Hal baru di Stata 17

Customizable tables

Dengan mudah kita bisa membuat tabel untuk membandingkan hasil regresi atau ringkasan statistik, Tabel yang dibuat bisa di export ke MS Word®, PDF, HTML, LaTeX, MS Excel®, atau Markdown dan memasukkan nya ke report. Command –table– telah diperbaharui. Dengan tambahan command collect yang bisa membantu mengumpulkan dan mengelola hasil dari beberapa perintah/command. (membuat tabel, exports ke berbagai formats, dan lainnya. Anda juga bisa melakukan point-and-click untuk membuat tabel dengan menggunakan fitur tabel baru ini.

Bayesian econometrics

Stata 17 now does Bayesian econometrics. . Cocok dengan banyak Bayesian models seperti cross-sectional; panel-data; multilevel; dan time-series models. Anda bisa membandingkan dengan menggunakan Bayes factors, obtain predictions and forecasts, dan lainnya

PyStata—Python and Stata

Stata 17 memperkenalkan sebuat konsep baru yang dikenal sebagai PyStata. PyStata adalah sebuah istilah yang mencakup segala sesuatu tentang interaksi antara Stata dan Python.

Stata 16 memiliki kemampuan untuk memanggil Python code dari Stata. Stata 17 mengembangkannya sehingga anda bisa memanggil Stata dari Phyton dengan menggunakan pystata pada Python.

Jupyter Notebook with Stata

Pada Stata 17, kita bisa menggunakan Stata dan Mata (sebagai bagian dari PyStata) Jupyter Notebook dengan IPython (interactive Python) kernel. Ini berarti kita bisa mengkombinasikan kemampuan yang dimiliki Python dan Stata dalam satu sistem untuk memudahkan anda bekerja dan berbagi dengan yang lainnya.

Memanggil Stata pada Jupyter Notebook bisa digunakan melalui Pystata Python yang baru.

Difference-in-differences (DID) and DDD models

Command baru –didregress– and –xtdidregress– fit difference-in-differences (DID) dan difference-in-difference-in-differences atau triple-differences (DDD) models. –didregress– bekerja dengan repeated-cross-sectional data, dan –xtdidregress– bekerja dengan longitudinal/panel data.

Making Stata faster

Stata mementingkan akurasi dan kecepatan. Terkadang ada salah satu yang dikorbankan antara akurasi dan keepatan, tapi Stata mampu memberikan yang terbaik dari keduanya kepada pengguna

Stata 17 sudah mengembangkan algoritma untuk perintah “sort” dan colapse membuat keduany berlajan lebih cepat. Stata17 meningkatkan kecepatan pada beberapa perintah estimasi seperti mixed; mixed-effects models.

Interval-censored Cox model

Command baru –stintcox– yang cocok untuk Cox model to interval-censored event-time data.

Multivariate meta-analysis

Gunakan fitur terbaru ini untuk menganalisa dari banyak penelitian. Dimana mungkin saja ada korelasi diantaranya. Gunakan command meta mvregress– untuk multivariate meta-analysis, yang akan menjelaskan korelasi.

Berbeda dengan command meta yang sudah ada yang mengabaikan korelasi tersebut.

Bayesian VAR models

bayes prefix sekarang bisa menggunakan command –var-yang cocok untuk Bayesian vector autoregressive (VAR) models.

Bayesian multilevel modeling: Nonlinear, joint, SEM-like and more

Anda dapat menyesuaikan luasnya Bayesian multilevel models dengan syntax baru pada command bayesmh. Anda bisa melakukan univariate linear dan nonlinear multilevel models dengan lebih mudah dan sekarang bisa melakukan multivariate linear dan nonlinear multilevel models! Pikirkan tentang growth linear (pertumbuhan linear) dan nonlinear multilevel models, joint longitudinal dan survival-time models, SEM-type models, dan lainnya.

Treatment-effects estimation using lasso

Gunakan –teffects– untuk membuat estimasi treatment effects. Gunakan lasso– untuk mengatur atau mengontrol kovariat (covariat) . Sekarang gunakan –telasso– untuk melakukan keduanya (estimate treatment effects and control for many covariates.)

New functions for dates and times

Stata 17 menambahkan fungsi baru yang mengatur waktu dan tanggal (dates and times) pada Stata dan Mata. Fungsi baru ini bisa dikategorikan menjadi:

Datetime durations: untuk mendapatkan durasi seperti umur.
Relative dates: untuk menghasilkan tanggal berdasarkan tanggal lainnya seperti tanggal ulang tahun berikutnya.
Datetime components: untuk mengekstrak komponen berbeda dari datetime value

Leave-one-out meta-analysis

Sekarang anda bisa melakukan leave-one-out meta-analysis dengan menggunakan leaveoneout dengan –meta summarise– dan –meta forestplot-. Leave-one-out meta-analysis melakukan multiple meta-analyses tidak termasuk (exclude one study) pada setiap analisa. Biasanya penelitian menghasilkan efek yang berlebihan (overall effect-size), yang dapat merusak hasil keseluruhan.

Leave-one-out meta-analysis berguna untuk infestigasi atau menyelidiki pengaruh dari efek yang berlebihan tersebut.

Galbraith plots

Command baru –meta galbraithplot– menghasilkan Galbraith plots untuk meta-analysis. Plot ini berguna untuk menilai heterogenitas (heterogeneity) dari penelitian dan mengidentifikasi potensial pencilan. Commannd ini juga bisa digunakan sebagai alternaif dari forest plot untuk membuat ringkasan hasil meta-analysis ketika menggunakan beberapa penelitian.

Panel-data multinomial logit model

Command baru –xtmlogit– fits panel-data multinomial logit (MNL) models untuk hasil kategoris (categorical) yang diamati dari waktu ke waktu.

Bayesian longitudinal / panel-data models

Random-effects panel-data atau longitudinal models dengan menggunakan –xtreg– untuk hasil yang berkelanjutan , –xtlogit– atau –xtprobit– untuk hasil biner, –xtologit– atau –xtoprobit– untuk hasil ordinal, dan lainnya. Di Stata 17, dengan mudah anda bisa menggunakan bayes untuk mengunakan versi Bayesian ini.

Zero-inflated ordered logit model

Command baru –ziologit– untuk zero-inflated ordered logistic regression models. Model ini digunakan ketika data menunjukkan pecahan pengamatan yang lebih tinggi dalam kategori terendah yang diharpakan dari model logistik standar (standard ordered logistic model).

Nonparametric tests for trend

–nptrend– command mendukung anda untuk bisa melakukan empat penelitian pada satu grup. Anda bisa memilih antara Cochran–Armitage test, Jonckheere–Terpstra test, linear-by-linear trend test, dan Cuzick test using ranks. Tiga pilihan pertama merupakan hal baru, pilihan ke empat sudah bisa dilakukan dengan command nptrend sebelumnya.

Bayesian IRF and FEVD analysis

Impulse–response functions (IRFs), dynamic-multiplier functions, dan forecast-error variance decompositions (FEVDs) adalah sesuatu yang umumnya digunakan untuk menggambarkan hasil dari multivariate time-series models seperti VAR models. VAR models memiliki banyak parameter, yang mungkin sulit ditafsirkan. IRFs dan fungsi lain mengkombinasikan efek dari banyak parameter menjadi satu ringkasan (per time period).

Bayesian dynamic forecasting

Perkiraan dinamis Bayes ini menghasilkan seluruh sampel nilai prediksi, bukan satu prediksi seperti dalam analisis klasik.

Lasso for clustered data

You can now account for clustered data in your lasso analysis. Ignoring clustering may lead to incorrect results in the presence of correlation between observations within the same cluster. With lasso commands for prediction such as –lasso– and –elasticnet-, you can specify the new cluster ({\it clustvar}) option. With lasso commands for inference such as poregress, you can specify the new –vce(cluster {\it clustvar})– option.

BIC for lasso penalty selection

Selection of a penalty parameter is fundamental to lasso analysis. Using a small penalty may include too many variables. Using a large penalty may omit potentially important variables. Lasso estimation already provides several penalty-selection methods, including cross-validation, adaptive, and plugin. You can now use the Bayesian information criterion (BIC) to select the penalty parameter after lasso for prediction and lasso for inference by specifying the selection(bic) option. Also, the new postestimation command bicplot plots the BIC values as a function of a penalty parameter after fitting a lasso model. This provides a convenient graphical representation for the value of the penalty parameter that minimises the BIC function.

Bayesian linear and nonlinear DSGE models

Sekarang anda bisa memuat Bayesian linear dan nonlinear dynamic stochastic general equilibrium (DSGE) models dengan menggunakan –dsge– dan –dsgenl– dengan –bayes:-.

Do-file Editor improvements: Bookmarks

Stata 17 membuat do fiile lebih mudah dengan bookmark. Bookmark digunakan untuk memberi tanda dan nantinya menavigasi ke sana kembali untuk memudahkan.

Do-file Editor improvements: Navigation control

Stata 17 juga menambahkan kontrol navigasi atau navigation control untuk membuat do-file lebih mudah. Dimana navigasi ini akan memperlihatkan daftar bookmark dan label nya. Ketika anda memilih pada kontrol navigasi maka secara otomatis anda akan dibawa ke bagian tersebut.

Stata on Apple Silicon

Stata 17 untuk Mac sekarang tersedia untuk Apple Silicon dan Mac dengan Intel Processors.

Intel Math Kernel Library (MKL)

Stata 17memperkanalkan penggunaan Intel Math Kernel Library (MKL) pada hardware tertentu (semua Intel- dan AMD-based 64-bit komputer), menyediakan LAPACK yang sudah di optimalkan.

LAPACK alias Linear Algebra PACKage

Java integration

Di Stata 17, sekarang anda bisa menjalankan dan embed kode Java langsung di Stata.

Anda bisa membuat dan menggunakan plugin Java pada versi Stata sebelumnya. Tetapi anda butuh compile kode tersebut dalam file Jar. Menjalankan Java pada do-file memberikan anda kebebasan untuk menjalankan kode Java terikat langsung dengan Stata. Sekarang anda bisa menulis Java pada do-files atau ado-files ataupun Java interactively (seperti JShell) dari dalam Stata.