|
|
使用 GAUSS 25 进行更多研究，减少工作量！
介绍
GAUSS 25 将通过用于数据探索、高级诊断和无缝模型比较的直观工具改变您的工作流程。
全面的面板数据工具
正在努力理解面板数据 GAUSS 25 改变了您加载、分析和探索数据的方式，为您提供所需的直观工具。
探索面板数据特征
- 使用 pdSummary 浏览总体、组内和组间摘要统计信息。
|
// Import data |
|
pd_cty = loadd("pd_county.gdat"); |
|
|
|
/* |
|
** Create panel data summary report. |
|
** pdSummary will automatically detect |
|
** group variable and time variable |
|
*/ |
|
call pdSummary(pd_cty); |
- 请参阅使用 pdSize 和 pdTimeSpan 的面板数据时间分布。
// Print report on size and range |
// of each individual in the panel.
|
|
call pdSize(pd_cty); |
|
准备用于建模的面板数据
- 自动智能检测组和时间变量，实现无缝工作流程。
- 使用 pdSort 使用检测到的组和时间变量立即对面板数据进行排序。
- 新的 pdLag 和 pdDiff 用于计算面板数据滞后和差异。
|
// Compute second lag of each |
|
// individual in the panel |
|
pd_cty_l = pdLag(pd_cty, 2); |
|
|
|
// Print the first 10 observations |
|
print pd_cty_l[1:10,.]; |
- 使用 pdAllBalanced 和 pdAllConsecute 检查平衡和连续性。
新假设检验
新的 waldTest 程序提供了一个强大而直观的工具，用于在估计后测试线性假设。
- 在 OLS、GLM、GMM 和分位数回归之后执行估计后假设检验。
- 使用变量名称轻松指定假设。
- 全面支持假设中变量的线性组合。
| |
// Run ols model |
|
struct olsmtout cen_ols; |
|
cen_ols = olsmt("census3.dta", "brate ~ medage + medage*medage + region"); |
|
|
|
// Test the hypothesis that the coefficients on |
|
// the Ncentral region and South region are equal |
|
{ wald_stat, p_value } = waldTest(cen_ols, "region: NCentral - region: South"); |
使用新的qfitSlopeTest检查分位数回归后分位数之间斜率的等效性。
|
// Set up tau for regression |
|
tau = 0.35|0.55|0.85; |
|
|
|
// Call quantileFit |
|
struct qfitOut qOut; |
|
qOut = quantileFit("regsmpl.dta", "ln_wage ~ age + age:age + tenure", tau); |
|
|
|
// Test for joint equivalency of all slopes |
|
// across all quantiles |
|
qfitSlopeTest(qOut); |
增强的结果打印输出
GAUSS 25 现在为所有估算程序提供扩展的模型诊断和一致的打印输出。
|
//Get file name with full path |
|
file = getGAUSShome("examples/clotting_time.dat"); |
|
|
|
//Perform estimation and print report |
|
call glm(file, "lot1 ~ ln(plasma)", "gamma"); |
这些增强功能使比较模型、探索结果和获得更深入的见解变得比以往任何时候都更容易。
改进的性能和速度
- 使用 tabulate 扩展的双向制表法可查找行或列百分比。
- gmmFitIV 函数现在使用数据帧中的元数据来识别和报告变量名称，并支持“by”关键字。
- 排序数据的可选规范可在使用 counts 时提高速度。
- plotFreq 过程现在支持使用 “by” 关键字来计算跨组的频率。
|
// Load dataset |
|
tips2 = loadd("tips2.csv"); |
|
|
|
// Create a frequency plot of visits per day |
|
// for each category of smoker (Yes, or No). |
|
plotFreq(tips2, "day + by(smoker)"); |
- saved 现在可以使用 Excel 文件的标签自动检测并保存分类变量和字符串变量。
结论
有关所有 GAUSS 25 优惠的完整列表，请参阅完整的更新日志。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
|
|
400-621-1085
