基本介绍
Stata 是一款集数据分析、数据管理以及绘制专业图表的整合性统计软件，它分享许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式，用Stata绘制的统计图形相当精美。从 15.1 版本开始，官方为 Stata 分享了简体中文语言包，大家使用起来就更加方便了。Stata 的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换、参数估计，列联表分析 ( 列联系数，确切概率 ) ，流行病学表格分析等、秩变换，秩和检验，秩相关等、简单相关，偏相关，典型相关，以及多达数十种的回归分析方法，如多元线性回归，逐步回归，加权回归，稳键回归，二阶段回归，百分位数 ( 中位数 ) 回归，残差分析、强影响点分析，曲线拟合，随机效应的线性回归模型等、质量控制，整群抽样的设计效率，诊断试验评价， kappa等。Stata的作图模块，主要分享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，也分享了专门绘制某种图形的功能，如在生存分析中，分享了绘制生存曲线图，回归分析中分享了残差图等。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分享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；还分享了一些高级运算，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，还分享了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。
Stata是一个统计分析软件，但它也具有很强的程序语言功能，这给用户分享了一个广阔的开发应用的天地，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。事实上，Stata的ado文件（高级统计部分）都是用Stata自己的语言编写的。Stata其统计分析能力远远超过了SPSS，在许多方面也超过了SAS！由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此计算速度极快（一般来说， SAS的运算速度要比SPSS至少快一个数量级，而Stata的某些模块和执行同样功能的SAS模块比，其速度又比SAS快将近一个数量级！）Stata也是采用命令行方式来操作，但使用上远比SAS简单。其生存数据分析、纵向数据（重复测量数据）分析等模块的功能甚至超过了SAS。用Stata绘制的统计图形相当精美，很有特色。
软件特色
1、该软件拥有强大的绘图功能，可以帮助您分析更多经济数据2、可以将实验数据加载到软件建立新的统计项目
3、分享了生物数据统计，可以通过图表展示分析的数据
4、拥有强大的计算功能，实验结果可以自动计算
5、界面分享了数据编辑器，可以对您添加的数据编辑
6、分享变量显示窗口，调整函数变量更方便
7、该软件也分享了专业的图形分析
8、让实验数据更加可视化，让化学研究数据更清晰
9、在分析市场数据方面也是支持的
10、对于统计数学方面的数据拥有更好的函数方程设置
新功能
一、扩展回归模型知识兔称之为ERMS 扩展回归模型。四个新的命令适合
1、线性回归分析,
2、区间回归包括 tobit模型，
3、概率，
4、有序概率模型
可任意组合成：
1、内生变量
2、非随机处理任务
3、内源性(Heckman-style)样本的选择
这些新的命令让人惊喜，因为可以在任何一个方程中加入内生变量，包括处理赋值和概率选择方程。内生变量并不局限于连续性。它们可以是二进制或序数。不管是外生的还是内生的，它们都可以与其他变量相互作用。它们甚至可以互相作用，形成平方项或立方项!
这些新的ERM命令—eregress,eintreg,eprobit, 和eoprobit注定会流行起来，因为他们解决了研究人员的很多问题。首先, 可能有一个内生变量, 因为许多模型都省略了与模型中的变量相关的变量。其次，数据经常被删剪，而删剪不是随机的。ERM 样本选择选项允许您对选择过程进行建模, 并对其进行调整。或者, 如果您正在使用非随机处理效应模型, 则可以用 ERM处理分配选项。或者, 可以结合处理分配和选择选项, 其中一些是由于后续的行为而损失的拟合内生处理分配模型。
二、潜在类别分析(LCA)
潜在的均值未被观测。分类也就是分组。潜在类是数据中未观测到的组。你可能有关于消费者的数据，并且根据消费者对产品的潜在兴趣将他们分成三组。但是，在数据中没有指定每个消费者所属组的变量。拟合模型后，你可以
1、使用新的estat lcprob命令估计属于每一类的消费者比例;
2、使用新的estat lcprob命令估计每个类中Y1、Y2、Y3、Y4的边际均值(均值就是示例所示的概率);
3、使用新estat lcprob命令来评价适合度;
4、使用现有的predict命令获取分类成员的预测概率和观测结果变量的预测值。
三、贝叶斯前缀指令
新的bayes：前缀命令使你能够适应比以前版本更广泛的贝叶斯模型。原来也可以拟合贝叶斯线性回归, 但是现在可以通过输入文字就可以：在这个模型中, 为变量 id的每个值添加随机截距。新的bayes：前缀命令在许多Stata评估命令之前工作，并分享超过50种可能性的模型。支持的模型包括多级、面板数据、生存和样本选择模型!
新命令支持所有Stata的贝叶斯的功能。你可以从之前的模型参数的分布中选择，也可以使用之前默认的。当闭合形式解决方案用于Gibbs方法时，可以使用默认的自适应 Metropolis–Hastings 抽样, 或Gibbs抽样, 或两种方法的组合。在bayesmh命令的基础上可以使用STATA的任何其他功能。可以更改回归系数的缺省先验分布，比如，使用prior()选项：
四、线性动态随机一般均衡(DSGE)模型
DSGEs是经济学中的一个时间序列模型。它们是传统预测模型的替代品。两者都试图解释总的经济现象, 但 DSGEs 允许对来自经济理论模型的基础上做这个。建立在经济理论基础上的方程很多。这些方程的关键特征是, 未来变量的期望值会影响今天的变量。这是区别 DSGEs 与矢量回归或状态空间模型的一个特性。另一个特点是, 从理论推导出来的参数通常可以用这个理论来解释。
在DSGE模型中有三种变量：
1、控制变量和方程，如p没有冲击,并且是由方程组决定的。
2、状态变量 (如 y) 具有隐含的冲击, 在时间段开始时是预先确定的。
3、冲击是驱动系统的随机错误。
在任何情况下, 以上dsge 命令可以定义一个模型并拟合。
如果知识兔有一个关于 beta 和kappa之间关系的理论, 比如它们是相等的, 知识兔可以用现有的命令test来测试它。
新的 postestimation命令estat policy和estat transition报告策略和转换矩阵。如果键入
显示将控制变量作为状态变量的线性函数。如果有五个控制变量和三个状态变量, 则每个控件将被报告为三个状态的线性函数。在上面的简单例子中, 预测 p 的线性函数将显示为现在的 y 函数。
同时，报告转换矩阵。而策略矩阵将 p 报告为函数y, 而转换矩阵则报告 y 如何通过时间演变为p。可以使用Stata的现有预测命令来生成预测。可以使用Stata现有的irf命令来绘制脉冲响应函数。
五、web动态的Markdown文档
你有没有听过Markdown?它是一种创建 html 文档的流行方式。html 文件是繁琐的。Markdown简单直观，想法很简单。可以创建一个文件, 其中包含所需的可读格式的文本, 然后通过它运行一个命令来创建一个HTML文件。
Stata现在支持Markdown, 知识兔已经添加了标签 (功能) 到Markdown, 允许包括输入文件中的Stata命令。你所包含的命令将被运行和显示, 或者以秘密方式运行, 以及提取输出的部分供文档使用。
六、非线性混合效应模型
非线性混合效应模型也被称为非线性多级模型和非线性层次模型。可以用两种方式来考虑这些模型。可以把它们看成包含随机效应的非线性模型。或者可以把它们看成线性混合效应模型, 其中一些或所有的固定和随机效应都是非线性的。不管哪种方式, 总的误差分布假设成Gaussian分布。
这些模型在人口药代动力学, 生物鉴定和研究生物学和农业成长过程中很流行。比如，采用非线性混合效应模型对机体的药物吸收、地震强度和植物生长进行了模拟。
新的评估命令被命名为 menl。它实现了 popular-in-practice Lindstrom–Bates 算法, 是基于对固定和随机效应的非线性均值函数进行线性化。支持最大似然和受限最大似然估计方法。
Menl易于使用。可以直接输入单个方程。大括号{ }，用于将要匹配的参数括起来：
除了标准功能外, postestimation特征还包括对随机效应及其标准误差的预测，对模型中定义的感兴趣参数的预测, 作为其他模型参数和随机效应的参数、聚类相关矩阵的整体评估等。
七、空间自回归模型(SAR)
Stata适合空间自回归 (SAR) 模型, 也称为同步自回归模型。新的spregress,spivregress, 和spxtregress命令允许因变量的空间滞后、自变量的空间滞后和空间自回归误差。空间滞后是时间序列滞后的空间模拟。时间序列滞后近年来成为变量值。空间滞后是附近地区的值。
该模型适用于区域数据, 也称为区域性数据。观测结果被称为空间单位, 可以是国家、州、区、县、市、邮政编码或城市街区，或者它们可能根本就不是地理位置。它们可能是社交网络的节点。空间模型评估直接影响—区域对自身的影响，并估算邻近地区的间接或溢出效应。
有一个全新的 [SP] 手册专门介绍Stata的新SAR功能。这些命令被称为Sp命令。它们可以与以下一起工作：
1、shapefiles通过 web 获取你选择数据，或者
2、没有shapefiles 和数据，只包含位置的坐标，或者
3、没有 shapefiles没有位置会出现社会网络数据。
八、区间删失参数生存时间模型
Stata新的stintreg 命令加入 streg, 用于拟合参数生存模型。stintreg拟合区间删失数据模型。在区间删失数据中，故障时间并不确定。众所周知, 受试者还没有失败的时候, 以及后来他们已经失败的时候。
stintreg拟合指数，Weibull, Gompertz, 对数正态分布、对数逻辑和广义的gamma生存时间模型。支持比例风险和加速故障时间度量。功能包括
1、分层估计
2、灵活的辅助参数建模
3、robust, cluster–robust, bootstrap,和jackknife的标准误差
除了基本功能, postestimation功能还包括plots of survivor,, hazard, 和cumulative hazard函数;平均数和中位数时间预测;Cox–Snell and martingale-like残差值等。
九、有限混合模型(FMMs)
新的fmm:当数据来自未观测到的亚群时, 前缀命令拟合模型。它可以与17 个Stata评估命令一起使用。
大多数用户使用fmm来拟合模型中的参数 (系数、位置、方差、比例等) 在不同亚群之间的变化。在这些模型中，未观测到的亚群称为类。比如说你感兴趣的拟合模型。每个分类在总人口的比例中，Postestimation 命令可用于 (1) 评估，(2) 报告类内结果变量的边际均值，(3) 预测类成员的概率和预测结果。
十、混合Logit模型
Stata已经拟合多项Logit模型。Stata15能使它们拟合混合形式, 包括随机系数。
随机系数对拟合多项式逻辑模型具有特殊的意义。它们是围绕Independence of the Irrelevant Alternatives (IIA)假设一种方式。这一假设表明, 如果你选择步行去工作, 当你的选择是步行, 乘坐公交车, 或自驾, 你仍然选择步行, 即使你没有选择不可再用的一个选项。如果选项是在步行或开车之间，你仍然会选择步行。人类有时行为不同。
IIA假设在协变量的条件下, 选择是独立的。如果违反这种假设, 选择将是相关的。随机系数允许选择相关性。研究人员经常在随机效用模型和离散选择分析的中使用混合模型。Stata新的asmixlogit Logit命令支持各种随机系数分布, 并允许包含特定案例变量的模型。
十一、非参数回归
Stata现在适合非参数回归。在这些模型中, 不指定函数形式。指定变量并指定想要匹配的变量：
匹配项是g()。该方法不假定 g () 是线性的
十二、聚类随机设计和回归模型的功耗分析
Stata现有的power命令执行功率和样本(PSS) 分析。其功能包括PSS线性回归和集群随机设计 (CRDs)。现在可以添加你自己的功率和样本大小的方法。
线性回归的新方法包括
1、power oneslope，在一个简单的线性回归中对斜率测试执行pss。根据给定的其他研究参数计算样本的大小或功率
2、power rsquared，在多元线性回归中执行R-squared检验的PSS。R-squared检验是对测定系数 (R-squared) 的 f 检验。测试可以用来测试所有系数的意义, 也可以用来测试其中的一个子集。在这两种情况下, power rsquared计算样本大小或功率或目标R-squared给其他参数研究。
3、power pcorr，在多元线性回归中执行PSS的部分相关测试。部分相关检验是平方偏多相关系数 f的 检验。该命令根据其他研究参数计算样本大小或功率或目标平方偏相关系数。
Stata 15现在还支持集群随机化设计：
在 CRD中, 组的受试者 (集群) 是随机的而不是个体, 这意味着样本大小的作用是通过数字集群和集群大小来发挥的。样本大小确定包括给定集群大小的数量或给定集群的大小。CRD命令计算 (1) 的一个集群的数目, (2)的集群大小, 或 (3)的功率, 或最小的可检测到的效果大小给定的其他参数。这些命令可以根据不相等的集群大小调整选项。
1、当指定新的选项集群时, 现有的5个 power方法将扩展到支持CRDs。它们是
2、对于两个样本方法, 还可以针对两个组中的不相等的集群进行调整。
与所有其他功率方法一样, 新方法允许指定参数的多个参数值, 并自动生成表格和图形结果。
另一个新功能是可以添加自己的PSS方法。这是很容易做到的。编写一个计算样本大小、功率或效果大小的程序。power命令将为您完成其余部分。它将处理选项中多个值的支持, 并且自动生成图形和结果表。
十三、Word和PDF文档
现在, 使用Stata嵌入的结果生成 Word 和 PDF档就像制作 Excel 工作表一样容易。大多数使用者喜欢Stata 14中的putexcel，如果你也是他们中的一员，你会爱上新的putpdf和putdocx命令。他们像putexce一样工作。可以编写do-file来创建包含最新结果、表格和图表的整个Word 或 PDF报表。可自动执行可重复的报告。
新的 putdocx 命令将段落、图像和表格写入 word 文档 (. docx 文件)。图像包括Stata图形和组织的标志。也可以设置文本对象的格式。包括字体大小、粗体、倾斜、自定义表等。
十四、图形颜色透明度/不透明度
到现在为止, 在另一个上面画一个物体, 上面的物体盖住下面的物体。在计算机图形学的行话中, Stata颜色完全不透明, 或者, 如果你喜欢不完全透明。Stata15允许控制其颜色的不透明度。
不透明度指定为一个百分比。默认情况下, Stata的颜色是100% 不透明的。
每当指定一个颜色时都可以指定不透明度，例如在mcolor ()选项中控制标记的颜色。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"(相当于绿色)。可以自行指定%50, 使默认颜色50%不透明。但是, 不要指定%0。这是完全透明的, 也是无形的。这里是一个图表，使用70 %的不透明度:
十五、ICD-10-CM/PCS支持
Stata 15支持 ICD-10-CM 和 ICD-10-PCS, 由 NCHS 和CMS 分享的美国 ICD-10 代码。Stata 15支持从2016版本开始(从2015年10月开始) 的代码, 当它们被授权在美国使用, 并支持所有后续版本。
Stata在 1998年开始支持ICD, 从 ICD-9-CM 16版本开始, 并支持之后的每 ICD-9 版本。自2003年以来, Stata也支持 ICD-10 代码版本。
1998年以来, Stata的ICD命令从仅仅是一个自动的有效代码和简短短语列表, 成为ICD代码的整个数据管理系统。该系统甚至包括在一个数据集中管理多个ICD版本的能力!
十六、联邦储备经济数据(FRED)支持
圣路易斯联邦储备局向注册用户分享超过47万的美国和国际经济和金融时间序列。注册是免费的并且很容易做。这项服务叫FRED。它包括来自84个来源的数据, 包括美联储、宾州世界表、欧统局和世界银行。
Stata 15中，你可以使用Stata的GUI来访问和下载FRED数据。可以按类别、发布或来源进行搜索或浏览。可以单击选择感兴趣的系列。选择1或选择100。当您点击下载"时, Stata将下载它们并将它们合并到一个内存中的单个自定义数据集中。
Stata命令行界面也分享了这些相同的功能。命令是import fred。当追踪月报表需要自动更新27个不同系列时, 该命令非常方便。
Stata可以访问FRED和ALFRED。ALFRED是FRED的历史档案数据。
十七、其他
在Stata功能页面中了解更多上述功能, 还有以下功能：
1、贝叶斯多级模型
2、门限回归
3、具有随机系数的面板数据tobit
4、区间测量结果的多层回归
5、删失结果的多级Tobit回归
6、面板数据的协整测试
7、时间序列中多断点的测试
8、多组广义 SEM
9、异方差的线性回归
10、Heckman风格的样本选择Poisson模型
11、具有随机系数的面板数据非线性模型
12、贝叶斯面板数据模型
13、随机系数的面板数据区间回归
14、SVG的导出
15贝叶斯生存模型
16、零膨胀有序概率
17、添加您自己的电源和样本大小的方法
18、贝叶斯样本选择模型
19、支持瑞典语
20、对DO文件编辑器的改进
21、流随机数生成器
22、对于java插件的改进
23、Stata / MP更多的并行化
15中文破解版安装教程
1、在知识兔分享的百度网盘地址中，下载Stata15压缩包，并解压后，将系统时间修改为2016年某一天，随便改
2、时间改好后，双击运行原版Stata15进行安装
3、在欢迎安装界面中，点击【Next】进行下一步
4、选择我已接受许可协议，并继续点击【Next】下一步
5、设置用户信息，大家可以选择默认，或随意输入，之后继续点击【Next】下一步
6、选择需要安装的Stata版本，包括stata/mp、se、ic等版本，根据自身需求进行安装，只能单选，之后点击【Next】
7、确认安装位置，默认安装在C盘，知识兔可以点击【Browse】图标更改安装位置，同时也可以默认在C盘安装，确认后，点击【Next】进行下一步
8、选择默认的工作目录，这里有两个选项，大家根据自身需求选择即可，【Next】下一步
9、之后点击【Next】就开始安装了
10、正在安装中，稍候片刻，这时候请不要关闭程序
11、安装成功，点击【Finish】完成安装
15中文破解版破解教程
1、找到在知识兔下载并解压后的文件根目录，找到runasdate.2.1文件夹2、将“runasdate_chs.exe”复制到安装目录下运行，首先将时间修改为2016年6月30之前，然后选择Stata15主程序运行
3、最后将Stata 15序列号输入到对应项中完成破解。名字和单位随便填Stata 15永久序列号：
序列号 （Seri）：10699393
授权码 （Code）：6irr omjb3xob $m9x k7uh u7lt y258 a51y tphc
激活码 （Auth）：vuts
4、Stata 15版就破解完成了
15中文破解版使用方法
1、打开软件，提示您激活软件，这里选择输入下列信息Stata 15 SE 永久序列号：
Serial number: 401506209499
Code: uk4n 5fLi 6wk3 n7q4 kv6h s2ea 719
Authorization: gc83
2、图形诊断图不显示任何参数的任何非收敛迹象回想一下，要访问MCMC的收敛。 知识兔必须探索所有模型参数的收敛性
3、[fvar]参数的图形摘要并不显示任何明显的问题。 迹线图揭示了边缘分布区域的良好覆盖范围，而直方图和kemel密度图类似于预期的反伽玛分布的形状
4、散点图显示[mpg：weight）和[Tmpg：-cons]之间的高度相关性。 另一方面。 tvar和其他两个参数之间没有显着的相关性在这种情况下，如果知识兔将[var]放在一个单独的块中，知识兔可以期待更高的采样效率
5、通过观察在大约滞后10之后自相关变得可忽略，改进的var的采样效率是显而易见的。迹线图揭示了边缘后验域的更快速穿越
6、现在知识兔准备绘制模型参数的迹线图。 例如，知识兔可以覆盖[var]参数的两个曲线图，如下所示。 知识兔使用xtset命令将数据声明为由链变量标识的面板数据，并将其指定为时间变量。 然后知识兔使用时间序列绘图命令tsline绘制轨迹图
7、与任何MCMC分析一样，知识兔应该验证所有参数的收敛性。 这里知识兔只显示lambda的诊断图
15中文破解版使用说明
beta二项式模型bayesmh是一个回归命令。 它将结果分布的均值作为预测因子的函数进行建模。 有些情况下，知识兔没有任何预测指标，并希望直接对结果分布进行建模。 例如，知识兔可能想要对知识兔的结果拟合泊松分布或二项分布。 知识兔可以通过在可能性（）选项中指定bayesmh支持的四种分布之一来做到这一点
多变量回归
知识兔考虑一个没有协变量的简单多变量正态回归模型。 知识兔使用自动。 dta，知识兔拟合了一个多变量正态分布，用于变量mpg，权重和长度
知识兔重新调整这些变量以具有大致相等的范围。 总是推荐均衡模型变量的范围。 因为这使得模型在计算上更稳定
面板数据和多级模型
虽然MH算法的基础贝叶斯并不适合拟合贝叶斯多级模型。 您可以使用它来适应没有太多随机效应的多级模型。 下面知识兔考虑两级随机截距和随机系数模型。 两级随机效应模型也被称为面板数据模型
中文设置方法
设置里更改Stata语言：Edit > Preferences > User-interface language > 简体中文
特别说明
解压密码：www.3322.cc
下载体验