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

continue reading Analisis Data Menggunakan STATA

Item Response Theory (IRT) Menggunakan STATA

Banyak peneliti mempelajari kemampuan kognitif, kepribadian, sikap, kualitas hidup, kepuasan pasien, dan atribut lainnya yang tidak dapat diukur secara langsung. Untuk mengukur jenis sifat laten, peneliti sering mengembangkan instrumen-kuesioner atau tes yang terdiri dari item biner, ordinal, atau kategori untuk menentukan tingkat individu dari sifat tersebut.

Teori Item respon (IRT) model dapat digunakan untuk mengevaluasi hubungan antara sifat laten bunga dan item dimaksudkan untuk mengukur sifat tersebut. Dengan IRT, kami juga dapat menentukan bagaimana instrumen secara keseluruhan berkaitan dengan sifat laten. IRT digunakan ketika instrumen baru dikembangkan, ketika menganalisis dan data scoring yang dikumpulkan dari instrumen ini, ketika membandingkan instrumen yang mengukur sifat yang sama, dan banyak lagi. Misalnya, ketika kita mengembangkan instrumen baru, kita memiliki satu set item yang kita yakini sebagai pengukuran yang baik dari sifat laten kami.

Kita dapat menggunakan model IRT untuk menentukan apakah barang-barang tersebut, atau subset, dapat dikombinasikan untuk membentuk alat ukur yang baik. Dengan IRT, kita mengevaluasi jumlah informasi setiap item menyediakan. Jika beberapa item tidak memberikan banyak informasi, kita dapat menghilangkannya. model IRT memperkirakan kesulitan setiap item. Ini memberitahu kita tingkat sifat yang dinilai oleh item. Kami ingin item yang menyediakan informasi di seluruh kontinum penuh dari skala sifat laten. Kita juga bisa bertanya berapa banyak informasi instrumen, secara keseluruhan, menyediakan untuk setiap tingkat sifat laten. Jika ada rentang sifat laten yang sedikit informasi yang tersedia, kita dapat menambahkan item ke tes.

Bagimana cara analisis IRT dengan STATA?
Misalkan kita memiliki tes yang dirancang untuk menilai kemampuan matematika berdasarkan pada delapan pertanyaan yang berisi 0 (salah) atau 1 (benar). Kita uji fit satu-parameter model logistik, model yang memperkirakan hanya kesulitan masing-masing delapan item tersebut, dengan mengetik

IRT 1pl q1-q8

Atau lebih baik, bila mengunakan IRT Control Panel.

Tekan enter, lalu akan menghasilkan output seperti ini:



Koefisien berlabel "Diff" melaporkan tingkat kesulitan. Berdasarkan model ini, pertanyaan 8 adalah yang paling mudah dengan koefisien -2,328. Pertanyaan 5 adalah yang paling sulit dengan koefisien 1,595.

continue reading Item Response Theory (IRT) Menggunakan STATA