stata是一款功能强大的数据管理、分析和绘制定量数据专业数据软件，适用于社会科学、生物统计学、健康科学、流行病学、心理学等行业，提高工作让数据的统计分析工作更加轻松高效。软件已经成功破解，内置了完美激活补丁，无需安装，解压即可直接使用。

【软件功能】

　　1、表格 （Tables），用户一直希望我们提供更完美的表格，现在您可以很容易地创建比较回归结果或汇总统计数据的表格，您可以创建样式并将其应用于您构建的任何表，还可以将表导出到MS Word?, PDF, HTML, LaTeX, MS Excel?, 并将它们插入到报告中。新版本修改了table命令，新的 collective 前缀可以从任意多个命令收集任意多的结果，生成表格，并将其导出为多种格式等。您还可以使用新的Tables Builder来单击并创建表格。

　　2、贝叶斯计量经济学，Stata能进行计量经济学，也能进行贝叶斯统计，现在Stata能够进行贝叶斯计量经济学！想要用概率性的陈述来回答经济问题，例如：那些参加职业培训项目的人在未来五年里更有可能保持就业吗?想把对经济过程的先验知识结合起来吗？Stata新推出的贝叶斯计量经济学功能可以帮到您。适合许多贝叶斯模型，如横截面模型、面板数据模型、多层模型和时间序列模型。使用贝叶斯因子比较模型，获取更多预测和展望！

　　在计量经济学建模中使用贝叶斯方法的吸引力之一是将关于通常在实践中可用的模型参数的外部信息纳入其中。这些信息可能来自历史数据，也可能自然来自经济过程的知识。无论哪种方式，贝叶斯方法都可以使我们将外部信息与我们在当前数据中观察到的信息结合起来，以形成对感兴趣的经济过程的更现实的看法。

　　Stata 17 在贝叶斯计量经济学领域提供了几个新功能：

　　> Bayesian VAR models /贝叶斯VAR模型

　　> Bayesian IRF and FEVD analysis /贝叶斯IRF和FEVD分析

　　> Bayesian dynamic forecasting /贝叶斯动态预测

　　> Bayesian longitudinal/panel-data models /贝叶斯纵向/面板数据模型

　　> Bayesian linear and nonlinear DSGE models /贝叶斯线性与非线性DSGE模型

　　3、更快的Stata，Stata不仅重视数据处理的准确性而且重视处理的速度,两者之间通常需要权衡取舍，但Stata努力为用户提供两全其美的选择。在Stata 17中，我们更新了sort和collapse的算法，使这些命令运行更快。我们还对某些估计命令（例如mixed）实现了速度改进，使这些命令适合多层混合效应模型（multilevel mixed-effects models）。

　　4、双重差分（DID）和DDD模型，新的估计命令didregress和xtdidregress具有使用重复测量数据拟合双重差分（DID）模型和三重差分（DDD）模型。 didregress适用于重复横截面数据，xtdidregress适用于纵向/面板数据。

　　采用DID和DDD模型，用重复测量数据估计平均治疗效果(ATET）。 治疗效果可以是药物方案对血压的影响，也可以是培训计划对就业的影响。 与现有的teffects命令可用的标准横截面分析不同，DID分析可控制估计ATET时的组和时间效应，组可在其中识别重复的度量。DDD分析控件可控制其他组效果及其与时间的相互作用——您最多可以指定三个组变量或两个组变量和一个时间变量。

　　5、区间删失Cox模型，半参数Cox比例风险回归模型通常用于分析未删失和右删失的事件时间数据。 新的估计命令stintcox可使用Cox模型，来估计删失事件时间数据。当未直接观察到发生某个事件（例如癌症复发）的时间，但已知该时间间隔在某个时间间隔内时，便会进行时间间隔检查。例如，可以在定期检查之间检测到癌症的复发，但是无法观察到确切的复发时间。我们只知道在先前检查和当前检查之间的某个时间复发了癌症。忽略区间删失可能会导致错误的结果（有偏差的）。

　　当没有完全指定基线风险函数时，对区间删失事件时间数据进行半参数估计是一项挑战，因为没有一个事件时间是被精确地观测到的。

　　因此，这些数据的“半参数”建模通常采用样条方法或分段指数模型作为基线风险函数。直到最近的方法学进展（在stintcox命令中实现）之后，才提供真正的区间删失事件时间数据的半参数建模。

　　6、多维元分析，您想分析多项研究的结果。这些研究报告了多个效应量，这些效应量很可能在一项研究中相互关联。单独的meta分析（例如使用现有meta命令的那些meta分析）将忽略相关性。现在，您可以使用新的meta mvregress命令执行多维元分析，这将解释相关性。

　　7、贝叶斯VAR模型，贝叶斯前缀现在支持var命令以拟合贝叶斯矢量自回归（VAR）模型。VAR模型通过将结果变量的滞后时间作为模型预测变量来研究多个时间序列之间的关系。已知这些模型具有许多参数：对于K个结果变量和标记，至少存在p（K ^ 2 + \ nn1）个参数。对模型参数的可靠估计可能会遇到挑战，尤其是在使用小型数据集的情况下。贝叶斯VAR模型通过整合有关模型参数的先验信息来稳定参数估计，从而克服了这些挑战。

　　8、PyStata，Stata 17引入了一个我们称之为PyStata的概念。PyStata是一个涵盖了Stata和Python可以交互的所有方式的术语。

　　Stata 16具有从Stata调用Python代码的功能。Stata 17允许您通过一个新的pystata Python包从一个独立的Python环境中调用Stata，从而极大地扩展了此功能。您可以在基于IPython内核的环境（例如Jupyter Notebook和控制台以及Jupyter Lab和控制台）中方便地访问Stata和Mata。

　　在其他支持IPython内核的环境中（例如，Spyder IDE和PyCharm IDE）；或从命令行访问Python（例如Windows命令提示符，macOS终端，Unix终端和Python的IDLE）时。

　　9、Lasso治疗效果评估，您可以使用teffects 来估计治疗效果。您可以使用Lasso来控制许多协变量。（当我们说“很多”时，可以理解为成百上千甚至更多！）现在，您可以使用telasso来估计治疗效果并控制许多协变量。

　　10、Galbraith图，新命令meta galbraithplot生成Galbraith图以进行元分析。这些图可用于评估研究的异质性和检测潜在的异常值。当有许多研究时，它们还可以用作森林图forest plots的替代方案，以总结元分析结果。

　　11、留一元分析，现在，您可以通过使用meta summarize和meta forestplot的新选项leaoneout来执行留一元分析。留一元分析通过在每次分析中排除一项研究来执行多种元分析。研究通常会产生夸大的效应大小，这可能会扭曲整体结果。留一元分析可用于研究每项研究对总体效应量估计的影响，并确定有影响力的研究。

　　12、贝叶斯纵向/面板模型，通过使用xtreg表示连续结果，xtlogit或xtprobit表示二进制结果，xtologit或xtoprobit表示序数结果等，可以拟合随机效应面板数据模型。在Stata 17中，您可以简单地通过在它们前面加上Bayes前缀来拟合这些模型的Bayesian版本。

　　13、面板多项逻辑模型，Stata的新估计命令xtmlogit可使用面板多项逻辑（MNL）模型，以对随时间推移观察到的分类结果进行分类。假设我们手机了几个星期关于个人对餐馆选择的数据。餐馆的选择是没有自然排序的分类结果，因此我们可以使用现有的mlogit命令（带有聚类稳健的标准误）。但是xtmlogit直接对单个特征建模，因此可能会产生更有效的结果。并且它可以很好地解释可能与协变量相关的特征。

　　14、零膨胀排序逻辑模型，新的估计命令ziologit适合零膨胀排序逻辑回归模型。这个模型是在当数据在最低类别中的观测值比例高于标准有序逻辑模型的预期值时使用的。我们将最低类别中的观测值称为零，因为它们通常对应于某一行为或特征的缺失。零膨胀是通过假设零同时来自逻辑模型和有序逻辑模型来解释的。每个模型可以具有不同的协变量，并且结果可以显示为优势比而不是默认系数。

　　15、贝叶斯多层次模型：非线性、联合、类SEM等，您可以使用bayesmh命令的新的精美随机效果语法来拟合贝叶斯多级模型的广度。您可以更轻松地拟合单变量线性和非线性多级模型。现在，您可以拟合多元线性和非线性多级模型！考虑增长线性和非线性多级模型，联合纵向和生存时间模型，SEM型模型等等。

　　16、贝叶斯动态预测，在拟合多元时间序列模型（例如向量自回归（VAR）模型）之外，动态预测是一种常见的预测工具。拟合经典var模型后，可以使用fcast计算动态预测。 使用bayes：var拟合贝叶斯var模型后，现在可以使用bayesfcast 来计算贝叶斯动态预测。贝叶斯动态预测会生成整个预测值样本，而不是像传统分析中那样生成单个预测。该样本可用于解答各种建模问题，例如，在估计预测不确定性时，在不做出渐近正态性假设的前提下，该模型对未来观测的预测程度如何。这对于可能会出现渐近正态性假设的小型数据集尤其有吸引力。

　　17、贝叶斯IRF与FEVD分析，脉冲响应函数（IRF），动态乘数函数和预测误差方差分解（FEVD）通常用于描述多元时间序列模型（例如VAR模型）的结果。VAR模型具有许多参数，可能难以逐个解释。 IRFs和其他函数将多个参数的影响合并为一个摘要（每个时间段）。例如，IRFs测量一个变量对给定结果变量的冲击（变化）的影响。贝叶斯IRFs（和其他函数）使用IRFs的“精确”后验分布产生结果，这不依赖于渐近正态性的假设。它们还可以为小型数据集提供更稳定的估计，因为它们合并了有关模型参数的先验信息。

　　18、使用 BIC 选择Lasso惩罚参数，惩罚参数的选择是lasso分析的基础。套用少量的惩罚可能会包含太多变量。套用较大的惩罚可能会忽略潜在的重要变量。lasso估计已经提供了几种惩罚选择方法，包括交叉验证，自适应和插件。现在，您可以使用贝叶斯信息准则（BIC）通过指定selection（bic）选项在Lasso进行预测和Lasso进行推理之后选择惩罚参数。同样，在拟合Lasso模型后，新的后估计命令bicplot将BIC值绘制为惩罚参数的函数。这为惩罚参数的值提供了方便的图形表示形式，从而使BIC功能最小化。

　　19、lasso聚类数据，现在，您可以在Lasso分析中解释集群数据。忽略聚类可能会导致错误结果，因为同一聚类中的观测值之间存在相关性。使用Lasso命令进行Lasso和Elasticnet等预测，您可以指定新的cluster（{\ it clustvar}）选项。使用Lasso命令进行推断（例如：poregress），您可以指定新的vce（cluster {\ it clustvar}）选项。

　　20、贝叶斯线性和非线性DSGE模型，现在，可以通过在dsge和dsgenl前面加上前缀Bayes：来拟合贝叶斯线性和非线性动态随机一般均衡（DSGE）模型。通过从30多种不同的先验分布中进行选择，合并有关模型参数范围的信息。执行贝叶斯IRF分析，执行区间假设检验，使用贝叶斯因子比较模型等等。

　　21、Jupyter Notebook与Stata，Jupyter Notebook是一个功能强大且易于使用的Web应用程序，它允许您将在单个文档（“笔记本”）中将可执行代码、可视化、数学方程式和公式、叙述文本以及其他富媒体组合在一起，以进行交互式计算和开发。 它已被研究人员和科学家广泛使用，以分享他们的想法和成果，进行协作和创新。

　　在Stata 17中，作为PyStat的一部分，您可以使用IPython（交互式Python）内核从Jupyter Notebook调用Stata和Mata。这意味着您可以在一个环境中结合使用Python和Stata的功能，以使您的工作易于复制和与他人共享。

　　从Jupyter Notebook调用Stata是由新的pystata Python软件包驱动的。

　　22、日期和时间的新功能，Stata 17增加了新的便利功能，用于处理Stata和Mata中的日期和时间。 新功能可以分为三类：

　　1、Datetime持续时间：旨在获取持续时间的函数（例如ages）。

　　2、相对日期：基于其他日期返回日期的函数，例如相对于给定日期的下一个生日。

　　3、Datetime组件：从日期时间值中提取不同成分的函数。

　　新功能将闰年，闰日和闰秒（如果适用的话）考虑在内。

　　闰秒是一秒的调整，偶尔会应用于协调世界时（UTC）。

　　23、Intel数学内核库(MKL)，Stata 17引入了在兼容硬件（所有基于Intel和AMD的64位计算机）上使用Intel Math Kernel Library（MKL）的方法，并提供了深度优化的LAPACK例程。

　　LAPACK是线性代数包的缩写，它是一套用于求解联立方程组、特征值问题和奇值问题等的程序。Mata运算符和函数(如qrd()、lud()和cholesky())在可能的情况下利用LAPACK进行许多数值操作。

　　由英特尔MKL支持的LAPACK提供了最新的LAPACK例程，这些例程针对现代Intel和现代AMD处理器使用的64位Intel x86-64指令集进行了优化。使用MKL的Mata函数和运算符在性能方面大有裨益。最重要的是，您无需采取任何措施即可充分利用速度的提高。使用这些Mata函数和运算符的Stata命令以及Mata函数和运算符本身，将在兼容硬件上自动使用Intel MKL。

　　24、Stata on Apple Silicon，Stata 17 for Mac是一款通用应用程序，可以在Apple Silicon和Intel处理器的Mac上运行。采用Apple Silicon的Mac电脑包括新款MacBook Air、MacBook Pro和Mac mini，均采用M1处理器。M1芯片承诺有更高的性能和更大的功能效率。这对于我们的Stata-for-Mac用户来说是值得注意的，他们中的许多人使用Mac笔记本电脑。

　　虽然第一套M1 mac被认为是入门级的，但我们发现，本机运行Stata的M1 mac比英特尔mac的性能要好30-35%。它们的性能甚至远远超过价格超过两倍的Intel Mac！对于只坚持在其Apple Silicon Mac上使用Apple-Siliconnative软件的用户，从安装程序到应用程序本身，Stata 17的任何部分都不需要用到Rosetta 2。

　　无论您是在M1 Mac上还是在Intel Mac上本地运行Stata，Stata的功能都相同，并且M1 Mac不需要特殊的许可证。英特尔Mac用户应注意，未来几年，我们将继续支持并发布适用于英特尔处理器的Mac的新版本Stata。

　　25、JDBC，将Stata与数据库连接变得更加容易了。Stata 17添加了对JDBC（Java数据库连接）的支持。 新的jdbc命令支持JDBC标准，用于与具有矩形数据的关系数据库或非关系数据库管理系统交换数据。您可以从一些最受欢迎的数据库供应商中导入数据，例如Oracle，MySQL，Amazon Redshift，Snowflake，Microsoft SQL Server等。

　　jdbc的优点在于它是一个跨平台的解决方案，因此我们的JDBC设置适用于Windows，Mac和Unix系统。如果您的数据库供应商提供了JDBC驱动程序，则可以下载并安装该驱动程序，然后通过jdbc在数据库上读取，写入和执行SQL。 您可以将整个数据库表加载到Stata中，也可以使用SQL SELECT将表中的特定列加载到Stata中。您还可以将所有变量插入数据库表中，或仅插入数据集的子集。

　　26、Java集成，在Stata 17中，您现在可以直接在Stata中嵌入和执行Java代码。您可以在以前的Stata版本中创建和使用Java插件，但这需要您编译代码并将其打包到Jar文件中。在do文件中执行Java可以让您自由地执行直接与Stata代码绑定的Java代码。现在，您可以在do-file或ado-file中编写Java代码，甚至可以从Stata中交互式地调用Java(如JShell)。

　　Java的优势之一在于与Java虚拟机打包在一起的广泛的APIs。还有许多有用的第三方库。根据您需要执行的操作，您甚至可以编写并行代码以利用多核运算。您编写的Java代码可以即时编译，无需使用外部编译器！此外，还包括Stata函数接口（SFI）Java软件包，提供了Stata与Java之间的双向连接。

　　SFI包具有访问Stata当前数据集，帧，宏，标量，矩阵，值标签，特征，全局Mata矩阵，日期和时间值等的类。Stata将Java开发工具包（JDK）与其安装捆绑在一起，因此不涉及其他设置。

　　27、H2O集成，在Stata 17中，我们一直在尝试连接H2O，H2O是一种可扩展的分布式开源机器学习和预测分析平台。

　　借助H2O的集成，您可以从Stata上启动，连接和查询H2O集群。此外，我们提供了一组命令来处理集群上的数据（H2O帧）。例如，您可以通过导入数据文件或加载Stata的当前数据集来创建新的H2O框架。您还可以在Stata内部拆分，组合和查询H2O帧。尽管对于我们来说，这仍处于试验阶段，但我们希望将其提供给我们的用户进行试用。

　　另一方面，由于它是实验性功能，因此语法和功能可能会发生变化。使用提供对H2O特定功能的访问的Stata命令时，请记住这是H2O功能。尽管您可能通过Stata命令访问它，但它的工作取决于H2O，并且不在Stata范围内。

　　28、do文件编辑器：导航，增强书签，Stata 17中的“文件”编辑器进行了以下改进：

　　1、书签：现在与do文件一起保存。

　　2、新的导航控件：可以轻松浏览do文件。

　　3、语法高亮显示支持现已包括Java和XML。

　　4、选区中引号，括号和方括号的自动补全。 例如，选择文本mymacro，然后输入左引号`;。 然后，文件编辑器将用单引号将文本选择绑定，将选择更改为“ mymacro”。

　　书签：do文件编辑器最需要的功能之一是能够将书签保存在do文件中。书签用于标记感兴趣的行，以便以后更轻松地导航到它们。书签在浏览长do文件时特别有用。 您可以将书签添加到您的do文件的各个部分，以执行数据管理，显示摘要、统计信息并执行统计分析。然后，您可以使用菜单、工具栏或新的导航控件在这些部分之间快速来回移动，而无需滚动几行代码来查找所需的部分。

　　导航： Stata 17通过新的导航控件使do文件的导航更加容易，该控件显示书签及其标签的列表。从导航控件中选择一个书签会将“do文件编辑器”移至书签所在的行。除了书签之外，导航控件还将显示do文件中的程序列表。从导航控件中选择一个程序会将“do文件编辑器”移至该程序的释义。无需将其他程序添加到“导航”中。 DO文件编辑器将自动将程序的释义添加到导航控件中。

　　29、非参数的趋势检验，现在，nptrend命令支持四种跨有序组的趋势检验。您可以在the Cochran–Armitage test, the Jonckheere–Terpstra test, the linear-by-linear trend test, and the Cuzick test using ranks之间进行选择。前三个检验是新的，而第四个检验由nptrend先前执行。

【软件特色】

　　统计功能

　　该软件的统计功能很强，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。具体说，具有如下统计分析能力：

　　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。

　　作图功能

　　作图模块中主要提供如下八种基本图形的制作 : 直方图 (histogram) ，条形图 (bar), 百分条图 (oneway) ，百分圆图 (pie) ，散点图 (twoway) ，散点图矩阵(matrix) ，星形图 (star) ，分位数图。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。

　　矩阵运算功能

　　矩阵代数是多元统计分析的重要工具，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。

　　程序设计功能

　　这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。事实上， Stata 的 ado 文件 ( 高级统计部分 ) 都是用自带的语言编写的

　　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。

【破解说明】

　　1、下载解压得到，软件安装包和crack破解补丁；

　　2、运行SetupStata17.exe，开始安装软件；

　　3、接受同意条款，然后继续安装；

　　4、选择想要安装的版本，BE为基础版、SE为特别版、 MP为并行计算版；

　　5、设置软件安装路径，默认即可；

　　6、等待软件安装完成，先不要打开软件；

　　7、将crack破解补丁中的文件复制到软件根目录下替换；

　　默认路径：C:\Program Files\Stata17