面板数据向量自回归
它是什么？
对面板数据拟合向量自回归（VAR）模型！计算脉冲响应函数、执行格兰杰因果关系检验和稳定性检验、包含附加协变量等等。新的 xtvarcommand 具有与 var 相似的语法和后估计程序，但它适用于面板数据而非时间序列数据。
例如，我们可以为一个包含三个相关结果的面板数据集拟合一个 VAR 模型，方法是键入
xtset panelvar
xtvar y1 y2 y3, lags(2)
然后，我们可以进行Granger因果检验
vargranger
或绘制脉冲响应函数图。
irf create baseline, set(irfs)
irf graph irf
它有何独特之处或令人兴奋之处？
面板数据 VAR 模型可通过社区贡献的命令获得，但一直是用户强烈要求的功能。
谁会使用它？
所有学科。使用面板数据的社会科学家会对这一新功能尤为兴奋。
线性回归的贝叶斯变量选择
它是什么？
新的贝叶斯选择（bayesselect）命令提供了一种灵活的贝叶斯方法来确定与结果zui相关的预测因子子集。
与结果zui相关的预测因子子集。它使用熟悉的语法：
bayesselect y x1-x100
与 Stata 中的其他贝叶斯回归程序一样，每个预测因子的后验均值、后验标准偏差、蒙特卡洛标准误差和可信区间都会报告出来、 蒙特卡洛标准误差和每个预测因子的可信区间，以便于解释。此外，根据所选 此外，根据所选的先验值，包含系数或包含 概率，以显示每个预测因子对结果建模的重要性。
bayesselect 完全集成在 Stata 的贝叶斯套件中，可与所有贝叶斯后估计例程无缝协作，包括预测 后估计例程，包括预测：
bayesselect pmean, 平均值
它的独特之处或激动人心之处是什么？
这种变量选择方法提供了直观的解释和稳定的推断。
谁会使用它？
拥有大型数据集的社会科学家。
工具变量局部投影 IRFs
这是什么？
使用新的 ivlpirf 命令，您可以在使用本地预测估计动态因果效应时考虑内生性。
本地预测用于估计冲击对结果变量的影响。当所关注的冲击是对一个可能是内生的脉冲变量的冲击时，可以使用 ivlpirf 来估计内 部影响因子，并且可以使用一个或多个外生工具对脉冲变量进行工具化。
例如，假设我们有兴趣用 iv 作为内生脉冲 x 的工具，来估计 x 增加对 y 影响的结构性 IRF：
ivlpirf y, endogenous(x = iv)
然后，我们就可以使用 irf 系列命令来绘制这些 IRF：
irf set ivlp.irf, replace
irf create ivlp
irf graph csirf
它的独特之处或激动人心之处是什么？
估算考虑内生性的动态因果效应。
谁会使用它？
任何从事时间序列数据研究的人员，包括经济学、政治学、金融学和 公共政策
其他新功能
增强的反概率加权法与效应 aipw
增加 atet选项，以估算治疗对被治疗者的平均影响
支持 pweights
用于拟合向量自回归 (VAR) 模型的 var 命令现在允许使用 vce(robust) 选项来估计稳健标准误差。
增强了 Do-file 编辑器
自动完成变量名
自动折叠程序、Mata 代码、Python 代码、函数和 if 语句的所有代码
添加临时书签，以便在不更改 do 文件的情况下轻松浏览（05SEP2024 更新）
colorvar() 选项可通过颜色改变线、标记等，现在还可用于其他双向图：线、连接、tsline、rline、rconnected 和 tsrline。
PyStata 增强功能：从 Python 调用 Stata
在基于 IPython 内核的环境中自动完成变量名、宏名和存储结果。
在基于 IPython 内核的环境中使用 %help 行魔法，在网络浏览器中打开帮助文件。
控制是否在输出中回声 Stata 命令
在 sfi 模块中，新的 BreakError 类允许使用 Break 键中断 Python 的执行。
