2019年6月26日，Stata 公司正式宣布 Stata 16上線啦！或許計量小伙伴們還沒把 Stata 15捂熱，而 Stata 16已經(jīng)悄然襲來。大數(shù)據(jù)時代，知識加速迭代，Stata 公司加快了步伐，我們也要跟上啊……

全新的 Stata 16 給我們帶來了怎樣的驚喜呢？

總結(jié)起來，Stata 16 主要有以下兩方面的重大升級。首先，Stata 在大數(shù)據(jù)時代的華麗轉(zhuǎn)身，與大數(shù)據(jù)相關(guān)的功能突飛猛進。其次，Stata 繼續(xù)深耕計量經(jīng)濟學(xué)的經(jīng)典與前沿方法。讓我們一起來看看吧。

Stata 16 在大數(shù)據(jù)時代的華麗轉(zhuǎn)身

眾所周知，大數(shù)據(jù)（big data）的特點可用 4V 來概括，即數(shù)據(jù)規(guī)模龐大（Volume）、數(shù)據(jù)更新頻繁（Velocity）、數(shù)據(jù)類型多樣（Variety）和數(shù)據(jù)價值巨大（Value）。Stata 16的以下新模塊與功能更新均與此 4V有關(guān)。

Lasso

作為大數(shù)據(jù)Volume的一種重要形式，“高維數(shù)據(jù)”（high-dimensional data）在經(jīng)管與社科中也越來越多地出現(xiàn)，即解釋變量很多，甚至超過樣本容量的情形。Lasso (Least Absolute Shrinkage and Selection Operator，也稱“套索估計量”)及其衍生的系列估計量正是進行高維回歸的主要工具。

為此，Stata 16及時地推出了Lasso系列的官方命令，包括lasso, elasticnet（彈性網(wǎng)）與 sqrtlasso（平方根Lasso），可估計線性回歸模型（比如 lasso linear）、二值選擇模型（比如，lasso logit 與 lasso probit）、計數(shù)模型（比如，lasso poisson）等。

Lasso 系列的估計量通常使用懲罰回歸（penalized regressions）來處理高維數(shù)據(jù)，以避免“過擬合”（overfit）與“方差爆炸”（variance explosion），并進行“變量選擇”（variable selection）。這些懲罰回歸對于回歸系數(shù)過大的懲罰力度則一般由調(diào)節(jié)參數(shù)（tuning parameter）或 L1范數(shù)（L1 norm）來控制。

使用 Stata 16的Lasso命令，可以很方便地計算回歸系數(shù)的整個路徑（coefficient paths），作為調(diào)節(jié)參數(shù)  或 L1范數(shù)的函數(shù)；并根據(jù)“交叉驗證”（cross-validation）選擇最優(yōu)的調(diào)節(jié)參數(shù)  ，參見下圖。 

不僅如此，Stata 16 官方命令還提供了 Lasso 系列相應(yīng)的統(tǒng)計推斷方法，比如計算標準誤、置信區(qū)間，或進行假設(shè)檢驗。這些統(tǒng)計推斷方法包括“double-selection lasso”（比如，dsregress，dslogit，dspoisson），“partialling-out lasso”（比如，poregress，pologit，popoisson），以及“cross-fit partialing out lasso”（比如，xporegress，xpologit，xpopoisson）。

Multiple Datasets in Memory

在大數(shù)據(jù)時代，學(xué)界與業(yè)界越來越需要在內(nèi)存中同時處理多個數(shù)據(jù)集。在此前的 Stata 版本中，Stata 內(nèi)存只能有一個數(shù)據(jù)集。這種設(shè)置雖簡便易行，在小數(shù)據(jù)時代也基本夠用，但在大數(shù)據(jù)時代，由于數(shù)據(jù)的來源 Variety 多樣，已成為應(yīng)用的瓶頸。

因此，Stata 16 適時地推出在內(nèi)存內(nèi)同時調(diào)用多達100個數(shù)據(jù)集的重要功能。比如，你可以很方便地根據(jù)內(nèi)存中多個數(shù)據(jù)集的信息來定義一個新的變量。哇！

Python Integration

隨著機器學(xué)習與數(shù)據(jù)科學(xué)的興起，Python 無疑是最炙手可熱的編程語言之一。為此，Stata 16 專門提供了一個與 Python 的接口，讓用戶可以在熟悉的 Stata 界面下調(diào)用 Python，并在 Stata 中顯示運行結(jié)果。

比如，此前的 Stata 版本無法畫三維立體圖，而在Stata 16中，通過調(diào)用Python 的 Matplotlib 則不難實現(xiàn)（參見下圖）。 

這也意味著，你可以在 Stata 中，通過 Python 接口，使用 Python 所擅長的各種機器學(xué)習方法，包括隨機森林、梯度提升、支持向量機、神經(jīng)網(wǎng)絡(luò)等！

Do-file Editor -- Autocompletion and More Syntax Highlighting

在大數(shù)據(jù)時代，編程越來越成為一種基本技能，而不再是“碼農(nóng)”專屬。在 Stata 中編程，無疑需要一個很好的 do 文件編輯器（Do-file Editor）。

讓人驚喜的是，Stata 16 的 do 文件編輯器的性能也有了大幅提升，包括 Stata 命令的自動填寫完成（autocompletion），以及更多語法高亮顯示（syntax highlighting），這無疑將為 Stata 編程提供很大便利。

Meta-Analysis

隨著大數(shù)據(jù)時代的數(shù)據(jù)來源 Variety 越來越多，使得我們時常需要將不同來源的樣本數(shù)據(jù)之研究結(jié)果整合在一起，即所謂“元分析”（Meta-Analysis）。為此，Stata 16 提供了全新的 Meta-Analysis 模塊，使得元分析變得十分方便、快捷而高效，并輔之以強大的可視化功能（參見下圖）。

Reporting

由于大數(shù)據(jù)的更新頻繁特點（Velocity），使得數(shù)據(jù)分析經(jīng)常需要重復(fù)進行，使用更新的數(shù)據(jù)。此時，研究報告的可重復(fù)性（Reproducibility）就變得日益重要，即保證任何人只要運行你的 Stata 程序即可得到完全一樣的研究報告。這些研究報告的格式可以是 Word，PDF，Excel 或 HTML（參見下圖）。

而且，當你的數(shù)據(jù)集更新之后，再運行一遍你的 Stata，則你的研究報告也會相應(yīng)地自動更新！Stata 16 新引入或完善的相關(guān)命令包括 dyndoc，markdown，putdocx，html2docx，doc2pdf。

小貼士：還在發(fā)愁如何將 Word 文件轉(zhuǎn)化為 PDF 格式？Stata 16 的 doc2pdf 命令就能幫你搞定啦！

Import Data from SAS and SPSS

如果你有數(shù)據(jù)在 SAS 或 SPSS 中，想要導(dǎo)入 Stata 以利用其強大的統(tǒng)計與計量功能，Stata 16 貼心地提供了專門的新命令 import sas 與 import spss，使得這種數(shù)據(jù)遷移變得十分方便與快捷，參見下圖。

Stata 16 深耕計量經(jīng)濟學(xué)的經(jīng)典與前沿方法

Nonparametric Series Regression

序列回歸（series regression）是非參數(shù)回歸（nonparametric regression）的一種重要方法。它使用多項式（polynomials）、B-樣條（B-splines）或樣條（splines）所構(gòu)成的序列來近似逼近任意的未知回歸函數(shù)。

Stata 16 全新推出的命令 npregress series 填補了 Stata 在非參數(shù)回歸領(lǐng)域的又一空白，使得非參數(shù)序列回歸變得方便而高效；比如，計算平均邊際效應(yīng)（average marginal effects）。命令 npregress series 甚至可以估計“半?yún)?shù)模型”（semi-parametric model），即同時包含參數(shù)與非參數(shù)部分的模型。

Choice Models

對于微觀計量中常用的“離散選擇模型”（discrete choice models），Stata 16 專門設(shè)立了一個“選擇模型”（Choice Models）的模塊。在估計選擇模型之前，你先通過命令 cmset 來宣布你的數(shù)據(jù)為選擇模型，然后可用命令 cmsummarize，cmchoiceset，cmtab 或 cmsample 來考察你的選擇模型。

估計選擇模型的相應(yīng) Stata 命令也統(tǒng)一帶上了 cm 的前綴，比如

cmclogit：conditional logit model

cmmixlogit：mixed logit model

cmxtmixlogit：panel-data mixed logitmodel

cmmprobit：multinomial probitmodel

cmroprobit：rank-ordered probitmodel

cmrologit：rank-ordered logitmodel

其中，cmxtmixlogit 是 Stata 16的全新命令，用于估計面板數(shù)據(jù)的混合邏輯模型（mixed logit models for panel data）。

Panel-data ERMs

Stata 15 推出了 ERM（Extended Regression Models）模塊，可以處理同時出現(xiàn)“內(nèi)生性”（endogeneity）、“樣本選擇”（sample selection）與“處理效應(yīng)”（treatment）這三種并發(fā)癥的情形，或三者的任意組合，非常靈活實用。Stata 16 則將ERMs 推廣到了面板數(shù)據(jù)中，新引入了xtegress，xteintreg，xteprobit，xteoprobit 等強大命令。

New in Bayesian Analysis

Stata 16 的“貝葉斯分析”（Bayesian Analysis）模塊也有了不少新功能。比如，可使用多個馬爾科夫鏈（multiple chains）來檢驗現(xiàn)代貝葉斯分析所依賴的馬爾科夫鏈蒙特卡洛（Markov China Monte Carlo）是否收斂；以及使用后驗分布（posterior distribution）進行“貝葉斯預(yù)測”（Bayesian predictions），參見下圖。

Nonlinear DSGE Models

繼 Stata 15 推出估計線性 DSGE 模型的命令 dsge 之后，Stata 16 更上一層樓，可以通過命令 dsgenl 來估計非線性 DSGE 模型。

使用命令dsgenl，無須再手工將 DSGE 模型線性化，直接輸入非線性的 DSGE 模型，Stata 即會自動地對它進行線性化與估計。這無疑是宏觀經(jīng)濟學(xué)者的福音?。?/span>

xtheckman

Stata 16新推出的命令 xtheckman，使得 Heckman 的樣本選擇模型（sample model）也可以在面板數(shù)據(jù)中估計啦！

總之，Stata 16 是一次很令人激動的重大升級。Stata 16 的及時推出，意味著 Stata 在大數(shù)據(jù)時代的華麗轉(zhuǎn)身，而同時又繼續(xù)深耕計量經(jīng)濟學(xué)的經(jīng)典與前沿方法。在可預(yù)見的將來，Stata 依然會是經(jīng)濟學(xué)家最常用的計量與統(tǒng)計軟件。