Stata各系列版本区别

 Stata/SE, Stata/IC和Small Stata主要的区别在于每个版本能够分析的数据集大小。
 Stata/MP : 是一个拥有并行处理能力，适合双核、多核、多处理器计算机的Stata版本，允许数据集最多可达12万个变量。
 Stata/SE : 适合大数据集的Stata版本，允许数据集最多可达32,767个变量。
 Stata/IC : Stata标准版本，允许多达2,048个变量的数据集。

Product features	Stata/IC	Stata/SE	Stata/MP
Maximum number of variables Maximum number of columns/fields allowed in your dataset.	2,048	32,767	120,000
Maximum number of observations Maximum number of rows/records in your dataset. Stata/MP holds up to 20 billion observations given the current largest computer, and is ready for more once computer hardware catches up.	2.14 billion	2.14 billion	Up to 20 billion
Maximum number of independent variables Maximum number of explanatory variables allowed in a model. In the linear regression case, the maximum number of regressors.	798	10,998	10,998
Multicore support Stata/MP: The fastest version of Stata (for dual-core and multicore computers) that can also analyze more data than any other flavor of Stata. Time to run logistic regression with 5 million obs and 10 covariates	1-core 10.0 sec	1-core 10.0 sec	2-core 4-core 4+ 5.0 sec 2.6 sec Even faster
Complete suite of statistical features
Publication-quality graphics
Matrix programming language
Complete PDF documentation Over 14,000 pages of documentation, including fully worked examples and methods and formulas.
Exceptional technical support
Includes within-release updates
64-bit version available
Windows, macOS, and Linux All Stata licenses run on all three platforms.

Stata 15 in Chinese 中文版介绍

       Stata功能非常强大，具有操作灵活、简单、易学易用、运行速度极快等优点。通过STATA可以进行各种预测，包括线性预测、非线性预测、动态预测等；或者对参数和模型进行各种检验，比如似然比、Hausman检验、Granger因果检验、嵌套Cox检验等。除了STATA内设的OLS、GLS、NLS、ML、TSLS、GMM等估计方法之外，用户还可以自己设定似然估值函数进行NLS、ML估计和GMM估计，或者利用MATA的最优化模块进行数值最优化或者模型最优化。查看详情

Stata 15新功能

玩转Stata 15 新版本：（点击以下标题跳转爬虫俱乐部推文）

《玩转Stata15之fred数据的读取》
《玩转stata15—putdocx生成word文档》
《玩转Stata15—Stata15的几个细节》
《玩转stata15—putdocx导入图表》
《玩转Stata15—putdocx append将它们粘起来！》
《putdocx+wordconvert—将实证结果输出到Word（.docx）文档》
《玩转stata15——图片透明了！》
《Stata 15之Markdown——没有做不到，只有想不到！》
《使用putdocx输出list的结果》
《Putdocx输出list结果（二）》
《命令sum2docx输出统计量表到docx文件》
《用reg2docx报告你的实证结果吧！》
《在stata中如何实现tex文档到pdf的转换》

       更多推文持续更新中~

软件功能

一、统计功能

       Stata 的统计功能十分强大，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。Stata 具有如下详细的统计分析能力：

统计分析能力	能力介绍
数值变量资料的一般分析	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，变量变换等。
分类资料的一般分析	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。
等级资料的一般分析	秩变换，秩和检验，秩相关等。
相关与回归分析	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。
其他方法	质量控制，整群抽样的设计效率，诊断试验评价， kappa 等。

二、作图功能

       Stata 的作图模块，15版本增加了多个新图形制作:

条形图 (Bar charts)	箱线图 (Box plots)	直方图 (Histograms)	穗地块 (Spike plots)
饼图 (Pie charts)	散点图矩阵(Scatterplot matrices)	点图 (Dot charts)	线型图 (Line charts)
面积图 (Area charts)	双向图 (Two-way scatterplots)	填充和轮廓等高线图 (Filled and outlined contour plots)

       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，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。

三、矩阵运算功能

       矩阵代数是多元统计分析的重要工具， Stata 提供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；还提供了一些高级运算，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，还提供了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。

四、程序设计功能

       Stata 是一个统计分析软件，但它也具有很强的程序语言功能，这给用户提供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。Stata 的 ado 文件 ( 高级统计部分 ) 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。

五、功能列表

功能名称	功能介绍
线性模型 (Linear models)	regression   •   censored outcomes   •   endogenous regressors   •   bootstrap, jackknife, and robust and cluster–robust variance   •   instrumental variables   •   three-stage least squares   •   constraints   •   quantile regression   •   GLS   •   more
面板/纵向数据 (Panel/longitudinal data)	random and fixed effects with robust standard errors   •   linear mixed models   •   random-effects probit   •   GEE   •   random- and fixed-effects Poisson   •   dynamic panel-data models   •   instrumental variables   •   panel unit-root tests   •   more
多级混合效应模型 (Multilevel mixed-effects models)	continuous, binary, count, and survival outcomes   •   two-, three-, and higher-level models   •   generalized linear models   •   nonlinear models   •   random intercepts   •   random slopes   •   crossed random effects   •   BLUPs of effects and fitted values   •   hierarchical models   •   residual error structures   •   DDF adjustments   •   support for survey data   •   more
二进制、计数和有限结果 (Binary, count, and limited outcomes)	logistic, probit, tobit   •   Poisson and negative binomial   •   conditional, multinomial, nested, ordered, rank-ordered, and stereotype logistic   •   multinomial probit   •   zero-inflated and left-truncated count models   •   selection models   •   marginal effects   •   more
扩展回归模型（ERMs） (Extended regression models (ERMs))	combine endogenous covariates, sample selection, and nonrandom treatment in models for continuous, interval-censored, binary, and ordinal outcomes   •   more
广义线性模型（GLMs） (Generalized linear models (GLMs))	ten link functions   •   user-defined links   •   seven distributions   •   ML and IRLS estimation   •   nine variance estimators   •   seven residuals   •   more
有限混合模型（FMMs） (Finite mixture models (FMMs))	fmm: prefix for 17 estimators   •   mixtures of a single estimator   •   mixtures combining multiple estimators or distributions   •   continuous, binary, count, ordinal, categorical, censored, truncated, and survival outcomes   •   more
空间自回归模型 (Spatial autoregressive models)	spatial lags of dependent variable, independent variables, and autoregressive errors   •   fixed and random effects in panel data   •   endogenous covariates   •   analyze spillover effects   •   more
方差分析/多变量方差分析 (ANOVA/MANOVA)	balanced and unbalanced designs   •   factorial, nested, and mixed designs   •   repeated measures   •   marginal means   •   contrasts   •   more
精确统计 (Exact statistics)	exact logistic and Poisson regression   •   exact case–control statistics   •   binomial tests   •   Fisher’s exact test for r × c tables   •   more
线性动态随机一般均衡模型 (Linearized DSGE models)	specify models algebraically   •   solve models   •   estimate parameters   •   identification diagnostics   •   policy and transition matrices   •   IRFs   •   dynamic forecasts   •   more
测试、预测和结果 (Tests, predictions, and effects)	Wald tests   •   LR tests   •   linear and nonlinear combinations   •   predictions and generalized predictions   •   marginal means   •   least-squares means   •   adjusted means   •   marginal and partial effects   •   forecast models   •   Hausman tests   •   more
差异、成对比较和差数 (Contrasts, pairwise comparisons, and margins)	compare means, intercepts, or slopes   •   compare with reference category, adjacent category, grand mean, etc.   •   orthogonal polynomials   •   multiple-comparison adjustments   •   graph estimated means and contrasts   •   interaction plots   •   more
简单最大概似法 (Simple maximum likelihood)	specify likelihood using simple expressions   •   no programming required   •   survey data   •   standard, robust, bootstrap, and jackknife SEs   •   matrix estimators   •   more
可编程最大概似法 (Programmable maximum likelihood)	user-specified functions   •   NR, DFP, BFGS, BHHH   •   OIM, OPG, robust, bootstrap, and jackknife SEs   •   Wald tests   •   survey data   •   numeric or analytic derivatives   •   more
再抽样及模拟方法 (Resampling and simulation methods)	bootstrap   •   jackknife   •   Monte Carlo simulation   •   permutation tests   •   more
时间序列 (Time series)	ARIMA   •   ARFIMA   •   ARCH/GARCH   •   VAR   •   VECM   •   multivariate GARCH   •   unobserved-components model   •   dynamic factors   •   state-space models   •   Markov-switching models   •   business calendars   •   tests for structural breaks   •   threshold regression   •   forecasts   •   impulse–response functions   •   unit-root tests   •   filters and smoothers   •   rolling and recursive estimation   •   more
生存分析 (Survival analysis)	Kaplan–Meier and Nelson–Aalen estimators,   •   Cox regression (frailty)   •   parametric models (frailty, random effects)   •   competing risks   •   hazards   •   time-varying covariates   •   left-, right-, and interval-censoring   •   Weibull, exponential, and Gompertz models   •   more
贝叶斯分析 (Bayesian analysis)	thousands of built-in models   •   univariate and multivariate models   •   linear and nonlinear models   •   multilevel models   •   continuous, binary, ordinal, and count outcomes   •   bayes: prefix for 45 estimation commands   •   continuous univariate, multivariate, and discrete priors   •   add your own models   •   convergence diagnostics   •   posterior summaries   •   hypothesis testing   •   model comparison   •   more
功效和样本大小 (Power and sample size)	power   •   sample size   •   effect size   •   minimum detectable effect   •   means   •   proportions   •   variances   •   correlations   •   ANOVA   •   regression   •   cluster randomized designs   •   case–control studies   •   cohort studies   •   contingency tables   •   survival analysis   •   balanced or unbalanced designs   •   results in tables or graphs   •   more
治疗效果/因果推断 (Treatment effects/Causal inference)	inverse probability weight (IPW)   •   doubly robust methods   •   propensity-score matching   •   regression adjustment   •   covariate matching   •   multilevel treatments   •   endogenous treatments   •   average treatment effects (ATEs)   •   ATEs on the treated (ATETs)   •   potential-outcome means (POMs)   •   continuous, binary, count, fractional, and survival outcomes   •   more
结构方程模型（SEM） (SEM (structural equation modeling))	graphical path diagram builder   •   standardized and unstandardized estimates   •   modification indices   •   direct and indirect effects   •   continuous, binary, count, ordinal, and survival outcomes   •   multilevel models   •   random slopes and intercepts   •   factor scores, empirical Bayes, and other predictions   •   groups and tests of invariance   •   goodness of fit   •   handles MAR data by FIML   •   correlated data   •   survey data   •   more
潜伏组分析 (Latent class analysis)	binary, ordinal, continuous, count, categorical, fractional, and survival items   •   add covariates to model class membership   •   combine with SEM path models   •   expected class proportions   •   goodness of fit   •   predictions of class membership   •   more
多重估算 (Multiple imputation)	nine univariate imputation methods   •   multivariate normal imputation   •   chained equations   •   explore pattern of missingness   •   manage imputed datasets   •   fit model and pool results   •   transform parameters   •   joint tests of parameter estimates   •   predictions   •   more
调查方法 (Survey methods)	multistage designs   •   bootstrap, BRR, jackknife, linearized, and SDR variance estimation   •   poststratification   •   DEFF   •   predictive margins   •   means, proportions, ratios, totals   •   summary tables   •   almost all estimators supported   •   more
聚类分析 (Cluster analysis)	hierarchical clustering   •   kmeans and kmedian nonhierarchical clustering   •   dendrograms   •   stopping rules   •   user-extensible analyses   •   more
项目反应理论（IRT） (IRT (item response theory))	binary (1PL, 2PL, 3PL), ordinal, and categorical response models   •   item characteristic curves   •   test characteristic curves   •   item information functions   •   test information functions   •   differential item functioning (DIF)   •   more
多变量方法 (Multivariate methods)	factor analysis   •   principal components   •   discriminant analysis   •   rotation   •   multidimensional scaling   •   Procrustean analysis   •   correspondence analysis   •   biplots   •   dendrograms   •   user-extensible analyses   •   more
数据[资料]管理 (Data management)	data transformations   •   match-merge   •   import/export data   •   ODBC   •   SQL   •   Unicode   •   by-group processing   •   append files   •   sort   •   row–column transposition   •   labeling   •   save results   •   more
绘图 (Graphics)	lines   •   bars   •   areas   •   ranges   •   contours   •   confidence intervals   •   interaction plots   •   survival plots   •   publication quality   •   customize anything   •   Graph Editor   •   more
图形用户界面 (Graphical user interface)	menus and dialogs for all features   •   Data Editor   •   Variables Manager   •   Graph Editor   •   Project Manager   •   Do-file Editor   •   Clipboard Preview Tool   •   multiple preference sets   •   more
参考资料 (Documentation)	27 manuals   •   14,000+ pages   •   seamless navigation   •   thousands of worked examples   •   quick starts   •   methods and formulas   •   references   •   more
基本统计 (Basic statistics)	summaries   •   cross-tabulations   •   correlations   •   z and t tests   •   equality-of-variance tests   •   tests of proportions   •   confidence intervals   •   factor variables   •   more
非参数方法 (Nonparametric methods)	nonparametric regression   •   Wilcoxon–Mann–Whitney, Wilcoxon signed ranks, and Kruskal–Wallis tests   •   Spearman and Kendall correlations   •   Kolmogorov–Smirnov tests   •   exact binomial CIs   •   survival data   •   ROC analysis   •   smoothing   •   bootstrapping   •   more
流行病学 (Epidemiology)	standardization of rates   •   case–control   •   cohort   •   matched case–control   •   Mantel–Haenszel   •   pharmacokinetics   •   ROC analysis   •   ICD-10   •   more
GMM与非线性回归 (GMM and nonlinear regression)	generalized method of moments (GMM)   •   nonlinear regression   •   more
其他统计方法 (Other statistical methods)	kappa measure of interrater agreement   •   Cronbach's alpha   •   stepwise regression   •   tests of normality   •   more
函数 (Functions)	statistical   •   random-number   •   mathematical   •   string   •   date and time   •   more
互联网功能 (Internet capabilities)	ability to install new commands   •   web updating   •   web file sharing   •   latest Stata news   •   more
用户编写的命令 (User-written commands)	user-written commands for meta-analysis, data management, survival, econometrics, more
编程特点 (Programming features)	adding new commands   •   command scripting   •   object-oriented programming   •   menu and dialog-box programming   •   dynamic documents   •   Markdown   •   Project Manager   •   plugins   •   more
矩阵编程-Mata (Matrix programming—Mata)	interactive sessions   •   large-scale development projects   •   optimization   •   matrix inversions   •   decompositions   •   eigenvalues and eigenvectors   •   LAPACK engine   •   real and complex numbers   •   string matrices   •   interface to Stata datasets and matrices   •   numerical derivatives   •   object-oriented programming   •   more
嵌入式统计计算 (Embedded statistical computations)	Numerics by Stata

软件安装

系统要求

Stata for Windows
Windows 10 *
Windows 8 *
Windows 7 *
Windows Vista *
Windows Server 2016, 2012, 2008, 2003 *
* 64-bit and 32-bit Windows varieties for x86-64 and x86 processors made by Intel® and AMD

Stata for Mac
Stata for macOS requires 64-bit Intel® processors (Core™2 Duo or better) running macOS 10.9 or newer

Stata for Linux
Any 64-bit (x86-64 or compatible) or 32-bit (x86 or compatible) running Linux
For xstata, you need to have GTK 2.24 installed

Hardware requirements

Package	Memory	Disk space
Stata/MP	4GB	1GB
Stata/SE	2GB	1GB
Stata/IC	1GB	1GB

为顺应大数据时代要求，自开展Stata培训以来，我司通过活动路演、创新讲座、在线课程、线下培训等系列活动已经在全国开展了包含Stata应用方法、统计分析、文本分析、数据分析、数据清洗、Stata、cURL交互与网络爬虫、内生性问题的方法及进展、Stata编程与Mata运算、Stata编程技术与爬虫、Stata自动化报告与可重复研究、计量经济方法及Stata应用等学习活动，有近千余名师生及业界爱好者参与了学习。通过此类学习活动极大的加强了大数据分析人才的理论和实践能力。推进了大数据人才培养，以及学术成果的转化，为大数据分析领域发展做出了贡献。我司希望通过每年一届的Stata中国用户大会，深度推进国内青年学者学习热情，提升高校学术交流氛围，整合学界及业内的大量资源，进一步提高数据分析能力和科学决策的水平。

2017-2018 China Stata Users' Conference 大会资源免费奉送，关注Stata的小伙半们抓紧时间领取咯！

第一届Stata中国用户大会概况

2017年“第一届Stata中国用户大会”（2017China Stata Users' Conference）是由北京友万信息科技有限公司和爬虫俱乐部，联合StataCorp LLC发起第一届Stata中国用户大会。首届Stata用户会议的宗旨是“沟通和合作”，我们希望通过定期举办Stata用户会议，形成中国用户之间的技术、经验交流平台；建立和Stata原厂的沟通机制，反映中国用户遇到的问题，让未来的Stata版本更多地反映中国用户的愿望；建立学界与企业界之间的沟通和联系，让Stata用户有更多的机会服务于企业界；打造数据分析领域的高端智库，服务于我国的大数据事业。

会议主题:Retrieving data from website, Cloud oriented empirical analysis, Using Chinese in Stata

演讲主题	演讲人
《Stata 15 新版本发布及新功能研讨》	彭华    StataCorp LP 软件工程总监
《内生性问题：方法及进展》	连玉君    中山大学
《putdocx与格式化输出》	李春涛    中南财经政法大学
《unicode与中文编码》	彭华    StataCorp LP 软件工程总监
《Stata函数》	彭华    StataCorp LP 软件工程总监
《Subinfile,网页源代码分析的神器》	薛原    爬虫俱乐部
《Stata自动化报告与可重复研究》	陈堰平    雪晴数据网
《分词与情感分析》	薛原    爬虫俱乐部
《文本分析在量化文史学研究中的应用—以<唐书>与<红楼梦>为例》	俞俊利    上海交通大学
《Stata、cURL交互与网络爬虫：以微博API为例》	彭文威    香港科技大学
《Stata数据清洗常用技巧》	彭文威    香港科技大学
《Econometric convergence test and club clustering using Stata》	杜克锐    山东大学

—> 前往下载大会资源

第二届Stata中国用户大会概况

2018年“第二届Stata中国用户大会”（2018China Stata Users' Conference）是由北京友万信息科技有限公司（简称：友万科技）主办，顺德职业技术学院承办的聚焦Stata应用与技术落地的盛会。会议核心内容将围绕计量经济方法及应用方向展开广泛的国际学术交流，内容覆盖经济学、金融学、会计学、计算语言学、新闻学、政治学、历史学、医药卫生等微观和宏观计量分析的热门应用领域。今年大会的主题是“Econometric Analysis Method and Application” 秉承“开放协作、技术共享”的宗旨，面对面真诚聆听用户的声音。致力于为业界带来最新技术、行业应用案例展示与最佳实践单元。

会议主题:Econometric Analysis Method and Application

演讲主题	演讲人
《大数据、高维回归与Stata》	陈强    山东大学
《Spatial autoregressive models using Stata》	Di Liu     StataCorp
《政策评估与因果推断：Stata应用概述》	王群勇    南开大学
《断点回归》	连玉君    中山大学
《回归分析集成输出解决方案》	李春涛    华中科技大学
《内含资本成本的计算》	顾俊    深圳大学
《样本选择问题与处理》	王群勇    南开大学
《DSGE在Stata中的应用》	许文立    安徽大学
《Report generation with putdocx, putexcel, putpdf, and dyndoc》	Hua Peng     StataCorp

—> 前往下载大会资源

活动起源

自开展Stata培训以来，友万科技已经在全国开展了包含Stata应用方法、统计分析、文本分析、数据分析、数据清洗、Stata、cURL交互与网络爬虫、内生性问题的方法及进展、Stata编程与Mata运算、Stata编程技术与爬虫、Stata自动化报告与可重复研究、计量经济方法及Stata应用等学习活动，有近千余名师生及业界爱好者参与了学习。通过此类学习活动极大的加强了大数据分析人才的理论和实践能力。推进了大数据人才培养，以及学术成果的转化，为大数据分析领域发展做出了贡献。在此期间，学者们多有反映因地域、距离、时间、交通、差旅等原因而影响学习质量和学习效率，为解决这一难题，也为进一步推广大数据分析人才培养的宽度和广度，自2018年起，友万科技开启了系列“Stata校园行活动”。

活动介绍

“Stata校园行活动”是为了促进Stata软件的应用、提高学员的学习质量和学习效率、推进大数据分析人才培养的宽度和广度，而开展的高校线下学习活动。内容覆盖经济学、金融学、会计学、计算语言学、新闻学、政治学、历史学、医药卫生等微观和宏观计量分析的热门应用领域。主旨顺应大数据时代要求，通过活动路演、创新讲座等系列活动的举办，深度推进国内青年学者学习热情，提升高校学术交流氛围，整合学界及业内的大量资源，进一步提高数据分析能力和科学决策的水平。

—> 前往了解详情

最新书籍 查看更多原厂书籍

Stata Journal 期刊

Stata Journal为每季发行的期刊，包含了统计、资料分析、教学方法、有效地使用Stata语言及书籍回顾…等相关内容。 使用者亦可选择购买有兴趣的单篇文章。

ISI Web of Knowledge 的最新期刊引用报告,将Stata期刊列为社会科学数学方法类别期刊中的第四位，仅次于结构方程模型， 计量经济学和经济学与统计学评论。

点击了解更多相关期刊内容

Stata原厂相关链接

>>最终用户授权许可协议(EULA)

>>教学视频

>>在线培训
>>更多学习资源
>>官方博客