data ERMs

8. Import data from SAS and SPSS

9. Nonparametric series regression

10. Multiple datasets in memory

11. Sample-size analysis for confidence intervals

12. Nonlinear DSGE models

13. Multiple-group IRT models

14. xtheckman

15. Multiple-dose pharmacokinetic modeling

16. Heteroskedastic ordered probit models

17. Graph sizes in printer points, centimeters, and inches

18. Numerical integration

19. Linear programming

20. Stata in Korean

21. Mac interface now supports Dark Mode and native tabbed windows

22. Do-file Editor—Autocompletion and more syntax highlighting

1. Lasso

Lasso是一种用于模型选择、预测和推断的机器学习技术。

新的lasso命令使用线性、泊松、logit或probit回归模型的偏差为连续、计数和二进制结果选择“”预测器。

例如，如果输入

. lasso linear y x1-x500

lasso将选择*协变量的子集-例如x2，x10，x11和x21。然后，您可以使用标准的predict命令获得y的预测值。

如果您有一个二进制或计数的结果，您可以用同样的方法使用lasso logit、lasso probit或lasso poisson。如果您更喜欢使用弹网络或平方根lasso方法来选择变量，那么可以使用elasticnet或sqrtlasso命令。

有时，变量选择或预测是您使用lasso的较终目标。而其他时候，您可能对估算和检验系数感兴趣。Stata 16提供了11个命令，允许您参数估计、标准误差和置信区间，并在使用lasso方法从潜在控制变量中选择的同时，对感兴趣的变量执行检验。这些命令是：dsregress、dslogit、dspoisson、poregress、 pologit、popoisson、 poivpoisson、xporegress、 xpologit、xpopoisson以及xpoivregress.

ds系列命令执行double-selection lasso，po系列命令执行partialing-out lasso，以及xpo系列命令执行cross-fit partialing-out lasso。他们对具有连续、二进制和计数结果的模型执行此操作。它们甚至可以在模型中处理内生协变量，以获得连续的结果。目前文献讨论了许多基于lasso的推断方法。我们提供了一些这样的方法，以便研究人员能够选择他们较喜欢的。事实上，文献中还有更多基于lasso的推断方法，研究人员通常可以使用lasso、sqrtlasso和elasticnet中提供的工具来实现其他方法。

lasso和elasticnet命令是用于变量选择和预测的标准lasso工具。lasso推断工具实现了主要由计量经济学家开发的新方法。然而，这些推断方法将在所有学科中流行，因为它们提供了一种检验和解释目标变量系数的方法。

2.报告功能

Stata的报告功能允许您创建Word、PDF、Excel和HTML文档，这些文档将Stata结果和图形与格式化的文本和表格结合在一起。无论您创建的文档类型如何，都可以依靠Stata的集成版本控制功能来确保您的报告是可复制的。

想要在数据更改时同步更新动态报告吗？Stata的报告功能使这一点变得简单。使用更新的数据集重新运行创建报表的命令或do文件，并自动更新报告中所有Stata结果。

当然，Stata16具有新的和改进的报告功能，但同样重要的是，Stata的所有报告功能现在都记录在新的报告参考手册中。本手册包括许多新的示例，用于演示了工作流程，并提供了有关使用Stata自定义创建Word、PDF、Excel和HTML文档的指导。

Stata 16中的新报告功能：

l dyndoc和markdown命令现在除了以前创建的HTML文档之外，还创建了Word文档。现在，您可以轻松地将所有的Stata输出和带有Markdown格式文本的图形合并，以创建定制的Word文档

l Do文件编辑器现在为Markdown语言元素提供语法**显示。

l putdocx命令现在允许您包含页眉、页脚和页码。它使大文本块的编写更加*。

l html2docx命令将HTML文档（包括css）转换为Word文档。

l Docx2pdf命令将word文档转换为PDF格式。

3. Meta分析

Stata16有一套执行meta分析的新命令。这一套命令可以让您探索和组合不同研究的结果。例如，如果您收集了20项关于特定药物对血压影响的研究的结果，您可以总结这些研究，并使用Meta分析估计总体效果。

新的Meta分析组件很广泛，但它的*特之处在于它的简洁性。

例如，您可以输入

. meta set effectsize stderr

声明预先计算的效果大小，或使用meta esize从汇总数据来计算效果。使用这种方法，您可以执行随机效应、固定效应或共同效应meta分析。

为了估算整体效果大小及其置信区间，获取异质性统计数据等等，只需输入：

. meta summarize

且可视化结果就像打字一样简单：

. meta forestplot

但是meta套件提供了更多功能。

Meta回归分析和亚组分析可以让您评估研究的异质性。这些可以通过meta regress和meta forestplot, subgroup() 或者 meta summarize, subgroup()获得。

您可以调查潜在的发布偏差。使用meta funnelplot从外观上检查漏斗图的不对称性；使用meta bias正式地检验漏斗图的不对称性；使用meta trimfill的剪补法评估发布的偏差。

您甚至可以使用meta summary，cumulative（）执行累积meta分析。

所有的meta分析功能都记录在新的meta分析参考手册中。

4. 选择模型

在Stata16中，我们引入了一套新的统一的命令套件，用于建模选择数据。添加了用于汇总选择数据的新命令。重命名并改进了用于拟合选择模型的现有命令。我们甚至添加了一个新的命令，用于面板数据拟合混合Logit模型。我们在新的“选择模型参考手册”中将它们一起记录下来。

5. Python集成

在stata 16中，可以从Stata中嵌入并执行python代码。Stata新的python命令允许您从Stata轻松调用python，并在Stata中输出python结果。

您可以交互地或在do文件和ado文件中调用python，以便利用python的广泛语言特性。还可以直接通过Stata执行python脚本文件（.py）。

此外，我们还介绍了Stata函数接口（sfi）python模块，它提供了Stata和python之间的双向连接。此模块允许您访问Stata的当前数据集、框架、宏、标量、矩阵、值标签、特征、全局Mata矩阵等。

6.贝叶斯分析中的新功能—多链，预测等等）

多链条：

基于MCMC (Markov chain Monte Carlo)样本的贝叶斯推断只有在Markov链收敛时才有效。评估这种收敛性的一种方法是模拟和比较多个链。

新的nchans（）选项可以与bayes:prefix和bayesmh命令一起使用。例如，您可以输入：

. bayes, nchains(4): regress y x1 x2

将生产四条链。这些链将结合在一起产生更的较终结果。然而，在解释结果之前，可以通过图形比较链来评估收敛。还可以使用现在由Bayes报告的Gelman-Rubin收敛诊断来评估收敛性：当模拟多个链时，使用的regress 和其他贝叶斯估计命令。当您关心非收敛性时，可以使用bayesstats grubin命令进一步研究，以获得模型中每个参数的单个gelman–rubin诊断。

贝叶斯预测：

贝叶斯预测是来自后验预测分布的模拟值。这些预测对于检验模型拟合和预测样本外观测很有用。使用bayesmh拟合模型后，可以使用bayespredict来计算这些模拟值或函数，并将它们保存在新的Stata数据集中。例如，您可以输入：

. bayespredict (ymin:@min({_ysim})) (ymax:@max({_ysim})), saving(yminmax)

来计算模拟值的较小值和较大值。

7.面板数据的ERMs

扩展回归模型（ERMs）是上次版本的一个新功能。ERM命令适用于解释观测数据中三个常见问题的模型：内生协变量、样本选择和单独或联合处理。

在Stata16中，我们介绍了用于拟合面板数据ERM模型的xtererss、xteintreg、xteprobit和xteoprobit命令。这意味着ERM现在可以解释上面提到的三个问题以及面板内相关性。这些新命令适用于随机效应线性、区间、概率和有序概率回归模型。它们允许一个或所有方程中的随机效应，并且允许随机效应在方程间相互关联。

8.从SAS和SPSS中导入数据

通过使用Stata16新的导入SAS和SPSS的命令，您现在可以导入存储成SAS（.sas7bdat）和SPSS（.sav）格式的数据。通过对话框可以在导入数据之前轻松浏览数据，并根据需要选择要加载到Stata中的变量和观察的子集。例如，