Saturday, March 4, 2017

Analisis Data Menggunakan STATA



Apa itu Stata?
Ini adalah paket statistik multi-tujuan untuk membantu Anda menjelajahi, meringkas dan menganalisis dataset. • Sebuah dataset adalah kumpulan dari beberapa potong variabel informasi yang disebut (biasanya diatur oleh kolom). Sebuah variabel dapat memiliki satu atau beberapa nilai (informasi untuk satu atau beberapa kasus). • paket statistik lainnya adalah SPSS, SAS dan R. • Stata banyak digunakan dalam penelitian ilmu sosial dan perangkat lunak statistik yang paling sering digunakan.


Digunakan oleh ratusan ribu peneliti selama lebih dari 30 tahun, Stata memberikan semua yang Anda butuhkan untuk statistik, grafik, dan manajemen data. Pilih disiplin Anda dan melihat bagaimana Stata dapat bekerja untuk Anda.
  • ilmu perilaku  
  • biostatistik  
  • Ekonomi  
  • pendidikan  
  • Epidemiologi  
  • Keuangan, bisnis, dan pemasaran  
  • Penelitian medis
  •  Ilmu Politik  
  • Kesehatan masyarakat  
  • Kebijakan publik  
  • Sosiologi

Stata 14 menyediakan fitur yang semakin lengkap untuk menganalisis data semua bidang ilmu

Bayesian analysis
Thousands of built-in models
Add your own models
Adaptive Metropolis–Hastings
Gibbs sampling
Convergence diagnostics
Posterior summaries
Hypothesis testing
Model comparison

IRT (item response theory)
Binary response models—1PL, 2PL, 3PL
Ordinal response models—graded response, partial credit, rating scale
Nominal response model
Hybrid models
Item characteristic curves
Test characteristic curves
Item information function

Unicode
Data
Variable and value labels
Variable names!

Integration with Excel
Cell formatting
Font formatting
Insert Stata graphs
Create cell formulas
Treatment effects
Survival outcomes
Endogenous treatments
Balance diagnostics and tests
Sampling weights

Multilevel survival models
Random effects
Crossed effects
Two, three, higher level
Right censoring
Exponential, Weibull, ...
Survey data
Multilevel models
Survey data
Multilevel sampling weights
Survival models
Denominator degrees of freedom
Marginal predictions, means, effects

SEM (structural equation modeling)
Satorra–Bentler adjustments
Survival models
Survey data
Multilevel weights
Marginal predictions, means, effects

Power and sample size
Contingency tables
Cochran–Mantel–Haenszel test
Test for trend
Matched case–control studies
Survival analysis
Markov-switching models
Autoregressive model
Dynamic regression model
State-dependent parameters
Transition probabilities
State membership probabilities
Survey statistics
Multilevel models
Survival models
SEM (structural equation modeling)
Multistage/multilevel weights

Panel-data survival models
Random effects (intercepts)
Random coefficients
Right-censoring
Exponential, Weibull, ...
Survival graphs

Fractional outcome regression
Fractions, proportions, ...
Beta regression
Probit and logit
Heteroskedasticity
Odds ratios
Marginal means and marginal effects
Multiple outcomes
Multiple equations
Integrate over random effects
Integrate over latent variables

Two all new manuals
12,000+ total pages
Quick starts
Thousands of worked examples
Overview of statistical methods

More statistics
Hurdle models
Censored Poisson models
Beta regression
Structural break tests
z tests comparing means
More distribution functions
Mersenne Twister