2025年4月8日，Stata公司正式宣布Stata 19上線啦！或許計(jì)量小伙伴們還沒把Stata 18捂熱，Stata公司就推出了功能更為強(qiáng)大的Stata 19。工欲善其事，必先利其器。Stata公司正如“有匪君子，如切如磋，如琢如磨”，將Stata利器打造得日益精良與強(qiáng)大。
Stata之所以能成為流行的計(jì)量經(jīng)濟(jì)學(xué)軟件，根本原因在于Stata十分貼近計(jì)量經(jīng)濟(jì)學(xué)的實(shí)踐應(yīng)用。此次Stata 19的全新升級，一如既往地切中了時(shí)下實(shí)證研究的熱點(diǎn)與痛點(diǎn)?？偨Y(jié)起來，主要有以下六大方面更新，下面將分別介紹：
1、機(jī)器學(xué)習(xí)（隨機(jī)森林，梯度提升法）2、面板數(shù)據(jù)（高維固定效應(yīng)，相關(guān)隨機(jī)效應(yīng)，面板VAR）3、因果推斷（條件平均處理效應(yīng)，控制函數(shù)法，弱工具變量穩(wěn)健推斷等）4、貝葉斯方法（貝葉斯變量選擇、分位數(shù)回歸、自助法）5、其他計(jì)量方法（久期模型，相關(guān)系數(shù)的元分析等）6、Stata基礎(chǔ)功能升級（Do文件編輯器，畫圖，制表等）
1、機(jī)器學(xué)習(xí)
自從Stata 16引入了拉索估計(jì)量（lasso），計(jì)量小伙伴們一直在期待Stata官方命令能引入另一類常用的機(jī)器學(xué)習(xí)方法，即基于決策樹（decision trees）的集成學(xué)習(xí)方法（ensemble learning），包括隨機(jī)森林（random forest）與梯度提升法（gradient boosting machine）。Stata 19讓我們的夢想成真了！
Stata 19提供了一套新的h2oml命令，可輕松地接入開源的大數(shù)據(jù)機(jī)器學(xué)習(xí)平臺H2O，針對回歸（regression）或分類（classification）問題使用隨機(jī)森林或梯度提升法。H2O使得機(jī)器學(xué)習(xí)變得更加容易，有時(shí)稱為AutoML。我們直接上例子吧！
在Stata中初始化（initiate）H2O:
. h2o init
將Stata內(nèi)存中的當(dāng)前（current）數(shù)據(jù)集導(dǎo)入H2O，并記為“dataframe”:
. _h2oframe put, current into(dataframe)
針對二分類問題（binary classification），進(jìn)行梯度提升法的估計(jì)，并自動選擇有關(guān)決策樹數(shù)目(number of trees）與學(xué)習(xí)率（learning rate）的超參數(shù)（hyperparameters）：
. h2oml gbbinclass response predictors, ntrees(20(10)200) lrate(0.1(0.1)1)
其中，gbbinclass表示“gradient boosting binary classification”，response為響應(yīng)變量（即被解釋變量），predictors為預(yù)測變量（即解釋變量）。選擇項(xiàng)“ntrees(20(10)200) ”表示從{20, 30,...,200}中選擇優(yōu)的決策樹數(shù)目，而“l(fā)rate(0.1(0.1)1)”表示從{0.1, 0.2,...,1}中選擇優(yōu)的學(xué)習(xí)率。
畫變量重要性圖（variable importance plot）：
. h2omlgraph varimp
使用已估計(jì)模型，進(jìn)行預(yù)測：
. _h2oframe change newdata
. h20mlpredict outcome_pred
2、面板數(shù)據(jù)
Stata 19引入了有關(guān)面板數(shù)據(jù)的若干新命令或選擇項(xiàng)，包括高維固定效應(yīng)（high dimensional FE）、相關(guān)隨機(jī)效應(yīng)（correlated random effects）、面板向量自回歸（panel VAR），給用戶帶來了強(qiáng)大的新功能與便利。
2.1 高維固定效應(yīng)
不少計(jì)量小伙伴們知道用于估計(jì)高維固定效應(yīng)（high-dimensional fixed effects）的非官方Stata命令reghdfe。這次Stata 19將其相應(yīng)功能納入了官方命令（無須額外命令，僅新增了一個(gè)選擇項(xiàng)），使得操作更為簡便可靠！
例如，在估計(jì)面板固定效應(yīng)模型時(shí)，假設(shè)我們還想額外地控制三個(gè)分類變量（categorical variables）z1, z2與z3，只要在常規(guī)命令加上absorb()的選擇項(xiàng)即可：
. xtreg y x, fe absorb(z1 z2 z3)
類似地，我們在進(jìn)行二階段最小二乘法（2SLS）估計(jì)時(shí)，也可以使用absorb()的選擇項(xiàng)：
. ivregress 2sls y1 x1 (y2 = x2), absorb(z1 z2 z3)
這真的太方便啦！
2.2 相關(guān)隨機(jī)效應(yīng)
靜態(tài)面板的兩個(gè)常用模型為隨機(jī)效應(yīng)（random effects，簡記RE）與固定效應(yīng)（fixed effects，簡記FE）。然而，二者均有缺點(diǎn)。隨機(jī)效應(yīng)模型不夠穩(wěn)健，如果解釋變量與個(gè)體效應(yīng)相關(guān)，則得不到一致估計(jì)。另一方面，雖然固定效應(yīng)模型較為穩(wěn)健，但無法估計(jì)非時(shí)變（time-invariant）變量的系數(shù)。為此，Stata 19推出了“相關(guān)隨機(jī)效應(yīng)”（correlated random effects，簡記CRE），可以兼顧二者的優(yōu)點(diǎn)。
CRE模型允許解釋變量與個(gè)體效應(yīng)相關(guān)，且時(shí)變（time-varying）變量的系數(shù)估計(jì)值與FE完全相同，故本質(zhì)上為FE模型。在算法上，CRE估計(jì)量將時(shí)變變量的組平均值加入混合回歸中，故可視為一種控制函數(shù)法（通過時(shí)變變量的組平均值來控制遺漏變量）。由于CRE未做組內(nèi)離差變換，故也可以估計(jì)出非時(shí)變變量的系數(shù)，這是CRE的優(yōu)點(diǎn)。以數(shù)據(jù)集nlswork為例，可輸入如下命令：
. webuse nlswork
. xtreg ln_wage tenure age i.race, cre vce(cluster idcode)
其中，選擇項(xiàng)“CRE”表示相關(guān)隨機(jī)效應(yīng)。所得回歸結(jié)果參見下圖。
在該回歸結(jié)果的zui后一行，提供了蒙德拉克設(shè)定檢驗(yàn)（Mundlak specification test）的結(jié)果，強(qiáng)烈拒絕RE的原假設(shè)，而支持CRE模型。另外，該檢驗(yàn)也可以在估計(jì)完RE或FE模型后單獨(dú)使用，例如：
. quietly xtreg ln_wage tenure age i.race, vce(cluster idcode)
. estat mundlak
蒙德拉克設(shè)定檢驗(yàn)的作用類似于豪斯曼檢驗(yàn)（Hausman test），但前者的優(yōu)點(diǎn)是可直接使用聚類穩(wěn)健標(biāo)準(zhǔn)誤，且只要作一個(gè)回歸即可（豪斯曼檢驗(yàn)需要作兩個(gè)回歸）。檢驗(yàn)結(jié)果顯示，強(qiáng)烈拒絕RE的原假設(shè)，而支持FE與CRE的替代假設(shè)。
2.3 面板向量自回歸
向量自回歸（vector autoregressoin，簡記VAR）是常見的時(shí)間序列模型，但由于VAR模型的待估參數(shù)較多，故一般需要較長的時(shí)間維度。面板向量自回歸（panel vector autogression，簡記Panel VAR）將VAR模型推廣到面板數(shù)據(jù)中。面板VAR模型既包含個(gè)體固定效應(yīng)，也包括被解釋變量的滯后項(xiàng)，故可視為動態(tài)面板模型（dynamic panel-data model）與VAR模型的結(jié)合。相應(yīng)地，面板VAR模型的估計(jì)方法類似于動態(tài)面板，主要使用廣義矩估計(jì)（generalized method of moment，簡記GMM）。其漸近理論要求橫截面單位的數(shù)量趨向無窮大，故適用于時(shí)間維度較短的短面板。
以瑞典政府開支數(shù)據(jù)集swedishgov為例，可輸入如下命令：
. webuse swedishgov.dta
. xtvar grants revenues expenditures, lags(2)
其中，“xtvar, lag(2)”表示將被解釋變量滯后二階進(jìn)行面板VAR估計(jì)。
在估計(jì)面板VAR模型后，還可使用命令vargranger進(jìn)行格蘭杰因果檢驗(yàn)，并使用irf系列的命令估計(jì)脈沖響應(yīng)函數(shù)，并畫脈沖響應(yīng)圖；在Stata操作上非常類似于VAR模型。
3、因果推斷
因果推斷始終是實(shí)證研究的核心方法。Stata 19在因果推斷方面的功能也進(jìn)一步加強(qiáng)，新推出的方法包括條件平均處理效應(yīng)（CATE）以及有關(guān)工具變量法的一些新方法。
3.1 條件平均處理效應(yīng)
因果推斷關(guān)注的對象一般為全樣本的平均處理效應(yīng)（average treatment effect，簡記ATE）或處理組平均處理效應(yīng)（average treatment effect on the treated，簡記ATT或ATET）。然而，不同個(gè)體的處理效應(yīng)很可能存在異質(zhì)性，而研究者有時(shí)感興趣，異質(zhì)性處理效應(yīng)如何隨著個(gè)體特征而變。例如，電商平臺可能關(guān)心價(jià)格折扣如何影響消費(fèi)者行為，而價(jià)格折扣的處理效應(yīng)可能依賴于消費(fèi)者的年齡與收入。
為此，Stata 19推出了全新的cate命令，用于估計(jì)“條件平均處理效應(yīng)”（conditional average treatment effect，簡記CATE），即在給定某種個(gè)體特征條件下的平均處理效應(yīng)。命令cate可以估計(jì)三種不同類型的CATE，包括“個(gè)體平均處理效應(yīng)”（individualized average treatment effect），“分組平均處理效應(yīng)”（group average treatment effect）及“排序分組平均處理效應(yīng)”（sorted group average treatment effect）。除了估計(jì)外，cate系列命令還可進(jìn)行預(yù)測、可視化及統(tǒng)計(jì)推斷。
Stata 19的cate命令功能強(qiáng)大、靈活而穩(wěn)健。例如，在對結(jié)果回歸（outcome regression）與處理效應(yīng)模型（treatment models）建模時(shí)，可使用參數(shù)模型（parametric models），拉索估計(jì)量（lasso）或廣義隨機(jī)森林（generalized random forest；有時(shí)也稱為“誠實(shí)森林”，即honest forest）。該命令提供了兩個(gè)穩(wěn)健估計(jì)量，即“偏效應(yīng)過濾”（partialling out）與“增強(qiáng)逆概加權(quán)”（augmented inverse probability weighting），其中后者為雙穩(wěn)健估計(jì)量（doubly robust estimator）；并使用“交叉擬合”（cross-fitting）以避免過擬合（overfitting）。
3.2 控制函數(shù)法
傳統(tǒng)的工具變量法一般使用二階段zui小二乘法（two-stage least squares，簡記2SLS）。2SLS之所以成立，是因?yàn)榈趛i階段回歸為線性模型，而線性回歸的OLS估計(jì)具有正交性。這也意味著，2SLS一般無法推廣到非線性模型中；例如，當(dāng)內(nèi)生變量為虛擬變量時(shí)，第yi階段回歸為Probit模型。
為此，Stata 19新推出了更為靈活的“控制函數(shù)法”（control function approach，簡記CF），不僅可用于線性模型，而且也適用于非線性模型，例如第yi階段回歸為Probit。假設(shè)y1為被解釋變量，x為外生解釋變量，y2為內(nèi)生解釋變量，而z1與z2為工具變量，則傳統(tǒng)的2SLS命令為
. ivregress 2sls y1 x (y2 = z1 z2)
若使用控制函數(shù)法，可調(diào)用Stata 19的cfregress命令：
. cfregress y1 x (y2 = z1 z2)
事實(shí)上，由于這是線性回歸，故以上兩個(gè)命令語句的回歸結(jié)果完全相同（系數(shù)估計(jì)值與標(biāo)準(zhǔn)誤均相同）；盡管二者的算法不同。在算法上，二者的第yi階段回歸相同，但第二階段回歸則不同（盡管zui終結(jié)果在數(shù)值上相等）：2SLS將第yi階段回歸的擬合值代入原方程，替代內(nèi)生解釋變量進(jìn)行OLS回歸；而CF則將第一階段回歸的殘差作為遺漏變量加入原方程，進(jìn)行OLS回歸。
控制函數(shù)法的優(yōu)勢在于，第yi階段回歸也可以使用非線性回歸。例如，若內(nèi)生解釋變量y2為虛擬變量，則可使用Probit進(jìn)行第yi階段回歸：
. cfregress y1 x (y2 = z1 z2，probit)
如果被解釋變量y1為虛擬變量，則使用2SLS將無視y1服從兩點(diǎn)分布的事實(shí)，而強(qiáng)行擬合線性模型。此時(shí)，可使用Stata 19新推出的cfprobit命令，使用控制函數(shù)法進(jìn)行IV估計(jì)：
. cfprobit y1 x (y2 = z1 z2)
如果內(nèi)生解釋變量y2也為虛擬變量，則可輸入命令
. cfprobit y1 x (y2 = z1 z2，probit)
3.3 弱工具變量穩(wěn)健推斷
使用工具變量法進(jìn)行因果推斷一般要求強(qiáng)工具變量。在弱工具變量（weak instrument）的情況下，2SLS估計(jì)量變得不可靠，即使在大樣本下。這是因?yàn)?SLS估計(jì)量其實(shí)是一個(gè)比值（ratio），而在弱工具變量的情況下，該比值的分母接近于0，導(dǎo)致統(tǒng)計(jì)推斷失效。
為此，Stata 19推出了安德森-魯賓檢驗(yàn)（Anderson-Rubin test），不再使用上述比值進(jìn)行統(tǒng)計(jì)推斷，故即使在弱工具變量的情況下依然穩(wěn)健。例如：
. ivregress 2sls y1 x (y2 = z1 z2)
. estat weakrobust
此估計(jì)后命令（postestimation command）“estat weakrobust”也可以在命令ivregress gmm與ivregress liml之后使用。
3.4 時(shí)間序列的工具變量法
Stata 19專門推出了針對時(shí)間序列的工具變量法，包括通過工具變量法估計(jì)結(jié)構(gòu)VAR模型，以及使用工具變量法估計(jì)脈沖響應(yīng)函數(shù)。例如：
使用廣義矩估計(jì)（GMM）估計(jì)結(jié)構(gòu)向量自回歸（Structural VAR，簡記SVAR）模型：
. ivsvar gmm y1 y2 (shock = z1 z2)
在使用“局部投影”（local projection），通過脈沖響應(yīng)函數(shù)（impulse response function，簡記IRF）估計(jì)動態(tài)因果效應(yīng)（dynamic causal effects）時(shí)，以工具變量法克服潛在的內(nèi)生性：
. ivlpirf y, endogenous(x = iv)
其中，y為響應(yīng)變量（response variable），x為內(nèi)生的脈沖變量（impulse variable），而iv為工具變量。
4、貝葉斯方法
Stata 19在貝葉斯計(jì)量經(jīng)濟(jì)學(xué)（Bayesian econometrics）方面的功能繼續(xù)得到加強(qiáng)，新增方法包括貝葉斯變量選擇、分位數(shù)回歸及自助法等。例如：
使用貝葉斯方法從變量x1-x100中進(jìn)行變量選擇：
. bayesselect y x1-x100
使用貝葉斯方法進(jìn)行分位數(shù)回歸（quantile regression）：
. bayes: qreg y x1 x2
其中，前綴（prefix）“bayes”表示使用貝葉斯方法進(jìn)行分位數(shù)回歸，而非通常頻率學(xué)派（frequentist school）的分位數(shù)回歸。
使用貝葉斯自助法（Bayesian bootstrap）估計(jì)x的均值：
. bayesboot r(mean): summarize x
其中，前綴（prefix）“bayesboot ”表示使用貝葉斯方法來匯報(bào)變量x的統(tǒng)計(jì)特征，并提取其均值。
5、其他計(jì)量方法
Stata 19還提供了其他方面的計(jì)量新方法，包括久期模型、相關(guān)系數(shù)的元分析、潛類別模型等。
5.1 久期模型
久期模型（duration model）的被解釋變量為某事件存續(xù)的時(shí)間，例如失業(yè)持續(xù)時(shí)間，病人存活的時(shí)長等。在原有久期模型的Stata模塊基礎(chǔ)上（命令均以st開頭），針對存在“區(qū)間刪失”（interval-censored）的多事件數(shù)據(jù)（multiple-events data），Stata 19提供了估計(jì)“邊際考克斯比例風(fēng)險(xiǎn)模型”（marginal Cox proportional hazards model）的新命令stmgintcox。
5.2 相關(guān)系數(shù)的元分析
在文獻(xiàn)中，針對同一問題，常常有多項(xiàng)類似的研究，但所得估計(jì)結(jié)果不盡相同。如何將這些相似研究的結(jié)果進(jìn)行整合，以得到統(tǒng)一的結(jié)論，這正是“元分析”（meta-analysis）的目標(biāo)。在Stata原有的元分析meta命令模塊中，Stata 19新增了對于相關(guān)系數(shù)的元分析功能。相關(guān)系數(shù)無疑是zui重要的描述性統(tǒng)計(jì)之一。
5.3 潛類別模型
“潛類別模型”（latent class model）是一種常見的統(tǒng)計(jì)模型，它假設(shè)數(shù)據(jù)來自于若干總體（或類別）的混合，故也稱為“有限混合模型”（finite mixture model）；例如，三個(gè)服從正態(tài)分布的總體按照一定比例的混合。如果知道類別的數(shù)目，則可使用原有的Stata命令gsem（表示generalized structural equation model）進(jìn)行估計(jì)。例如，分別估計(jì)單類別（one-class）、雙類別（two-class）與三類別（three-class）的潛類別模型，并存儲相應(yīng)的估計(jì)結(jié)果：
. gsem (y1 y2 y3 y4 <- ), logit lclass(C 1)
. estimates store oneclass
. gsem (y1 y2 y3 y4 <- ), logit lclass(C 2)
. estimates store twoclass
. gsem (y1 y2 y3 y4 <- ), logit lclass(C 3)
. estimates store threeclass
Stata 19提供了對以上所估計(jì)的三個(gè)潛類別模型進(jìn)行模型比較（model-comparison）的統(tǒng)計(jì)量及檢驗(yàn)，可輸入命令：
. lcstats
其中，“l(fā)c”表示latent class（潛類別），而“stats”表示statistics（統(tǒng)計(jì)量）。
6、Stata基礎(chǔ)功能提升
6.1 Do文件編輯器
Stata 19的Do文件編輯器（Do-file Editor）變得更為強(qiáng)大，新增功能包括：
?。?）變量名（variable names）、宏（macros）與存儲結(jié)果（stored results）的自動補(bǔ)全（autocompletion）；
?。?）方便用戶使用的Do文件編輯器模板（Do-file Editor templates）；
?。?）對當(dāng)前詞（current word）在編輯器中的所有出現(xiàn)之處均提供高亮（highlighting），無論大小寫（case-insensitive）；并對當(dāng)前所選內(nèi)容（current selection）在編輯器中的所有出現(xiàn)之處均提供高亮（highlighting），區(qū)分大小寫（case sensitive）。
?。?）括號高亮（bracket hightlighting），即對包含當(dāng)前光標(biāo)的括號（the brackets enclosing the current cursor position）提供高亮。
（5）代碼折疊功能的提升（code folding enhancement），包括新增的菜單欄目（menu items）“Fold all”（折疊全部可折疊代碼）, “Unfold all”（展開所有已折疊代碼）與“Fold selection”（折疊所選內(nèi)容）。
6.2 畫圖
Stata 19的畫圖功能也變得更為強(qiáng)大，新增功能包括：
?。?）通過新增命令twoway heatmap畫熱圖（heat maps），即在變量(x, y)取值的網(wǎng)格上，以小方塊的顏色變化來表示對應(yīng)變量z的取值高低。
?。?）通過新增命令twoway rpspikes畫“刺形”的點(diǎn)圖或范圍圖（plot points and ranges indicated by spikes），例如展示某統(tǒng)計(jì)量及其相應(yīng)的置信區(qū)間。
?。?）通過新增命令twoway rpcaps畫“帶帽刺形”的點(diǎn)圖或范圍圖（plot points and ranges indicated by spikes with caps），例如展示某統(tǒng)計(jì)量及其相應(yīng)的置信區(qū)間。
?。?）在使用命令graph bar畫柱狀圖/條形圖（bar plot）時(shí)，可畫樣本均值及其置信區(qū)間，以及在標(biāo)簽與控制條形分組方面的改進(jìn)（improved labelling, and control of bar groupings）。
?。?）在使用命令graph dot畫點(diǎn)狀圖（dot chart）時(shí)，可畫樣本均值及其置信區(qū)間，以及在標(biāo)簽與控制點(diǎn)狀分組方面的改進(jìn)（improved labelling, and control of dot groupings）。
?。?）在使用命令graph box畫箱形圖（box plot）時(shí)，改進(jìn)了標(biāo)簽與對箱形分組的控制（improved labelling, and control of box groupings）。
（7）根據(jù)變量上色（colors by variable）的選擇項(xiàng)colorvar()，可適用于更多的twoway plot命令，包括line, connected, tsline, rconnected及tsrline等。
6.3 制表
Stata 19的制表功能也得以進(jìn)一步提升，可更方便地創(chuàng)建與定制表格，例如：
（1）Stata的制表命令table新增了增加標(biāo)題的選擇項(xiàng)title()，增加腳注的選擇項(xiàng)note()，以及將表格導(dǎo)出為指定文件格式（例如Word, LaTex, Excel等）的選擇項(xiàng)export()。
?。?）更簡便的方差分析表格（easier ANOVA tables）。
Stata 19制表功能的更多細(xì)節(jié)改進(jìn)，可參見Stata官網(wǎng)（www.stata.com）。
總之，Stata 19是一次令人激動的重大升級，在機(jī)器學(xué)習(xí)、因果推斷、面板數(shù)據(jù)、貝葉斯方法、Stata基礎(chǔ)功能等領(lǐng)域均推出了功能強(qiáng)大的新方法，更加貼近計(jì)量實(shí)戰(zhàn)的需求。顯然，在可預(yù)見的將來，Stata 仍將是經(jīng)管社科的shou選計(jì)量與統(tǒng)計(jì)軟件。
關(guān)于 Stata 19 的更多詳細(xì)內(nèi)容，請點(diǎn)擊頁底 “閱讀原文”。
備注：為保護(hù)正版軟件權(quán)益，防止盜版軟件的傳播，如對Stata 19感興趣的學(xué)者，可聯(lián)系StataCorp, LLC官方授權(quán)合作伙伴北京友萬信息科技有限公司(友萬科技)采購正版軟件或申請?jiān)囉谩?/p>
具體申請方式如下:申請方式 1: 聯(lián)系徐老師 18610597626 (手機(jī)/微信同號)。申請方式 2: 掃描下方二維碼
