Web seminerlerine katılım ücretsizdir ancak katılım için kayıt yaptırmanız gerekmektedir. Katılmak istediğiniz seminerin linkine tıklayarak kayıt yaptırabilirsiniz. Seminerin başlama saatinden önce size web seminerine nasıl katılacağınızı belirten talimatları içeren bir email gönderilecektir. Katılım için Adobe Connect erişiminizin olması gerekmektedir. Bu fırsatı kaçırmayın.
Tips and tricks
Stata’nın gizli (pek de gizli olmasa da) mücevherlerinden bazılarını keşfedin. Bu webinarda yazılım geliştiricilerimizin favorisi bir kısım özellikleri sizinle paylaşıyoruz. Aşağıda ipuçlarını görebilirsiniz:
-
- Üç yollu etiketler
-
- Graph Recorder kullanarak grafikleri standartlaştırma
-
- Modeli uydurdunuz, peki şimdi?
-
- Modelinizi yorumlama ve anlama
-
- Etkileşimli kullanımı tekrar üretilebilen sonuçlara dönüştürme
-
- Word ile çalışma
Ready. Set. Go Stata.
-
- Stata’ya nasıl veri girerim?
-
- Veri işleme ve temizleme için hangi araçlar bulunmaktadır?
-
- Saçılım grafikleri, histogramlar ve diğer grafikleri nasıl oluşturup özelleştirebilirim?
-
- Bir modeli nasıl oturtabilir ve sonuçları grafikleyebilirim?
-
- Stata öğrenmek için kaynakları nasıl bulabilirim?
Survival analysis with interval-censored data
Modellemek istediğiniz olay-zaman verileriniz var ancak olayların tam olarak ne zaman meydana geldiğinden emin değilsiniz mi? Hayatta kalma analizinde, ilgi duyulan olay her zaman tam olarak gözlemlenmediğinde ancak belirli bir zaman aralığında meydana geldiği bilindiğinde, aralıklı sansürlü olay-zaman verileri ortaya çıkar. Stata 17, bu tür veriler için gerçek yarı parametrik Cox modellerine uyması için stintcox komutunu tanıttı ve Stata 18, zamanla değişen yardımcı değişkenler (TVC’ler) için destek ekleyerek yeteneklerini genişletti. Bunun üzerine Stata 19, farklı olay türlerindeki olay zamanları arasındaki olası korelasyonları hesaba katarak aralıklı sansürlü çoklu olay verilerinin modellenmesini sağlayan yeni stmgintcox komutunu tanıttı. Bu web seminerinde, aralıklı sansürlü verilerin temel türlerini açıklayacak ve stintcox komutunu kullanarak yarı parametrik Cox orantılı tehlikeler modelinin nasıl uygulanacağını göstereceğiz. Hem tek kayıt hem de çok kayıt-konu-başına-konu veri kümelerini kullanarak örnekler sunacağız ve TVC’lerin nasıl dahil edileceğini göstereceğiz. Ek olarak, sonuçların nasıl yorumlanacağını ve çizileceğini ve orantılı-tehlikeler varsayımının nasıl değerlendirileceğini tartışacağız. Son olarak, marjinal bir Cox orantılı tehlikeler modelinin aralıklı sansürlü çoklu-olay verilerine nasıl uydurulacağını ve tüm olaylarda ortak kovaryat etkileri için daha güçlü bir testin nasıl gerçekleştirileceğini göstereceğiz.
Xiao Yang, StataCorp LLC’de Baş İstatistikçi ve Yazılım Geliştiricisidir. Xiao, 2012’den beri Stata’yı geliştirmektedir. İlgi alanları arasında sağkalım analizi, uzunlamasına analiz, Bayes analizi ve çok seviyeli karışık efekt modelleri yer almaktadır. Çin Elektronik Bilimi ve Teknolojisi Üniversitesi’nden bilgisayar bilimi alanında lisans derecesi, Güneydoğu Missouri Eyalet Üniversitesi’nden matematik alanında yüksek lisans derecesi ve Iowa Üniversitesi’nden istatistik alanında yüksek lisans derecesi vardır.Introduction to Stata for students
Stata kullanan bir ders mi alıyorsunuz ancak nereden başlayacağınızdan emin değil misiniz?
Aşağıdakiler gibi soruları kendinize soruyorsanız
- Verileri Stata’ya nasıl aktarırım?
- Verileri işlemek ve temizlemek için hangi araçlar mevcut?
- Dağılım grafiklerini, histogramları ve diğer grafikleri nasıl oluşturabilir ve özelleştirebilirim?
- Bir modeli nasıl yerleştiririm ve sonuçların grafiğini nasıl çıkarırım?
- Stata’yı öğrenmek için kaynakları nasıl bulabilirim?
o zaman Stata’yı tanıtan web seminerimiz için bize katılın. Bu bir saatlik web seminerinde sizi Stata turuna çıkaracak, bu gibi sorulara nasıl cevap vereceğinizi ve daha da ileri nasıl gidebileceğinizi göstereceğiz.
Stata’yı kullanmaya başlamanızı ve onu nereye götüreceğinizi görmek için sabırsızlanıyoruz!
10 Ağustos 2025, Saat 19:00 (4:00 PM UTC)
Son kayıt tarihi: 8 Ağustos 2025
Stata 19—See the new features in action
H2OML ile makine öğreniminin gücünü keşfedin, HDFE ile zamandan tasarruf edin ve CATE ile heterojen nedensel etkileri ortaya çıkarın. Stata 19, araştırmanızı geliştirmek, verimliliği artırmak ve raporlamayı kolaylaştırmak için tasarlanmış güçlü yeni özellikler sunar. Önemli gelişmeler arasında nedensel çıkarımda istatistiksel özellikler, panel veri analizi ve Bayes analizi, tablolar ve grafiklerde yeni özellikler, arayüz iyileştirmeleri ve daha fazlası yer alır. Stata 19’un bu rehberli turunda Eğitim Hizmetleri Yardımcı Müdürü Meghan Cain’e katılın. Bu web semineri, Stata 19 özelliklerine, önemli noktalara ve hatta bazı sunumlara genel bir bakış sağlayacaktır. Stata 19’daki tüm yeni özellikleri henüz kontrol etmediyseniz, neleri kaçırdığınızı görmek için bu web seminerimize katılın.
Meghan Cain, StataCorp LLC’de Eğitim Hizmetleri Direktör Yardımcısıdır. Doktora derecesini, araştırmalarının yapısal eşitlik modellemesi, çok düzeyli modelleme ve Bayes istatistiklerine odaklandığı Notre Dame Üniversitesi’nden niceliksel psikoloji alanında aldı. Stata’da istatistiksel eğitimlerin ve web seminerlerinin geliştirilmesini denetlemekte, Stata YouTube kanalı için videolar oluşturmakta ve Stata Press kitaplarını gözden geçirmektedir.Stata Kullanılarak Koşullu Ortalama Tedavi Etkileri Tahmini
Tedavi etkileri, bir tedavinin bir sonuç üzerindeki nedensel etkilerini tahmin eder. Genellikle ortalama tedavi etkilerini (ATE) tahmin ederiz, ancak etki heterojen olduğunda bir popülasyonun ortalamasını almak faydalı olmayabilir. Bir dizi değişkene bağlı ortalama tedavi etkileri (CATE’ler), heterojen tedavi etkilerini anlamamıza yardımcı olur ve yapısı gereği, farklı tedavi atama politikalarının popülasyondaki farklı grupları nasıl etkilediğini değerlendirmek için faydalıdır.
Bu web seminerinde, Stata 19’un yeni cate komutunu kullanarak aşağıdaki gibi soruları nasıl yanıtlayacağımızı göstereceğiz:
- Tedavi etkileri heterojen mi?
- Tedavi etkileri bazı değişkenlere göre nasıl değişiyor?
- Tedavi etkileri önceden belirlenmiş gruplar arasında değişiyor mu?
- Verilerde tedavi etkilerinin farklılık gösterdiği bilinmeyen gruplar var mı?
- Olası tedavi atama kuralları arasında hangisi en iyisidir?
Di Liu, StataCorp LLC’deki ekonometri geliştirme ekibinde Baş Ekonometristtir. Di, araştırmacılar için istatistiksel yazılımlar yazmaktan ve hem teorik hem de uygulamalı ekonometri alanlarında araştırma yapmaktan büyülenmektedir. Heterojen DID, enstrümantal değişkenli kantil regresyon, lasso kullanarak tedavi etkileri tahmini, tahmin için lasso, çıkarım için lasso, mekansal otoregresif modeller, heckpoisson ve betareg gibi bazı Stata özelliklerinin birincil geliştiricisidir. Ayrıca Canadian Journal of Economics, Econometrics Reviews, Empirical Economics, Econometrics and Statistics ve Stata Journal’da araştırma makaleleri yayınlamıştır. Di, Kanada, Montreal’deki Concordia Üniversitesi’nden ekonomi alanında doktora derecesine; Fransa, Lille’deki Polytech’Lille’den yazılım mühendisliği ve istatistik alanında mühendislik derecesine; Çin, Nanjing’deki Hohai Üniversitesi’nden bilgisayar bilimleri alanında yüksek lisans ve lisans derecelerine sahiptir.Di Liu, StataCorp LLC’deki ekonometri geliştirme ekibinde Baş Ekonometristtir. Di, araştırmacılar için istatistiksel yazılımlar yazmaktan ve hem teorik hem de uygulamalı ekonometri alanlarında araştırma yapmaktan büyülenmektedir. Heterojen DID, enstrümantal değişkenli kantil regresyon, lasso kullanarak tedavi etkileri tahmini, tahmin için lasso, çıkarım için lasso, mekansal otoregresif modeller, heckpoisson ve betareg gibi bazı Stata özelliklerinin birincil geliştiricisidir. Ayrıca Canadian Journal of Economics, Econometrics Reviews, Empirical Economics, Econometrics and Statistics ve Stata Journal’da araştırma makaleleri yayınlamıştır. Di, Kanada, Montreal’deki Concordia Üniversitesi’nden ekonomi alanında doktora derecesine; Fransa, Lille’deki Polytech’Lille’den yazılım mühendisliği ve istatistik alanında mühendislik derecesine; Çin, Nanjing’deki Hohai Üniversitesi’nden bilgisayar bilimleri alanında yüksek lisans ve lisans derecelerine sahiptir.
15 Ekim 2025, Saat 19:00 (4:00 PM UTC)
Son kayıt tarihi: 23 Ekim 2025
H2O Üzerinden Stata Kullanarak Makine Öğrenimi
Hangi müşteriler kredilerini ödeyemeyecek? Hisse senedi fiyatları önümüzdeki haftalarda nasıl değişecek? Cerrahi başarıyı hangi temel faktörler yönlendiriyor?
Yüksek performanslı makine öğrenimi yöntemleri, veri oluşturma süreci karmaşık olsa bile bu ve daha birçok soruya yanıt verebilir. Stata’daki yeni h2oml paketiyle, H2O üzerinden makine öğreniminde en çok kullanılan iki modeli uygulayabilirsiniz: Gradient Boosting Machine (GBM) ve Random Forest (RF).
Bu web seminerinde, bu modellerin sürekli, ikili ve çok terimli sonuçları tahmin etmek için nasıl kullanılacağını; model performansının nasıl değerlendirileceğini; ve model hiperparametrelerinin nasıl en uygun şekilde seçileceğini göreceğiz. Ayrıca, makine öğrenimi modellerimizin tahminlerini yorumlamak ve açıklamak için Stata’da bulunan araçları da inceleyeceğiz. Bunlar arasında değişken önem derecesi, küresel vekil modeller, kısmi bağımlılık grafikleri, ICE eğrileri ve Shapley değerleri yer almaktadır.
Eduardo García Echeverri, StataCorp LLC’de Kıdemli Ekonometristtir. Rochester Üniversitesi’nden Ekonomi alanında doktora derecesine ve Kolombiya’daki Universidad de los Andes’ten yüksek lisans derecesine sahiptir. Araştırmaları, ekonometride parametrik olmayan ve yarı parametrik yöntemler üzerine odaklanmaktadır. Stata’da dokümantasyon üretmekte, web seminerleri düzenlemekte ve yeni istatistiksel özelliklerin geliştirilmesine katkıda bulunmaktadır.
13 Kasım 2025, Saat 20:00 (5:00 PM UTC)
Son kayıt tarihi: 11 Kasım 2025