stata是一款专业性很强的计算机数据分析软件。该版本集成了数据分析、数据管理、专业图表绘制等多项功能，进一步改善了功能体验，提高了软件运行速度，并添加了双差法官方命令。还集成了针对周期数据的新命令，集成了Python、Java等，满足用户相关方面的办公需求。

【功能特点】

1. 双差法的形式阶

“差异中的差异”（DID）可能是最常用的测量方法。为什么没有官方的DID 命令呢？为了实现这个目标，Stata 17 立即推出了官方的DID 命令xtdidregress。 “xt”表示该命令适用于面板数据。

除了传统的DID 估计之外，xtdidregress 命令还允许您指定最多三个“组变量”（组变量），或者两个组变量和一个时间变量来执行“三重差异”（差异差异）。 - 差异，缩写为DDD）。

此外，对于“重复横截面数据”（也称为“伪面板数据”），Stata 17 推出了相关的新命令diregress，允许您执行类似DID 的估计。更重要的是，你可以使用DID官方命令轻松绘制平行趋势图~

2.完美的表格输出

实证研究人员经常需要将Stata 多元回归结果输出到表格Word 文件。可以执行此类任务的官方命令估计表已经存在了一段时间，但它们相对僵化，因此Stata 用户通常使用非官方命令（例如estout 和outreg）来解释回归结果的输出。为此，Stata 17显着改进了原有的表格命令，使用户能够更轻松地以表格格式报告回归结果和汇总统计数据。

此外，您可以设计回归表格样式并将其应用到您创建的表格，并将表格输出为Word 或其他文件格式，包括PDF、HTML、LaTex、Excel、Markdown 等。此外，您还可以使用新的前缀collect来收集Stata命令的各种估计结果。最后，Stata 17 还添加了表格生成器，允许用户通过点击来创建表格。

3.Lasso的新特性

作为“高维回归”的常用工具，Stata 16推出了一套Lasso（最小绝对收缩和选择算子，即所谓的“套索估计器”）的官方命令。 Stata 17 为Lasso 带来了更多新功能。

使用套索估计治疗效果模型。在Stata 16 中，您可以使用命令teffect 来估计“治疗效果”模型。命令lasso 用于估计包含许多协变量的高维模型。 Stata 17 将两者结合起来，其新命令telasso 可以估计具有许多协变量的治疗效果模型。

使用BIC 选择套索惩罚参数。当执行Lasso 估计时，作为一种“惩罚回归”，必须选择惩罚参数。 Stata 16 允许您使用交叉验证、自适应技术或插件来选择惩罚参数。

Stata 17 有一个新选项“选择（bic）”，允许您使用“贝叶斯信息准则”（BIC）选择惩罚参数。此外，新的后验估计命令bicplot 使您可以轻松地可视化此选择过程。

使用Lasso 处理聚类数据。对于“聚类数据”，由于每个聚类内观测值的自相关性，常规Lasso 估计可能会出现偏差。 Stata 17 允许您在使用命令lasso 或elasticnet 时通过新选项“cluster (clustvar)”来处理集群数据。此外，对于使用Lasso 进行统计推断的命令，例如poregress（代表部分回归），可以使用Stata 17 中的新选项“cluster (clustvar)”来创建集群鲁棒标准错误（cluster-robust standard error）误差）可得。错误）。

4.离散选择模型的新命令

离散选择模型是微观计量经济学中常用的模型。 Stata 17 为离散选择模型添加了以下新命令：

“面板多项Logit 模型”。对于横截面数据的多项逻辑模型，Stata 已经提供了mlogit 命令。 Stata 17 中的新xtmlogit 命令可以使用面板数据估计多项逻辑模型。这对于Stata 在离散选择模型方面绝对是一个很大的改进，因为之前Stata 只能使用xtlogit 或xtprobit 来估计面板二元选择模型。

“零膨胀有序logit模型”（零膨胀有序logit模型）。对于有序数据，可以使用Stata 命令ologit 或oprobit 进行估计。实际上，排序数据的最低类别可能会被赋予很大的权重。当最低类别值记录为“零”时，就会出现一种称为“零通胀”的现象。目前，您可以使用Stata 17 中的新命令ziologit 来估计更高效的“零膨胀有序logit 模型”。

5. 周期数据的新命令

“持续时间数据”常用于生物统计学中的“生存分析”，在经济学中也有广泛的应用，例如失业持续时间、结婚持续时间、王朝寿命等。周期数据经常遇到“审查”或“合并”问题。例如，研究结束时，一些患者可能没有死亡，或者一些失业者可能没有找到工作。

Stata 17 中引入的新命令tenurecox 可以使用Cox 模型估计特殊的“区间删失”数据。对于间隔删失数据，您只知道事件在某个间隔发生，但无法确切知道它发生的时间。例如，我们只知道癌症复发时两次检查之间的时间段。忽略周期数据的区间审查问题会引入估计偏差。

6、贝叶斯计量经济学全面升级

大数据时代，随着数据变得越来越复杂和多样化，基于频率学派的传统计量经济学方法在处理某些问题时可能会变得不方便，贝叶斯计量经济学逐渐出现。频率学派认为待估计的参数给定了未知参数（固定未知参数），而贝叶斯学派则认为未知参数是遵循一定分布的随机变量，待估计的参数给定了一个新的样本分布（先验）您始终可以根据您的信息“提前”设置它们。分布）已更新为“后验分布”（postterior distribution）。 Stata 17 是对Stata 原始贝叶斯统计和计量经济学的全面升级。

贝叶斯面板数据模型。 Stata目前的面板命令包括xtreg（静态面板）、xtlogit或xtprobit（面板二元选择模型）、xtologit或xtoprobit（面板排序模型）等。在Stata 17 中，如果要使用贝叶斯方法估计这些面板模型，只需在原始命令之前添加“前缀”bay 即可。

贝叶斯VAR 模型。向量自回归（VAR）是一种常见的时间序列模型。在现有的Stata 中，您可以使用命令var 来估计VAR 模型。后续命令包括使用fcast 进行“动态预测”（动态预测）和irf 进行估计“脉冲响应函数”（IRF）的命令。 “预测误差方差分解”（FEVD）。

在Stata 17中，您可以使用命令“bayes: var”（即在命令var之前添加前缀Bayes）来估计贝叶斯VAR模型并使用Bayesfcast进行动态预测。也可以获得。

接下来，使用Bayesfcast进行动态预测。

脉冲响应函数（IRF）和预测误差方差分解（FEVD）也可以用同样的方法求得。

使用贝叶斯方法估计VAR 模型有两个主要优点。首先，VAR模型通常包含较多参数，当样本较小时，估计结果不稳定。贝叶斯方法在估计小样本的VAR 模型时更加稳健，因为它们更容易“结合先验信息”。

其次，经典VAR模型利用大样本理论进行统计推断和预测。这需要假设估计量遵循渐近正态分布，这在小样本中很难满足。贝叶斯方法不使用大样本理论，不需要渐近正态性假设，因此适合小样本。

贝叶斯多级模型。 Stata 17 中引入的新Bayesmh 命令允许您创建一系列模型，包括“单变量”或“多元”线性和非线性多级模型，以及面板生存模型（组合纵向和生存模型）和可以估计贝叶斯模型。多层次模型。结构方程（SEM模型）等

贝叶斯线性和非线性DSGE 模型。 “动态随机一般均衡”（DSGE）模型是宏观经济学的主流模型。在Stata 16 中，您可以分别使用命令dsge 和dsgenl 估计线性和非线性DSGE 模型。

在Stata 17中，只要在命令dsge和dsgenl之前添加前缀Bayes，就可以估计相应的线性或非线性贝叶斯DSGE模型。有超过30种“先验分布”可供用户选择，并且可以进行贝叶斯脉冲响应分析（Bayesian IRF Analysis）、区间假设检验（Interval假设检验）以及使用贝叶斯因子（Bayesian Factors）进行模型比较。 ETC。

7. 非参数趋势检验

样本数据中可能存在组（例如，分为3组），并且这些组具有自然顺序（例如，记录为1、2、3组）。这就是所谓的“订单组”。对于这种经过排序和分组的数据，这种分组和排序对于某个特定的变量（例如第1组到第3组）是否有一定的倾向，这个变量是否倾向于有较大的值，我们常常想测试一下。还有更大的事情，即所谓的“跨有序群体的趋势测试”。

为此，您可以使用Stata 现有的命令nptrend 来使用等级执行非参数Cuzick 检验。除了Cuzick 等级检验之外，Stata 17 中最新版本的nptrend 命令还添加了三个新的非参数检验：Cochran-Armitage 检验、Jonckheere-Terpstra 检验和逐线性趋势检验I am。命令nptrend 的功能已得到显着增强。

8.荟萃分析的新命令

“荟萃分析”结合了多项类似研究的结果。例如，如果在世界各地针对特定疫苗的有效性进行多次实验，如何对每次实验的疫苗功效指标进行加权和平均以获得统一的测量结果？ 或者说，Stata 17 进一步提高了Stata 的荟萃分析能力？

多变量荟萃分析。当多项研究的结果合并时，每项研究可能同时报告多个效应大小，并且这些效应之间可能存在相关性。当使用Stata 现有的元命令时，这种相关性将被忽略。 Stata 17 中的新命令meta mvregress 可以通过执行多维荟萃分析来处理这种相关性。

加尔布雷斯的阴谋。 Stata 17 还添加了一个新命令，meta galbraishplot，它允许您绘制“Galbraith 图”以进行荟萃分析。该图可用于评估研究异质性并发现潜在的异常值。

留一荟萃分析。 Stata 17 增加了“留一元分析”功能。所谓“留出一项荟萃分析”是指在进行荟萃分析时，每次排除一项研究（不纳入样本），以检验荟萃分析结果的稳健性。最终结果过度依赖于具体研究。使用Stata 命令“元摘要”或“元森林图”执行元分析时，可以使用新选项Leaveoneout 执行留一分析。

9. 将Stata 与Python、Java、H2O 和Jupyter Notebook 集成

在大数据时代，Stata也在加速与主流软件平台的融合，为用户提供更多的增值服务。 Stata 17 的此次升级尤其如此。

与Python 集成（Python 集成）。 Python已经是一种流行的主流计算机语言。为此，Stata 16专门提供了与Python的接口，允许用户在熟悉的Stata界面中调用Python，并在Stata中显示执行结果。 Stata 17 更进一步，推出了新的Python 包pystata，以方便用户在Python 中调用Stata。 Stata 17 还引入了一个新概念“PyStata”，其中包括Stata 与Python 交互的所有方式。

与Java 集成（Java 集成）。 Java 是一种广泛使用的跨平台编程语言。 Stata 17 可以轻松在Stata 程序中嵌入和运行Java 代码。

支持JDBC 数据交换格式（JDBC support）。 JDBC（Java 数据库连接）是一种用于在程序和数据库之间交换数据的跨平台标准。 Stata 17 支持JDBC，允许Stata 用户从一些最流行的数据库导入数据，包括Oracle、MySQL、Amazon RedShift、Snowflake 和Microsoft SQL Server。

与H2O 集成（H2O 集成）。 H2O 是一个流行的机器学习软件平台。 Stata 17 允许您连接并调用H2O 中的机器学习算法。这无疑为Stata 用户打开了机器学习的新大门。

将Stata 与Jupyter Notebook 结合使用（Jupyter Notebook with Stata）。 Jupyter Notebook 是一种流行的基于Web 的“集成开发环境”(IDE)，对于显示代码、公式、文本和可视化特别有用。在Stata 17 中，您可以从Jupyter Notebooks 调用Stata 和Mata（Stata 的矩阵语言）作为PyStata 的一部分（依赖于Python 包pystata）。这意味着您可以将Python 和Stata 功能集成到同一环境中，使您的工作更具可重复性且更易于共享。

10.改进Do文件编辑器、Stata速度改进等。

Do 文件编辑器的改进。随着编程变得越来越重要，Stata 16 在Do 文件编辑器中添加了“自动完成”和“语法突出显示”功能。 Stata 17 为Do 文件编辑器带来了更多改进。

Stata 17 的Do 文件编辑器允许您设置“书签”以快速跳转到长Do 文件中您想要编辑的部分。 Stata 17 的Do 文件编辑器还添加了一个新的“导航控件”（navigation），可以让你查看所有书签及其标签（bookmarks and Their labels），并且一个Do 文件中的所有“程序”（programs）都会被列出。

更快的Stata。在大数据时代，底层算法的速度变得越来越重要。为此，Stata 17 更新了排序和折叠命令的算法，使其速度更快。此外，Stata 17还提高了混合命令的执行速度（用于估计多级混合效应模型）。

利用英特尔数学内核库(MKL) 提高速度。 Stata 17 引入了英特尔数学内核库(MKL)。它适用于Intel或AMD的所有64位计算机，可以调用深度优化的LAPACK（Linear Algebra Package）线性代数包。这进一步提高了Stata和Mata的底层计算速度，让Stata用户无需做任何事情就可以享受它。

日期和时间的新函数。 Stata 17 使处理日期和时间变得更加容易，包括日期时间持续时间（计算持续时间）、日期时间相对日期（计算相对日期，例如您的下一个生日的日期）和日期时间（从日期中提取各种组件）。函数已被引入这些新函数还自动计算闰年、闰日和闰秒。

简而言之，Stata 17 不仅具有贝叶斯计量经济学的重大进步、与主流计算机语言平台更紧密的集成以及用于编程的更方便的Do 文件编辑器，而且还带来了更贴近您需求的令人兴奋的功能，这是一次重大升级。实用计量经济学（DID、表格输出、离散选择等）。毫不奇怪，在可预见的未来，Stata 将继续成为经济和社会科学领域首选的测量和统计软件。

【软件特色】

1. 线性模型

回归• 结果审查• 内生回归量• Bootstrap、Jackknife、稳健和聚类稳健方差• 工具变量• 三阶段最小二乘法• 约束• 分位数回归• GLS • 杂项。

2. 面板/纵向数据

具有稳健标准误差的随机和固定效应• 线性混合模型• 随机随机效应• GEE • 随机和固定效应泊松• 动态面板数据模型• 工具变量• 面板单位根检验• 其他。

3. 多级混合效应模型

连续、二元、计数和生存结果• 两水平、三水平和更高水平模型• 广义线性模型• 非线性模型• 随机截距• 随机斜率• 交叉随机效应• BLUP 效应和近似值• 分层模型•残差结构• DDF 调整• 测量数据支持• 杂项。

4. 二进制、计数和有限结果

Logistic、probit、tobit • 泊松二项式和负二项式• 条件、多项式、嵌套、序数、有序和固定逻辑• 多项式概率• 零膨胀和左截断计数模型• 选择模型• 边际效应• 杂项。

5、型号选择

离散选择• 排名替代方案• 条件Logit • 多项式概率• 嵌套Logit • 混合Logit • 面板数据• 特定案例和特定替代方案预测变量• 对结果、协变量效应和跨替代方案的预期概率的解释比较解决方案• 了解更多信息。

6. 扩展回归模型（ERM）

内在协变量• 样本选择• 非随机处理• 面板数据• 单独或组合提出的问题• 连续、区间审查、二分和顺序结果• 其他。

【软件亮点】

1. 新的荟萃分析套件，改进和扩展的选择模型（边际适用于所有地方）。

2. Python与软件集成、贝叶斯预测、多链等。

3. 导入面板数据扩展回归模型（ERM）、SAS 和SPSS 数据集。

4.灵活的非参数序列回归。内存中的多个数据集或帧。

5. 置信区间的样本量分析。

6.多组IRT面板数据Heckman选择模型。

7. Stata存在NLME滞后：多剂量药代动力学模型等。

8.异方差命令概率。图形尺寸以英寸、厘米和打印机点为单位。

9.Mata的数值积分，Mata的线性规划。

10. 文件编辑器：自动完成、语法突出显示等；Mac 上：深色模式和选项卡式窗口。

【破解说明】

1.解压得到Stata 17安装包、stata17序列号和密码。

2. 运行SetupStata17.exe 开始软件安装。

3. 接受条款并继续安装。

4. 选择您要安装的版本。 Stata BE是基础版本，Stata SE是特殊版本，Stata MP是并行计算版本。

5. 设置软件安装路径。默认就足够了。

6. 等待软件安装完成。暂时不要打开软件。

7、将破解补丁中的文件复制到软件根目录并替换。

默认路径：C:\Program Files\Stata17

8、至此，软件已成功激活，并全面支持简体中文。以上是Stata 17中文破解版的安装教程。