Kursus Stata

Pelajaran 1 • Dasar-Dasar Sintaks Perintah

Mengajarkan struktur sintaks standar perintah-varlist-jika-dalam-pilihan. Sintaks yang benar adalah prasyarat untuk setiap operasi selanjutnya di Stata.

Pelajaran 2 • Mendapatkan Bantuan dan Dokumentasi

Mendemonstrasikan perintah bantuan bawaan, search, dan findit untuk pembelajaran mandiri. Membekali mahasiswa untuk menyelesaikan galat secara mandiri sepanjang kursus.

Pelajaran 3 • Jenis dan Format File Stata

Memperkenalkan jenis file .dta, .do, .log, dan .gph serta perannya. Menghubungkan kebiasaan manajemen file dengan alur kerja yang reprodusibel dan terorganisir.

Pelajaran 1 • Mengimpor Data dari Berbagai Sumber

Mencakup perintah import delimited, import excel, dan use untuk format umum. Membangun titik masuk untuk semua tugas manipulasi data selanjutnya.

Pelajaran 2 • Menyimpan dan Mengekspor Data

Mendemonstrasikan save, export delimited, dan export excel untuk alur kerja keluaran. Mahasiswa mempelajari kebiasaan kontrol versi yang melindungi integritas data.

Pelajaran 3 • Tipe Variabel dan Format Penyimpanan

Menjelaskan tipe penyimpanan numerik, string, dan tanggal serta implikasi memorinya. Pengetikan yang benar mencegah galat dalam kalkulasi dan penggabungan di tahap hilir.

Pelajaran 4 • Memberi Label pada Variabel dan Nilai

Mengajarkan label variabel, label nilai, dan catatan untuk dataset yang mendokumentasikan diri. Data berlabel mengurangi misinterpretasi selama analisis dan pelaporan.

Pelajaran 1 • Mengidentifikasi dan Menangani Nilai Hilang

Mencakup kode nilai hilang, mvdecode, mvencode, dan pola kemissingan. Penanganan nilai hilang yang akurat mencegah hasil yang bias dalam setiap analisis.

Pelajaran 2 • Menggabungkan dan Menambahkan Dataset

Mencakup merge 1:1, 1:m, m:1, dan append untuk menggabungkan dataset. Pemilihan tipe merge yang benar mencegah observasi duplikat atau hilang.

Pelajaran 3 • Membangkitkan Variabel Baru

Mencakup fungsi generate, egen, dan string untuk membuat variabel turunan. Variabel baru menyandikan konstruk analitis secara langsung ke dalam dataset.

Pelajaran 4 • Mengkode Ulang dan Mengganti Variabel

Mengajarkan recode, replace dengan kondisi, dan clonevar untuk transformasi variabel. Alat-alat ini membentuk ulang kode mentah menjadi kategori yang bermakna secara analitis.

Pelajaran 1 • Visualisasi Data Eksploratif

Memperkenalkan histogram, diagram kotak, diagram pencar, dan kdensity untuk eksplorasi visual. Grafik mengungkap pencilan dan fitur distribusional yang terlewatkan oleh statistik saja.

Pelajaran 2 • Tabulasi Silang dan Tabel Frekuensi

Mengajarkan tabulate dua arah, uji chi-kuadrat, dan persentase baris/kolom. Tabulasi silang mengungkap asosiasi antar variabel kategorik sebelum pemodelan.

Pelajaran 3 • Statistik Ringkasan Univariat

Mencakup summarize, tabulate, dan codebook untuk deskripsi variabel tunggal. Perintah-perintah ini membentuk langkah analitis pertama untuk dataset baru.

Pelajaran 4 • Analisis Menurut Grup

Mencakup prefiks by, bysort, dan perintah table untuk ringkasan terstratifikasi. Statistik tingkat grup mengekspos heterogenitas yang ditutupi oleh ukuran agregat.

Pelajaran 1 • Melakukan Perulangan dengan foreach dan forvalues

Mendemonstrasikan foreach pada daftar variabel dan daftar string, dan forvalues pada rentang numerik. Perulangan mengurangi pengulangan kode antar variabel, grup, atau dataset.

Pelajaran 2 • Logika Kondisional dengan if dan while

Mencakup blok if-else dan perulangan while untuk aliran program bercabang. Logika kondisional memungkinkan skrip beradaptasi dengan kondisi data secara otomatis.

Pelajaran 3 • Menulis dan Menjalankan File Do-File

Mencakup editor file do-file, perintah run vs. do, dan organisasi skrip. File do-file adalah fondasi penelitian reprodusibel di Stata.

Pelajaran 4 • File Log dan Manajemen Keluaran

Mengajarkan log using, log close, dan translate untuk menangkap dan mengonversi keluaran. Log menciptakan catatan yang dapat diaudit dari setiap sesi analitis.

Pelajaran 1 • Diagnostik Regresi

Mencakup uji heteroskedastisitas, multikolinearitas, dan observasi berpengaruh. Diagnostik memvalidasi asumsi OLS dan memandu koreksi model.

Pelajaran 2 • Perintah Pasca-Estimasi

Mendemonstrasikan predict, margins, dan test untuk inferensi setelah regress. Perintah pasca-estimasi mengekstrak kuantitas yang diminati di luar koefisien mentah.

Pelajaran 3 • Regresi OLS Sederhana dan Berganda

Mencakup sintaks regress, interpretasi koefisien, dan statistik kecocokan model. OLS adalah teknik dasar dari mana semua model lanjutan diperluas.

Pelajaran 4 • Prediktor Kategorik dan Interaksi

Mengajarkan notasi variabel faktor (i. dan c.) dan suku interaksi (##). Variabel faktor mengotomatiskan pengkodean dummy dan spesifikasi interaksi.

Pelajaran 1 • Model Hasil Biner

Mencakup estimasi logit dan probit, efek marjinal, dan kecocokan model. Model biner diperlukan ketika hasilnya adalah variabel indikator nol-satu.

Pelajaran 2 • Model Terurut dan Multinomial

Mengajarkan ologit, oprobit, dan mlogit untuk hasil ordinal dan nominal. Model-model ini menangani hasil dengan lebih dari dua kategori yang tidak terurut atau terurut.

Pelajaran 3 • Analisis Survival dan Durasi

Memperkenalkan stset, sts graph, dan streg untuk data waktu-hingga-peristiwa. Model survival memperhitungkan penyensoran yang diabaikan oleh regresi standar.

Pelajaran 4 • Model Data Hitung

Mendemonstrasikan poisson, nbreg, dan varian zero-inflated untuk hasil hitung. Model hitung menghormati sifat bilangan bulat non-negatif dari data hitung.

Pelajaran 1 • Mendeklarasikan Data Panel dan Deret Waktu

Mencakup xtset dan tsset untuk mendeklarasikan struktur panel dan deret waktu. Deklarasi yang benar mengaktifkan semua perintah dan operator prefiks xt dan ts.

Pelajaran 2 • Model Deret Waktu: AR, MA, dan ARIMA

Mencakup perintah arima, ac, dan pac untuk pemodelan deret waktu univariat. Model ARIMA menangkap struktur autokorelasi untuk peramalan dan inferensi.

Pelajaran 3 • Model Panel Dinamis

Mendemonstrasikan xtabond2 dan xtdpd untuk estimasi GMM Arellano-Bond. Model dinamis mencakup hasil lag dan mengatasi endogenitas dalam panel.

Pelajaran 4 • Autoregresi Vektor dan Kointegrasi

Memperkenalkan var, irf, dan vecm untuk sistem deret waktu multivariat. VAR dan VECM menangkap interdependensi dinamis antara beberapa deret waktu.