stata是一款功能強(qiáng)大的數(shù)據(jù)管理、分析和繪制定量數(shù)據(jù)專業(yè)數(shù)據(jù)軟件，適用于社會科學(xué)、生物統(tǒng)計(jì)學(xué)、健康科學(xué)、流行病學(xué)、心理學(xué)等行業(yè)，提高工作讓數(shù)據(jù)的統(tǒng)計(jì)分析工作更加輕松高效。軟件已經(jīng)成功破解，內(nèi)置了完美激活補(bǔ)丁，無需安裝，解壓即可直接使用。

【軟件功能】

　　1、表格 （Tables），用戶一直希望我們提供更完美的表格，現(xiàn)在您可以很容易地創(chuàng)建比較回歸結(jié)果或匯總統(tǒng)計(jì)數(shù)據(jù)的表格，您可以創(chuàng)建樣式并將其應(yīng)用于您構(gòu)建的任何表，還可以將表導(dǎo)出到MS Word?, PDF, HTML, LaTeX, MS Excel?, 并將它們插入到報告中。新版本修改了table命令，新的 collective 前綴可以從任意多個命令收集任意多的結(jié)果，生成表格，并將其導(dǎo)出為多種格式等。您還可以使用新的Tables Builder來單擊并創(chuàng)建表格。

　　2、貝葉斯計(jì)量經(jīng)濟(jì)學(xué)，Stata能進(jìn)行計(jì)量經(jīng)濟(jì)學(xué)，也能進(jìn)行貝葉斯統(tǒng)計(jì)，現(xiàn)在Stata能夠進(jìn)行貝葉斯計(jì)量經(jīng)濟(jì)學(xué)！想要用概率性的陳述來回答經(jīng)濟(jì)問題，例如：那些參加職業(yè)培訓(xùn)項(xiàng)目的人在未來五年里更有可能保持就業(yè)嗎?想把對經(jīng)濟(jì)過程的先驗(yàn)知識結(jié)合起來嗎？Stata新推出的貝葉斯計(jì)量經(jīng)濟(jì)學(xué)功能可以幫到您。適合許多貝葉斯模型，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，獲取更多預(yù)測和展望！

　　在計(jì)量經(jīng)濟(jì)學(xué)建模中使用貝葉斯方法的吸引力之一是將關(guān)于通常在實(shí)踐中可用的模型參數(shù)的外部信息納入其中。這些信息可能來自歷史數(shù)據(jù)，也可能自然來自經(jīng)濟(jì)過程的知識。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(jì)過程的更現(xiàn)實(shí)的看法。

　　Stata 17 在貝葉斯計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域提供了幾個新功能：

　　> Bayesian VAR models /貝葉斯VAR模型

　　> Bayesian IRF and FEVD analysis /貝葉斯IRF和FEVD分析

　　> Bayesian dynamic forecasting /貝葉斯動態(tài)預(yù)測

　　> Bayesian longitudinal/panel-data models /貝葉斯縱向/面板數(shù)據(jù)模型

　　> Bayesian linear and nonlinear DSGE models /貝葉斯線性與非線性DSGE模型

　　3、更快的Stata，Stata不僅重視數(shù)據(jù)處理的準(zhǔn)確性而且重視處理的速度,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的算法，使這些命令運(yùn)行更快。我們還對某些估計(jì)命令（例如mixed）實(shí)現(xiàn)了速度改進(jìn)，使這些命令適合多層混合效應(yīng)模型（multilevel mixed-effects models）。

　　4、雙重差分（DID）和DDD模型，新的估計(jì)命令didregress和xtdidregress具有使用重復(fù)測量數(shù)據(jù)擬合雙重差分（DID）模型和三重差分（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)。

　　采用DID和DDD模型，用重復(fù)測量數(shù)據(jù)估計(jì)平均治療效果(ATET）。 治療效果可以是藥物方案對血壓的影響，也可以是培訓(xùn)計(jì)劃對就業(yè)的影響。 與現(xiàn)有的teffects命令可用的標(biāo)準(zhǔn)橫截面分析不同，DID分析可控制估計(jì)ATET時的組和時間效應(yīng)，組可在其中識別重復(fù)的度量。DDD分析控件可控制其他組效果及其與時間的相互作用——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刪失和右刪失的事件時間數(shù)據(jù)。 新的估計(jì)命令stintcox可使用Cox模型，來估計(jì)刪失事件時間數(shù)據(jù)。當(dāng)未直接觀察到發(fā)生某個事件（例如癌癥復(fù)發(fā)）的時間，但已知該時間間隔在某個時間間隔內(nèi)時，便會進(jìn)行時間間隔檢查。例如，可以在定期檢查之間檢測到癌癥的復(fù)發(fā)，但是無法觀察到確切的復(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復(fù)發(fā)了癌癥。忽略區(qū)間刪失可能會導(dǎo)致錯誤的結(jié)果（有偏差的）。

　　當(dāng)沒有完全指定基線風(fēng)險函數(shù)時，對區(qū)間刪失事件時間數(shù)據(jù)進(jìn)行半?yún)?shù)估計(jì)是一項(xiàng)挑戰(zhàn)，因?yàn)闆]有一個事件時間是被精確地觀測到的。

　　因此，這些數(shù)據(jù)的“半?yún)?shù)”建模通常采用樣條方法或分段指數(shù)模型作為基線風(fēng)險函數(shù)。直到最近的方法學(xué)進(jìn)展（在stintcox命令中實(shí)現(xiàn)）之后，才提供真正的區(qū)間刪失事件時間數(shù)據(jù)的半?yún)?shù)建模。

　　6、多維元分析，您想分析多項(xiàng)研究的結(jié)果。這些研究報告了多個效應(yīng)量，這些效應(yīng)量很可能在一項(xiàng)研究中相互關(guān)聯(lián)。單獨(dú)的meta分析（例如使用現(xiàn)有meta命令的那些meta分析）將忽略相關(guān)性?，F(xiàn)在，您可以使用新的meta mvregress命令執(zhí)行多維元分析，這將解釋相關(guān)性。

　　7、貝葉斯VAR模型，貝葉斯前綴現(xiàn)在支持var命令以擬合貝葉斯矢量自回歸（VAR）模型。VAR模型通過將結(jié)果變量的滯后時間作為模型預(yù)測變量來研究多個時間序列之間的關(guān)系。已知這些模型具有許多參數(shù)：對于K個結(jié)果變量和標(biāo)記，至少存在p（K ^ 2 + \ nn1）個參數(shù)。對模型參數(shù)的可靠估計(jì)可能會遇到挑戰(zhàn)，尤其是在使用小型數(shù)據(jù)集的情況下。貝葉斯VAR模型通過整合有關(guān)模型參數(shù)的先驗(yàn)信息來穩(wěn)定參數(shù)估計(jì)，從而克服了這些挑戰(zhàn)。

　　8、PyStata，Stata 17引入了一個我們稱之為PyStata的概念。PyStata是一個涵蓋了Stata和Python可以交互的所有方式的術(shù)語。

　　Stata 16具有從Stata調(diào)用Python代碼的功能。Stata 17允許您通過一個新的pystata Python包從一個獨(dú)立的Python環(huán)境中調(diào)用Stata，從而極大地擴(kuò)展了此功能。您可以在基于IPython內(nèi)核的環(huán)境（例如Jupyter Notebook和控制臺以及Jupyter Lab和控制臺）中方便地訪問Stata和Mata。

　　在其他支持IPython內(nèi)核的環(huán)境中（例如，Spyder IDE和PyCharm IDE）；或從命令行訪問Python（例如Windows命令提示符，macOS終端，Unix終端和Python的IDLE）時。

　　9、Lasso治療效果評估，您可以使用teffects 來估計(jì)治療效果。您可以使用Lasso來控制許多協(xié)變量。（當(dāng)我們說“很多”時，可以理解為成百上千甚至更多！）現(xiàn)在，您可以使用telasso來估計(jì)治療效果并控制許多協(xié)變量。

　　10、Galbraith圖，新命令meta galbraithplot生成Galbraith圖以進(jìn)行元分析。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，它們還可以用作森林圖forest plots的替代方案，以總結(jié)元分析結(jié)果。

　　11、留一元分析，現(xiàn)在，您可以通過使用meta summarize和meta forestplot的新選項(xiàng)leaoneout來執(zhí)行留一元分析。留一元分析通過在每次分析中排除一項(xiàng)研究來執(zhí)行多種元分析。研究通常會產(chǎn)生夸大的效應(yīng)大小，這可能會扭曲整體結(jié)果。留一元分析可用于研究每項(xiàng)研究對總體效應(yīng)量估計(jì)的影響，并確定有影響力的研究。

　　12、貝葉斯縱向/面板模型，通過使用xtreg表示連續(xù)結(jié)果，xtlogit或xtprobit表示二進(jìn)制結(jié)果，xtologit或xtoprobit表示序數(shù)結(jié)果等，可以擬合隨機(jī)效應(yīng)面板數(shù)據(jù)模型。在Stata 17中，您可以簡單地通過在它們前面加上Bayes前綴來擬合這些模型的Bayesian版本。

　　13、面板多項(xiàng)邏輯模型，Stata的新估計(jì)命令xtmlogit可使用面板多項(xiàng)邏輯（MNL）模型，以對隨時間推移觀察到的分類結(jié)果進(jìn)行分類。假設(shè)我們手機(jī)了幾個星期關(guān)于個人對餐館選擇的數(shù)據(jù)。餐館的選擇是沒有自然排序的分類結(jié)果，因此我們可以使用現(xiàn)有的mlogit命令（帶有聚類穩(wěn)健的標(biāo)準(zhǔn)誤）。但是xtmlogit直接對單個特征建模，因此可能會產(chǎn)生更有效的結(jié)果。并且它可以很好地解釋可能與協(xié)變量相關(guān)的特征。

　　14、零膨脹排序邏輯模型，新的估計(jì)命令ziologit適合零膨脹排序邏輯回歸模型。這個模型是在當(dāng)數(shù)據(jù)在最低類別中的觀測值比例高于標(biāo)準(zhǔn)有序邏輯模型的預(yù)期值時使用的。我們將最低類別中的觀測值稱為零，因?yàn)樗鼈兺ǔ?yīng)于某一行為或特征的缺失。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。每個模型可以具有不同的協(xié)變量，并且結(jié)果可以顯示為優(yōu)勢比而不是默認(rèn)系數(shù)。

　　15、貝葉斯多層次模型：非線性、聯(lián)合、類SEM等，您可以使用bayesmh命令的新的精美隨機(jī)效果語法來擬合貝葉斯多級模型的廣度。您可以更輕松地擬合單變量線性和非線性多級模型。現(xiàn)在，您可以擬合多元線性和非線性多級模型！考慮增長線性和非線性多級模型，聯(lián)合縱向和生存時間模型，SEM型模型等等。

　　16、貝葉斯動態(tài)預(yù)測，在擬合多元時間序列模型（例如向量自回歸（VAR）模型）之外，動態(tài)預(yù)測是一種常見的預(yù)測工具。擬合經(jīng)典var模型后，可以使用fcast計(jì)算動態(tài)預(yù)測。 使用bayes：var擬合貝葉斯var模型后，現(xiàn)在可以使用bayesfcast 來計(jì)算貝葉斯動態(tài)預(yù)測。貝葉斯動態(tài)預(yù)測會生成整個預(yù)測值樣本，而不是像傳統(tǒng)分析中那樣生成單個預(yù)測。該樣本可用于解答各種建模問題，例如，在估計(jì)預(yù)測不確定性時，在不做出漸近正態(tài)性假設(shè)的前提下，該模型對未來觀測的預(yù)測程度如何。這對于可能會出現(xiàn)漸近正態(tài)性假設(shè)的小型數(shù)據(jù)集尤其有吸引力。

　　17、貝葉斯IRF與FEVD分析，脈沖響應(yīng)函數(shù)（IRF），動態(tài)乘數(shù)函數(shù)和預(yù)測誤差方差分解（FEVD）通常用于描述多元時間序列模型（例如VAR模型）的結(jié)果。VAR模型具有許多參數(shù)，可能難以逐個解釋。 IRFs和其他函數(shù)將多個參數(shù)的影響合并為一個摘要（每個時間段）。例如，IRFs測量一個變量對給定結(jié)果變量的沖擊（變化）的影響。貝葉斯IRFs（和其他函數(shù)）使用IRFs的“精確”后驗(yàn)分布產(chǎn)生結(jié)果，這不依賴于漸近正態(tài)性的假設(shè)。它們還可以為小型數(shù)據(jù)集提供更穩(wěn)定的估計(jì)，因?yàn)樗鼈兒喜⒘擞嘘P(guān)模型參數(shù)的先驗(yàn)信息。

　　18、使用 BIC 選擇Lasso懲罰參數(shù)，懲罰參數(shù)的選擇是lasso分析的基礎(chǔ)。套用少量的懲罰可能會包含太多變量。套用較大的懲罰可能會忽略潛在的重要變量。lasso估計(jì)已經(jīng)提供了幾種懲罰選擇方法，包括交叉驗(yàn)證，自適應(yīng)和插件?，F(xiàn)在，您可以使用貝葉斯信息準(zhǔn)則（BIC）通過指定selection（bic）選項(xiàng)在Lasso進(jìn)行預(yù)測和Lasso進(jìn)行推理之后選擇懲罰參數(shù)。同樣，在擬合Lasso模型后，新的后估計(jì)命令bicplot將BIC值繪制為懲罰參數(shù)的函數(shù)。這為懲罰參數(shù)的值提供了方便的圖形表示形式，從而使BIC功能最小化。

　　19、lasso聚類數(shù)據(jù)，現(xiàn)在，您可以在Lasso分析中解釋集群數(shù)據(jù)。忽略聚類可能會導(dǎo)致錯誤結(jié)果，因?yàn)橥痪垲愔械挠^測值之間存在相關(guān)性。使用Lasso命令進(jìn)行Lasso和Elasticnet等預(yù)測，您可以指定新的cluster（{\ it clustvar}）選項(xiàng)。使用Lasso命令進(jìn)行推斷（例如：poregress），您可以指定新的vce（cluster {\ it clustvar}）選項(xiàng)。

　　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(jī)一般均衡（DSGE）模型。通過從30多種不同的先驗(yàn)分布中進(jìn)行選擇，合并有關(guān)模型參數(shù)范圍的信息。執(zhí)行貝葉斯IRF分析，執(zhí)行區(qū)間假設(shè)檢驗(yàn)，使用貝葉斯因子比較模型等等。

　　21、Jupyter Notebook與Stata，Jupyter Notebook是一個功能強(qiáng)大且易于使用的Web應(yīng)用程序，它允許您將在單個文檔（“筆記本”）中將可執(zhí)行代碼、可視化、數(shù)學(xué)方程式和公式、敘述文本以及其他富媒體組合在一起，以進(jìn)行交互式計(jì)算和開發(fā)。 它已被研究人員和科學(xué)家廣泛使用，以分享他們的想法和成果，進(jìn)行協(xié)作和創(chuàng)新。

　　在Stata 17中，作為PyStat的一部分，您可以使用IPython（交互式Python）內(nèi)核從Jupyter Notebook調(diào)用Stata和Mata。這意味著您可以在一個環(huán)境中結(jié)合使用Python和Stata的功能，以使您的工作易于復(fù)制和與他人共享。

　　從Jupyter Notebook調(diào)用Stata是由新的pystata Python軟件包驅(qū)動的。

　　22、日期和時間的新功能，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：旨在獲取持續(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：從日期時間值中提取不同成分的函數(shù)。

　　新功能將閏年，閏日和閏秒（如果適用的話）考慮在內(nèi)。

　　閏秒是一秒的調(diào)整，偶爾會應(yīng)用于協(xié)調(diào)世界時（UTC）。

　　23、Intel數(shù)學(xué)內(nèi)核庫(MKL)，Stata 17引入了在兼容硬件（所有基于Intel和AMD的64位計(jì)算機(jī)）上使用Intel Math Kernel Library（MKL）的方法，并提供了深度優(yōu)化的LAPACK例程。

　　LAPACK是線性代數(shù)包的縮寫，它是一套用于求解聯(lián)立方程組、特征值問題和奇值問題等的程序。Mata運(yùn)算符和函數(shù)(如qrd()、lud()和cholesky())在可能的情況下利用LAPACK進(jìn)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(jìn)行了優(yōu)化。使用MKL的Mata函數(shù)和運(yùn)算符在性能方面大有裨益。最重要的是，您無需采取任何措施即可充分利用速度的提高。使用這些Mata函數(shù)和運(yùn)算符的Stata命令以及Mata函數(shù)和運(yùn)算符本身，將在兼容硬件上自動使用Intel MKL。

　　24、Stata on Apple Silicon，Stata 17 for Mac是一款通用應(yīng)用程序，可以在Apple Silicon和Intel處理器的Mac上運(yùn)行。采用Apple Silicon的Mac電腦包括新款MacBook Air、MacBook Pro和Mac mini，均采用M1處理器。M1芯片承諾有更高的性能和更大的功能效率。這對于我們的Stata-for-Mac用戶來說是值得注意的，他們中的許多人使用Mac筆記本電腦。

　　雖然第一套M1 mac被認(rèn)為是入門級的，但我們發(fā)現(xiàn)，本機(jī)運(yùn)行Stata的M1 mac比英特爾mac的性能要好30-35%。它們的性能甚至遠(yuǎn)遠(yuǎn)超過價格超過兩倍的Intel Mac！對于只堅(jiān)持在其Apple Silicon Mac上使用Apple-Siliconnative軟件的用戶，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。

　　無論您是在M1 Mac上還是在Intel Mac上本地運(yùn)行Stata，Stata的功能都相同，并且M1 Mac不需要特殊的許可證。英特爾Mac用戶應(yīng)注意，未來幾年，我們將繼續(xù)支持并發(fā)布適用于英特爾處理器的Mac的新版本Stata。

　　25、JDBC，將Stata與數(shù)據(jù)庫連接變得更加容易了。Stata 17添加了對JDBC（Java數(shù)據(jù)庫連接）的支持。 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)。您可以從一些最受歡迎的數(shù)據(jù)庫供應(yīng)商中導(dǎo)入數(shù)據(jù)，例如Oracle，MySQL，Amazon Redshift，Snowflake，Microsoft SQL Server等。

　　jdbc的優(yōu)點(diǎn)在于它是一個跨平臺的解決方案，因此我們的JDBC設(shè)置適用于Windows，Mac和Unix系統(tǒng)。如果您的數(shù)據(jù)庫供應(yīng)商提供了JDBC驅(qū)動程序，則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、Java集成，在Stata 17中，您現(xiàn)在可以直接在Stata中嵌入和執(zhí)行Java代碼。您可以在以前的Stata版本中創(chuàng)建和使用Java插件，但這需要您編譯代碼并將其打包到Jar文件中。在do文件中執(zhí)行Java可以讓您自由地執(zhí)行直接與Stata代碼綁定的Java代碼?，F(xiàn)在，您可以在do-file或ado-file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)勢之一在于與Java虛擬機(jī)打包在一起的廣泛的APIs。還有許多有用的第三方庫。根據(jù)您需要執(zhí)行的操作，您甚至可以編寫并行代碼以利用多核運(yùn)算。您編寫的Java代碼可以即時編譯，無需使用外部編譯器！此外，還包括Stata函數(shù)接口（SFI）Java軟件包，提供了Stata與Java之間的雙向連接。

　　SFI包具有訪問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、H2O集成，在Stata 17中，我們一直在嘗試連接H2O，H2O是一種可擴(kuò)展的分布式開源機(jī)器學(xué)習(xí)和預(yù)測分析平臺。

　　借助H2O的集成，您可以從Stata上啟動，連接和查詢H2O集群。此外，我們提供了一組命令來處理集群上的數(shù)據(jù)（H2O幀）。例如，您可以通過導(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框架。您還可以在Stata內(nèi)部拆分，組合和查詢H2O幀。盡管對于我們來說，這仍處于試驗(yàn)階段，但我們希望將其提供給我們的用戶進(jìn)行試用。

　　另一方面，由于它是實(shí)驗(yàn)性功能，因此語法和功能可能會發(fā)生變化。使用提供對H2O特定功能的訪問的Stata命令時，請記住這是H2O功能。盡管您可能通過Stata命令訪問它，但它的工作取決于H2O，并且不在Stata范圍內(nèi)。

　　28、do文件編輯器：導(dǎo)航，增強(qiáng)書簽，Stata 17中的“文件”編輯器進(jìn)行了以下改進(jìn)：

　　1、書簽：現(xiàn)在與do文件一起保存。

　　2、新的導(dǎo)航控件：可以輕松瀏覽do文件。

　　3、語法高亮顯示支持現(xiàn)已包括Java和XML。

　　4、選區(qū)中引號，括號和方括號的自動補(bǔ)全。 例如，選擇文本mymacro，然后輸入左引號`;。 然后，文件編輯器將用單引號將文本選擇綁定，將選擇更改為“ mymacro”。

　　書簽：do文件編輯器最需要的功能之一是能夠?qū)灡４嬖赿o文件中。書簽用于標(biāo)記感興趣的行，以便以后更輕松地導(dǎo)航到它們。書簽在瀏覽長do文件時特別有用。 您可以將書簽添加到您的do文件的各個部分，以執(zhí)行數(shù)據(jù)管理，顯示摘要、統(tǒng)計(jì)信息并執(zhí)行統(tǒng)計(jì)分析。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： Stata 17通過新的導(dǎo)航控件使do文件的導(dǎo)航更加容易，該控件顯示書簽及其標(biāo)簽的列表。從導(dǎo)航控件中選擇一個書簽會將“do文件編輯器”移至?xí)炈诘男小３藭炛?，?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會將“do文件編輯器”移至該程序的釋義。無需將其他程序添加到“導(dǎo)航”中。 DO文件編輯器將自動將程序的釋義添加到導(dǎo)航控件中。

　　29、非參數(shù)的趨勢檢驗(yàn)，現(xiàn)在，nptrend命令支持四種跨有序組的趨勢檢驗(yàn)。您可以在the Cochran–Armitage test, the Jonckheere–Terpstra test, the linear-by-linear trend test, and the Cuzick test using ranks之間進(jìn)行選擇。前三個檢驗(yàn)是新的，而第四個檢驗(yàn)由nptrend先前執(zhí)行。

【軟件特色】

　　統(tǒng)計(jì)功能

　　該軟件的統(tǒng)計(jì)功能很強(qiáng)，除了傳統(tǒng)的統(tǒng)計(jì)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(fēng)險回歸，指數(shù)與 Weibull 回歸，多類結(jié)果與有序結(jié)果的 logistic 回歸， Poisson 回歸，負(fù)二項(xiàng)回歸及廣義負(fù)二項(xiàng)回歸，隨機(jī)效應(yīng)模型等。具體說，具有如下統(tǒng)計(jì)分析能力：

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

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

　　等級資料的一般分析：秩變換，秩和檢驗(yàn)，秩相關(guān)等

　　相關(guān)與回歸分析：簡單相關(guān)，偏相關(guān)，典型相關(guān)，以及多達(dá)數(shù)十種的回歸分析方法，如多元線性回歸，逐步回歸，加權(quán)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(qiáng)影響點(diǎn)分析，曲線擬合，隨機(jī)效應(yīng)的線性回歸模型等。

　　其他方法：質(zhì)量控制，整群抽樣的設(shè)計(jì)效率，診斷試驗(yàn)評價， kappa 等。

　　作圖功能

　　作圖模塊中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(diǎn)圖 (twoway) ，散點(diǎn)圖矩陣(matrix) ，星形圖 (star) ，分位數(shù)圖。這些圖形的巧妙應(yīng)用，可以滿足絕大多數(shù)用戶的統(tǒng)計(jì)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。

　　矩陣運(yùn)算功能

　　矩陣代數(shù)是多元統(tǒng)計(jì)分析的重要工具，提供了多元統(tǒng)計(jì)分析中所需的矩陣基本運(yùn)算，如矩陣的加、積、逆、 Cholesky 分解、 Kronecker 內(nèi)積等;還提供了一些高級運(yùn)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(jì)分析命令后，還提供了一些系統(tǒng)矩陣，如估計(jì)系數(shù)向量、估計(jì)系數(shù)的協(xié)方差矩陣等。

　　程序設(shè)計(jì)功能

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

　　其統(tǒng)計(jì)分析能力遠(yuǎn)遠(yuǎn)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(jù)全部讀入內(nèi)存，在計(jì)算全部完成后才和磁盤交換數(shù)據(jù)，因此計(jì)算速度極快(一般來說， SAS 的運(yùn)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(yuǎn)比 SAS 簡單。其生存數(shù)據(jù)分析、縱向數(shù)據(jù)(重復(fù)測量數(shù)據(jù))分析等模塊的功能甚至超過了 SAS 。用 Stata 繪制的統(tǒng)計(jì)圖形相當(dāng)精美，很有特色。

【破解說明】

　　1、下載解壓得到，軟件安裝包和crack破解補(bǔ)?。?/p>

　　2、運(yùn)行SetupStata17.exe，開始安裝軟件；

　　3、接受同意條款，然后繼續(xù)安裝；

　　4、選擇想要安裝的版本，BE為基礎(chǔ)版、SE為特別版、 MP為并行計(jì)算版；

　　5、設(shè)置軟件安裝路徑，默認(rèn)即可；

　　6、等待軟件安裝完成，先不要打開軟件；

　　7、將crack破解補(bǔ)丁中的文件復(fù)制到軟件根目錄下替換；

　　默認(rèn)路徑：C:\Program Files\Stata17