stata百度百科

科学软件网销售软件达19年，有丰富的销售经验以及客户资源，提供的产品涵盖各个学科，包括经管，仿真，地球地理，生物化学，工程科学，排版及网络管理等。此外，我们还提供很多附加服务，如：现场培训、课程、解决方案、咨询服务等。
This manual is protected by copyright. All rights are reserved. No part of this manual may be reproduced, stored
in a retrieval system, or transcribed, in any form or by any means—electronic, mechanical, photocopy, recording, or
otherwise—without the prior written permission of StataCorp LP unless permitted subject to the terms and conditions
of a license granted to you by StataCorp LP to use the software and documentation. No license, express or implied,
by estoppel or otherwise, to any intellectual property rights is granted by this document.

Multiple-group IRT models in Stata
IRT models explore the relationship between a latent (unobserved) trait and items that measure aspects of the trait. This often arises in standardized testing where the trait of interest is ability, such as mathematical ability. A set of items (test questions) is designed, and the responses measure this unobserved trait. Researchers in education, psychology, and health frequently fit IRT models.
Stata’s irt commands fit 1-, 2-, and 3-parameter logistic models. They also fit graded response, nominal response, partial credit, and rating scale models, and any combination of them. And after fitting a model, irtgraph graphs item-characteristic curves, test characteristic curves, item information functions, and test information functions.
New in Stata 16, the irt commands allow comparisons across groups. Take any of the existing irt commands, add a group(varname) option, and fit the corresponding multiple-group model. For instance, type
. irt 2pl item1-item10, group(female)
and fit a two-group 2PL model.
Group-specific means and variances of the latent trait will be estimated. Group-specific difficulty and discrimination parameters can also be estimated for one or more items. With constraints, you can specify exactly which parameters are allowed to vary and which parameters are constrained to be equal across groups.
You can even use likelihood-ratio tests to compare models with and without constraints to perform an IRT model-based test of differential item functioning.

We consider two types of CRIs. The first one is based on quantiles. The second one is the highest
posterior density (HPD) interval.
An f(1 �� )  100g% quantile-based, or also known as an equal-tailed CRI, is defined as
(q=2; q1��=2), where qa denotes the ath quantile of the posterior distribution. A commonly reported
equal-tailed CRI is (q0:025; q0:975).
HPD interval is defined as an f(1 �� )  100g% CRI of the shortest width. As its name implies,
this interval corresponds to the region of the posterior density with the highest concentration. For a
unimodal posterior distribution, HPD is unique, but for a multimodal distribution it may not be unique.
Computational approaches for calculating HPD are described in Chen and Shao (1999) and Eberly
and Casella (2003).

Panel-data ERMs
Extended regression models (ERMs) were a big new feature last release. The ERM commands fit models that account for three common problems that arise in observational data—endogenous covariates, sample selection, and treatment—either alone or in combination.
In Stata 16, we introduce the xteregress, xteintreg, xteprobit, and xteoprobit commands for fitting panel-data ERMs. This means ERMs can now account for the three problems we mentioned above and for within-panel correlation. These new commands fit random-effects linear, interval, probit, and ordered probit regression models. They allow random effects in one or all equations, and they allow random effects to be correlated across equations.
Researchers from all disciplines who work with observational (nonexperimental) data are interested in ERMs and will be excited about the new panel-data versions of these commands. However, different disciplines talk about these models differently.
Above, we referred to the problems ERMs solve as endogenous covariates, sample selection, treatment, and within-panel correlation. While this terminology is common in some disciplines such as economics, other disciplines may use other terms.
• Instead of panel-data and within-panel correlation, researchers may ask for models for multilevel (two-level) data that account for within-group correlation.
• Instead of endogenous covariates, researchers may ask for methods of dealing with unobserved confounding or unmeasured confounding.
• Instead of sample selection, researchers may be concerned about trials with informative dropout, nonignorable nonresponse, or outcomes missing not at random (MNAR).
• Instead of treatment, researchers may ask about methods for causal inference or estimating average treatment effects (ATEs).
The important message is that all disciplines are interested in ERMs, but they often speak different languages.
科学软件网不仅提供软件产品，较有多项附加服务免费提供，让您售后**！

科学软件网是一个以引进国外优秀科研软件，提供软件服务的营业网站，网站由北京天演融智软件有限公司创办，旨在为国内高校、科研院所和以研发为主的企业事业单位提供优秀的科研软件及相关软件服务。截止目前，科学软件网已获得数百家**软件公司正式授权，代理销售科研软件数百种种，软件涵盖领域包括经管，电力系统模拟，地球地理，生物化学，工程科学，排版及网络管理等。同时，还提供专业培训、视频课程（包含34款软件，66门课程）、实验室解决方案和项目咨询等服务。
不管您是需要购买单款软件，还是制定整个实验室的购买方案，都可以提供。重点软件有：SPSS, Stata, Minitab, Matlab, GAMS, Mathematica, Tableau, SAS, LinGo, Mplus, @risk, Risk Simulator, EViews,NVivo/Atlas.ti/MaxQDA, 动态均衡模型，静态均衡模型，OxMetrics，Vensim/Ithink/Stella，Crystal Ball ，Alogit，GAUSS，GTAP，GEMPACK，HLM，Lisrel，NCSS，Netminer，Nlogit ，Stat/Transfer，SUDAAN，SYSTAT，TreeAge，PASS，nQuery，UCINET，RATS/CATS，Latent GOLD，Kwalitan，NeuroSolutions，TableCurvePSCAD，Enerplot，FACE，E-Tran，SIDRA TRIP，SIDRA INTERSECTION，Remo 3D，HOMER，Surfer，Grapher，Sigmaplot，GraphPad Prism，KaleidaGraph，Mapviewer ，Voxler ，Strater，Didger，RFFlowHydrus，GMS/SMS/WMS ，Visual Modflow，Flo-2d，Earth Volumetric Studio（EVS）*studio，RockWorks，PetraSim，AquaChem，AquiferTest，Hydro *Analyst，Groundwater Vistas，TerrSetSequencher，SIMCA ，Wien2k，Q-chem，Chembiooffice ，Chembiodraw ，The Unscrambler ，Spartan，Array Designer ，Beacon Designer ，AlleleID ，Beacon Designer，Chemcraft，ChromasPro，CLIMEX DYMEX，Geneious，PC-ORD，Primer Premier，PrimerPlex ，RBCA Tool Kit for Chemical