综述:为什么使用Stata?

Stata是一套完整的，集成的统计分析软件包，可以满足您用于数据分析，数据管理和图形的所有需要。

快速，准确和容易使用

带有点选式操作界面，直观的命令语法，和在线帮助，使Stata非常容易使用，快速而准确。所有的分析都能够重复和文档化，以用于发表和回顾。

广泛的统计分析能力组合

Stata把成百个统计工具放到您的指边，从高级的技术，比如带有frailty,动态面板数据(DPD)回归的幸存模型，广义评估方程式(GEE),多层混合模型，带样本选择的模型，ARCH，和带有复杂幸存样本的评估；对于标准模型，比如线性和广义线性模型(GLM)，带有计数和二元结果的回归，ANOVA/MANOVA,聚集分析，比率标准化，案例控制分析，基本表格和汇总统计。

完整的数据管理工具

Stata的数据管理命令让您可以完整对所有类型的数据进行控制;;您能够组合和重新规划数据集，管理变量，和跨组或重复搜集统计信息。您能够处理字节型，整数型，长整型，浮点型，双字节型和字符型变量。Stata同样也拥有管理特殊数据，比如幸存/连续数据，时间序列数据，面板/longitudinal数据，分类数据和调查数据。

出版级质量的图形

Stata能很容易的生成出版级质量，清晰风格的图形，包括回归拟合图形，分布图形，时间序列图形和幸存图。通过完整的图形编辑器，您可以点击修改图形上的任意部分或添加标题，注释，线条，箭头和文本。

您可以选择已有的图形样式，或创建您自己的样式。

响应和扩展

Stata是可编程的，每天开发人员和使用者都在增加新的功能来响应当今研究者日益增长的需要。通过Stata的Internet功能，新的特征和官方更新只需点击一下就能够通过Internet来下载和安装。许多新的特征和信息文章每季度通过Stata Journal定期发布。另外一个很重要的资源就是Statalist，这是一个第三方讨论邮件列表，每月都有超过2800个Stata用户在交换超过1000个邮件和50个程序。

矩阵编程-Mata

尽管您不需要通过编程来使用Stata，但您听到一个快速和完整的矩阵编程语言是Stata的一个重要部分时应该也会感到很高兴。Mata既是一个操作矩阵的交互式的环境，也是一个可用来编译和优化代码的完整的开发环境。它包括特殊的功能来处理面板数据，执行有关实时或复杂矩阵的操作，它完全集成到了Stata的各个方面。

交叉平台兼容

Stata适用Windows,Macintosh,和Unix平台计算机(包括Linux)。Stata数据集，程序和其它的数据能够跨平台共享，而不需要转换。

您同样可以快速而方便的从其它统计软件包，电子表单，数据库中导入数据集。

完整的文档和其它的出版物

Stata附带完整文档集，包括超过1800页的基本参考手册，包括计算公式，详细的示例，和统计文献参考等信息。我们的网站也是一个大型的Stata信息库，包括最经常问到的问题及答案。

您能够在季度Stata Journal中读到有关统计和Stata新特征的文档。Stata News是一份季度出版的包含新的版本和更新，NetCourse计划，新的书籍，用户组会议，新的产品和其它Stata用户感兴趣内容的公告。Stata Press同样也会出版关于使用Stata和适用专家级研究者的统计主题内容书籍。

技术支持和学习资源

技术支持对Stata注册用户免费。

Stata通过NetCourse提供在线培训。您能够在您的办公室里，家里，或学校里学习Stata；按您自己的进度学习；一个合理的费用。课程涵盖从开始使用到高级应用，编程和统计学。

经济实惠

Stata提供多种订购选项来满足您的需求和负担。请联系我们来获得有关不同版本和选项的报价。

功能特征

数据管理

数据转换，匹配-合并，导入/导出数据(支持直接导入Excel文件)，ODBC，XML，分组处理，追加文件，排序，行列转置，标注，保存结果等。

基础统计

汇总，交叉表(cross-tabulations )，相关，t检验，等方差检验，比例检验，置信区间,因子变量等。

线性模型(Linear Models)

回归，bootstrap,jackknife和稳健Huber/White/sandwich方差评估；工具变量(instrumental variable);三阶段最小平方；约束；分位数回归；GLS等。

纵向数据/面板数据(Longitudinal data/panel data)

稳健标准误的随机和固定效应，线性混合模型，随机效应概率(random-effects probit),GEE,随机和固定效应泊松，动态面板数据模型和工具变量回归(instrumental-variables regression)；面板单位根检验(unit-root tests);AR(1)干扰;

多层混合效应模型(Multilevel mixed-effects models)

连续，二元和计数结果，2－，3－和多因子随机截距(random-intercepts)和随机系数模型；交叉随机效应；ML和REML估计；效应和拟合值的BLUPs；分层模型,残差误差结构，支持在线性多层模型中的幸存数据等。

二元，计数，和受限的因变量

Logistic，probit，tobit；Poisson和负二项式；条件，多项式，嵌套，排序的，秩排序，和stereotype logistic；多项式probit；零膨胀(zero-inflated)和左截尾计数模型；选择模型(selection models)；边际效应等。

ANOVA/MANOVA

平衡和非平衡设计，因子，嵌套和混合设计；重复测量，边际均值(marginal means),对比(contrasts)等。

SEM (Structural equation modeling，结构方程建模)

图形话模型构建器，标准化和非标准化估计，修正指标(modification indice),直接和间接效应，路径图(path diagrams),因子计分(factors scores)和其他预测值，分组和不变性检验(tests of invariance)的估计值,拟合优度，处理MAR数据(通过FIML)，测量数据, 聚集数据。

多元方法

因子分析，首要成分，判别式分析，旋转，多维排列( multidimensional scaling )， Procrustean分析，一致性分析(correspondence analysis)，biplot，系统树图(dendrograms)，用户可扩展分析等。

聚类分析(Cluster analysis)

分层聚类，kmeans和kmedian非分层聚类，系统树图(dendrograms)，停止规则；用户可扩展分析等。

广义线性模型(GLMs)

10个链接函数，用户定义链接，7种分布，ML和IRLS估计，9种方差估计，7种残差等。

非参数方法

Wilcoxon–Mann–Whitney, Wilcoxon符号秩和Kruskal–Wallis检验；Spearman和Kendall相关，Kolmogorov–Smirnov检验，精确二项式置信区间(CIs)，幸存数据,ROC分析，平滑(smoothing)，bootstrapping等。

精确统计

精确logistic和泊松回归，精确案例控制统计(exact case–control statistics)，二项式检验(binomial tests), r × c表格的Fisher精确检验等。

重采样和仿真方法

bootstrapping，jackknife和蒙特卡罗模拟；置换检验(permutation tests)等。

Internet功能

安装新的命令，网络更新，网络文件共享，最新Stata新闻等。

用户编写的命令

用于Meta分析，数据管理，幸存分析，计量经济学的用户编写的命令

图形

线条图，散点图，条状图，饼图，hi-lo图表，等高线图，图形编辑器，回归诊断图形(regression diagnostic graphs)，幸存图，非参数平滑器(smoothers)，分布Q-Q图等。

图形化用户界面

结果窗口，命令窗口，预览窗口，数据编辑器，变量管理器，Do文件编辑器，变量属性，查看器，剪切板预览工具，所有命令的菜单/对话框，多重属性设置等。

时间序列

ARIMA，ARFIMA，ARCH/GARCH，VAR, VECM, 多变量GARCH， unobserved components mode，动态因子，状态空间模型(state-space models)，商业日历(business calendars)，相关图，周期图(periodograms)，预测，脉冲-响应函数(impulse-response functions),单元根检验( unit-root tests)，过滤器和平滑器，旋转(rolling)和递归(recursive)估计等。

调查方法

多阶段设计，bootstrap，BRR，jackknife，线性化(linearized)和SDR方差估计，事后分层(poststratification)；DEFF；预测边际；均值，比例，比率，总数；汇总表格；回归，工具变量( instrumental variables)，概率(probit),Cox回归等。

幸存分析

Kaplan–Meier 和 Nelson–Aalen估计；Cox回归(frailty)；参数模型(frailty)；竞争风险(competing risks);危害(hazard)；时间变异协方差(time-varying covariates)；左和右删失；Weibull，指数和Gompertz分析,样本大小和功效分析等。

检验，预测和效应

Wald检验，LR检验，线性和非线性组合，预测和广义预测，边际均值，最小平方均值，调整均值，边际和部分效应；Hausman检验等。

对照和配对比较

比较均值，截距或斜率；比较临近分类；比较参考分类或总平均；正交多项式(orthogonal polynomials);多重比较修正，治疗效应；图形效果和潜在输出等。

流行病学(Epidemiology)

比率标准化，病例对照，cohort，匹配病例对照，Mantel–Haenszel，药代动力学(pharmacokinetics)，ROC分析，ICD-9-CM等。

多重插补(Multiple imputation)

9个单变量插补方法，多变量正态插补，链方程(chained equations),missingness的探索模式，管理估算数据集，拟合模型和合并结果，转换参数，联合参数估计的检验，预测等。

其它统计方法

样本大小和功效，评价一致性的kappa测量， Cronbach's alpha，逐步回归，统计和算术函数等。

GMM和非线性回归

广义矩方法(generalized method of moments,GMM),非线性回归等。

极大似然(Maximum likelihood)

用户自定义函数；NR, DFP, BFGS, BHHH; OIM, OPG,robust, bootstrap,和jackknife矩阵；Wald检验；调查数据；数值或分析衍生(analytic derivatives)等。

编程语言

添加新的命令，命令脚本，if，while，命令分析，调试，菜单和对话框编程，标注和控制语言等。

矩阵编程-Mata

交互式对话，大型开发项目，最优化，矩阵倒置，分解(decompositions)，特征值和特征向量(eigenvalues and eigenvectors)，LAPACK引擎，真实和复杂数值，字符矩阵，Stata数据集和矩阵之间的接口，数值衍生(numerical derivative),面对对象编程语言等。