StataNow^™ の新機能

　 areg および xtreg コマンドの absorb() オプションを使用して、 線形および固定効果線形モデルで 1 つだけでなく複数の高次元カテゴリ変数を吸収します。
　モデルにこれらのカテゴリ変数のインジケーターを含める従来のアプローチに比べて、 大幅な速度の向上が期待できます。

　メタ分析において、相関係数のメタ分析をサポートするようになりました。
　フォレストプロットやサブグループ分析など、メタ分析のすべての標準機能がサポートされています。

　ivregress コマンドでの推定後に estat weakrobust コマンドを使用して、 内生変数に対して Anderson-Rubin 検定または条件付き尤度比 (CLR) 検定を実行します。
　estat weakrobust は、内生変数が 1 つの場合に、関連する信頼区間を算出できます。

　ivsvar は、操作変数を使用して SVAR モデルのパラメーターを推定します。
　これらの推定パラメータは、構造インパルス応答関数 (IRF) として知られる動的な因果効果を追跡するために使用できます。 これらの IRF は、SVAR モデルへのショックが時間の経過とともにモデル変数にどのような影響を与えるかを説明します。

　ベクトル自己回帰 (VAR) モデルをフィッティングするための var コマンドで、vce(robust) オプションを使用してロバストな標準誤差を推定できるようになりました。

　新しい bayes: qreg コマンドは、ベイズ分位点回帰に適合します。
　ベイジアンフレームワークは、モデルベースの標準誤差を含む包括的な推論を提供する 分位回帰係数の完全な事後分布を提供します。

　bayesmh コマンドには、新しい尤度関数として非対称ラプラス分布 (ALD) が 含まれるようになりました。 ALD を使用すると、顕著な歪度と尖度を伴う非正規の結果をモデル化できます。
　ベイジアン分位点回帰モデルの適合にも使用できます。

Doファイルでは以下の機能が追加されました。

• 変数名の自動補完
• コードの折り畳み機能の拡張
• Stored results, マクロ名の自動補完
• 一時的なブックマーク
• テンプレートの設定と利用
• 単語と選択範囲の強調表示用

下記のコマンドで colorvar() オプションを使用できます。

• line
• connected
• tsline
• rline
• rconnected
• tsrline

PyStataにおいて以下の点が改善されました。

• オートコンプリート機能の拡張
• %helpによるヘルプ情報の閲覧
• Pytho環境におけるStataコマンドの表示制御
• SFIモジュールにおけるBreakErrorクラス

　 xtreg コマンドの新しいオプション cre を使用して、パネルデータの相関変量効果（CRE）モデルを簡単に適合させることができます。
　CREモデルは、個々の異質性と説明変数の間の相関から生じる内生性バイアスに対処するのに役立ちます。
　実際、CREモデルで時間とともに変化する変数の係数は、固定効果（FE）モデルから得られる係数と数値的に等価です。

　推定後コマンド estat mundlak は、ランダム効果推定と固定効果推定の間の選択を支援するための完全にロバストなMundlak適合度検定を実装します。
　Mundlak検定は、Hausman検定などの他の検定とは異なり、ロバスト推定、ブートストラップ、およびジャックナイフ標準誤差の推定後にも実施することができます。
　 estat mundlak は、re、cre、fe オプションを使用した xtreg コマンドの実行後に使用することができます。

　推定コマンド bayesmh と bayes の事前分布の指定において下記の分布を選択できます。

• 半コーシー分布（ halfcauchy(loc, beta) ）：分散や標準偏差など非負数の大きな値をとるパラメータに対する事前分布として用います。
• レイリー分布（ rayleigh(beta) ）：歪んだ分布を持つ非負パラメータをモデル化するために使用できます。

　新しい推定コマンド xtvar は、パネルデータに VAR モデルを適合させます。
　システム内の各従属変数は、その変数自体のラグ、他のすべての従属変数のラグ、 およびパネルレベルの固定効果の関数としてモデル化されます。他の説明変数もモデルに追加できます。 これらの変数は、事前に決定されたもの、完全に外生的なもの、または内生的なものにすることができます。

　新しい推定コマンド bayesselect は、 線形モデル用のベイズ変数選択を提供します。ベイズ変数選択は、多数の潜在的な説明変数のうち、 一部の変数のみが結果に強く影響するスパース回帰問題に適しています。
　 bayesselect は、モデルの不確実性を考慮し、同時にベイズ推論を実行します。 これは、回帰係数に特殊な事前分布を使用することで実現します。

　新しい推定コマンド ivlpirf は、局所射影モデルを適合させて IRFを推定し、目的のインパルス変数の内生性を考慮するために操作変数を使用します。
　局所射影は、結果変数に対するショックの影響を推定するために使用されます。 関心のあるショックが内生的である可能性のあるインパルス変数に及ぶ場合、 ivlpirf を使用してIRFを推定でき、インパルス変数は1つ以上の外生的操作を使用して操作できます。

　区間打ち切りされた複数イベントデータは、長期的な研究でよく発生します。 なぜなら、各研究対象者が複数の種類のイベントを経験する可能性があり、これらのイベントは直接観察されることはなく、 特定の時間区間内に発生したことだけが知られているからです。
　新しい推定コマンド stmgintcoxを使用すると、このようなデータに対して 限界的なCox比例ハザードモデルを適合させ、複数のイベントの間のイベント発生時刻の依存性を考慮することができます。 このコマンドは、単一イベントまたは複数レコードごとのデータにモデルを適合させることができ、 すべてのイベントまたは特定のイベントに対して時間変動共変量をサポートします。 また、stmgintcox は、イベント固有の共変量を指定する柔軟な方法も提供します。

　新しい推定コマンドcfregress , cfprobitを使用して、 コントロール関数線形回帰モデルとプロビット回帰モデルを適合させることができます。
　コントロール関数回帰は、内生変数を含むモデルに対して、従来の操作変数法の柔軟な代替手段を提供します。 連続変数、二項変数、分数変数、計数変数の内生変数を含めることができ、 内生変数の相互作用を柔軟に組み込むことができます。 また、内生性の検定も簡単に行えます。

　機械学習の手法は、線形モデルや一般化線形モデルよりも高度なモデリングが必要な予測に重点を置いた研究や ビジネスの問題を解決するためによく使用されます。このようなタスクでは、複数のツリーを組み合わせて予測精度を高める アンサンブル決定木手法が一般的です。H2O は、ランダムフォレストや勾配ブースティングなどのアンサンブル決定木手法を含む、 データ分析と機械学習をサポートするスケーラブルな機械学習プラットフォームです。
　新しいコマンド h2oml は H2O のラッパーであり、アンサンブル決定木法を使用した H2O 機械学習分析の エンドツーエンドのサポートを提供します。