Stata es un programa completo e integrado de estadísticas para investigadores de diferentes disciplinas, desde bioestadísticos hasta investigadores sociales y económicos. Los diferentes tipos de análisis integrados a Stata están documentados y soportados teóricamente por numerosos documentos, publicaciones y revistas, proporcionando todo lo necesario para el análisis de datos, gestión de datos y gráficos. Stata no se vende en módulos, lo que significa que todo lo que necesita en un solo paquete.

Y ahora en la nueva versión 12 usted podrá encontrar una gran cantidad de nuevos procedimientos, entre estos modelos de ecuaciones estructurales (SEM), ARFIMA, business calendar, ecuaciones en cadena para imputación múltiple, gráficos de contorno, gestión de memoria automática, importación y exportación de archivos Excel y mucho más.

Nuevas Características

Modelo de Ecuaciones Estructurales (SEM)

Estos modelos abarcan una amplia variedad de modelos de regresión lineal, permitiendo la modelación de ecuaciones simultáneas, incluyendo análisis de factores, correlaciones, modelos de crecimiento latente, podrá tener a la mano resultado estandarizados y no estandarizados, efectos directos e indirectos. Además, podrá parametrizar sus modelos por medio de un entorno gráfico muy amigable o por líneas de comandos.

Usted podrá realizar estimación de SEM podrá realizarlo por Máxima Verosímilitud y por asymptotic distribution free (ADF), GMM, adicionalmente tendrá varias opciones para realizar análisis estadístico de los resultados obtenidos.

GARCH Multivariado

Una de las innovaciones en este procedimiento es la incorporación de modelos VAR para determinar el comportamiento de la media, así como los Modelos de Correlación Condicional Constante (CCC) y las correlaciones dinámicas condicionales.

Modelos ARFIMA

Los cuales permiten incluir procesos de memoria larga, a diferencia de los modelos ARMA que son de memoria corta y los ARIMA que modelan shock permanentes y una memoria que no desvanece. Con el procedimiento ARFIMA podrá hacer pronósticos un paso adelante para sus datos.

Unobserved Components Models

Permite descomponer una serie temporal en su tendencia, ciclo, estacionalidad y componentes idiosincráticos adicionando variables exógenas de esta forma tendrá nuevas alternativas para el suavizamiento y descomposición de sus datos.

Pdensity

Por medio del comando psdensity podrá realizar la estimación de la densidad espectral de un proceso estacionario con los parámetros de un modelo paramétrico estimado previamente.

Series de Tiempo

Nuevos Filtros para Series de Tiempo: tendrá a la mano en un solo comando descomposición de tendencia y ciclo, entre las metodologías se encuentra: Christiano–Fitzgeral band-pass filter, Baxter–King band-pass filter, Butterworth high-pass filter, y Hodrick–Prescott high-pass filter.