Stata 19版新特征

强大的统计分析、可定制的可视化、简单的数据操作和自动化的可重复报告，所有这些都在一个完整的包中。
利用Stata 的最新功能，进一步研究。

通过 H2O 进行机器学习： 集成决策树	相关随机效应（CRE）模型	相关性的元分析
条件平均治疗效果（CATE）	贝叶斯引导法	Mundlak 规范检验
高维固定效应（HDFE）	控制函数线性和概率模型	Do-file 编辑器：自动完成、模板等
线性模型的贝叶斯变量选择	通过工具变量的 SVAR 模型	图形：条形图 CI、热图等
区间删失多事件Cox模型	工具变量局部投影IRF	表格：更轻松的制表、导出等
贝叶斯分位数回归	潜在类别模型-比较统计	多个数据集：修改一组帧
面板数据向量自回归（VAR）模型	贝叶斯非对称拉普拉斯模型	Stata 法语版
	对弱工具具有鲁棒性的推理	更多

通过 H2O 进行机器学习：集成决策树 当传统统计模型失效时，利用机器学习从数据中挖掘洞察。使用集成决策树（梯度提升机 (GBM) 和随机森林）进行回归或分类	条件平均治疗效果（CATE） 在因果分析中，除了评估整体治疗效果外，还要评估个体化和群体特异性的治疗效果。比较不同的干预措施和政策。探索治疗效果的异质性。	高维固定效应（HDFE） 在线性、固定效应线性和工具变量线性模型中吸收不仅一个而且多个高维分类变量，并享受显著的速度提升!
线性模型的贝叶斯变量选择 在线性回归中选择变量，并使用贝叶斯变量选择来解释变量选择的不确定性。选择全局-局部收缩或峰值-平板先验作为回归系数，并执行贝叶斯推断。	区间删失多事件Cox模型 需要分析多个事件（例如糖尿病和高血压的发病）的事件时间吗？不知道确切的事件时间？ 使用边际区间删失多事件 Cox 模型。	贝叶斯分位数回归 使用贝叶斯分位数回归获得分位数回归系数的完整后验分布，以进行全面推断，包括基于模型的“标准误差”。
面板数据向量自回归模型 当您观察多个单元或面板随时间的变化时，拟合面板数据向量自回归模型来分析相关变量的轨迹。	相关随机效应（CRE）模型 想要在面板数据模型中估计时不变协变量的系数吗？拟合一个相关系数 (RE) 模型。想要考虑协变量与未观测到的面板级效应之间的相关性吗？拟合一个有限元 (FE) 模型。两者兼顾？现在，有了xtreg和cre，您就可以拟合相关系数 (CRE) 模型了。	贝叶斯引导法 执行贝叶斯引导法 (Bayesian bootstrap) 可在小样本中获得更精确的参数估计，并在对观测值进行采样时纳入先验信息。可与官方命令或社区贡献的命令配合使用。
控制函数线性和概率模型 拟合包含连续型、二元型、分数型和计数型内生变量的控制函数线性模型和概率模型。轻松检验内生性。	图形：条形图 CI、热图… 享受令人兴奋的新图形功能，例如热图、尖峰和封顶尖峰范围图、带有 CI 的条形图等等！	通过工具变量的 SVAR 模型 使用工具而不是短期约束来估计动态因果效应。
工具变量局部投影IRF 在使用局部预测估计动态因果效应时，要考虑内生性。	潜在类别模型-比较统计 轻松比较不同数量的潜在类别模型。构建并导出可发表的模型比较表。	相关性的元分析 像对双样本均值和比例进行元分析一样，对相关性进行元分析。使用所有标准功能，例如森林图和亚组分析。
对弱工具具有鲁棒性的推理 你的工具变量回归模型中是否存在弱工具变量？使用对弱工具变量稳健的假设检验，可以对内生回归变量进行可靠的推断。	Mundlak 规范检验 使用 Mundlak 规范检验在随机效应和固定效应或相关随机效应模型之间进行选择，即使具有聚类稳健、引导或刀切式标准误差。	贝叶斯非对称拉普拉斯模型 通过拟合贝叶斯同步、多级和非线性分位数回归模型，超越经典分位数回归。
多个数据集：修改一组帧 如果您使用内存或框架中的多个数据集，则现在可以修改框架集文件而无需将其加载到内存中：向其中添加内存中的框架或从中删除框架。	Do-file 编辑器：自动完成、模板… 导航面板、文件模板、代码折叠改进、单词和选择突出显示、更多自动完成、临时书签等等。	表格：更简单的制表、导出… 创建表格，自定义标题和注释，并导出，只需一个命令。轻松收集和自定义关联度量表、调查数据表和方差分析表。
Stata 法语版 Stata 的所有界面（所有菜单和所有对话框）现在均提供法语版本，此外还有英语、中文、日语、韩语、西班牙语和瑞典语版本。	更多 还有更多。查看Stata 19 的所有新功能。