Neu in GAUSS 23 Die neue Version GAUSS 23 legt den Fokus auf Zeitersparnis beim Finden, Importieren und Modellieren von Daten. Daten jederzeit zur Hand Zugriff auf Millionen von globalen Wirtschafts- und Finanzdatenreihen mit der Integration von FRED und DBnomics FRED-Datenreihen bereits während des Imports aggregieren, filtern, sortieren und transformieren FRED-Serien aus GAUSS heraus durchsuchen Daten von überall aus dem Internet laden Vereinfachtes Laden von Daten Automatische Typerkennung Die intelligente Datentyperkennung in GAUSS 23 ermittelt den Variablentyp bei Datumsvariablen, Strings und kategorialen Variablen, so dass er nicht mehr manuell angegeben werden muss. Die automatische Erkennung umfasst u. a. fast 40 gängige Datumsformate. Automatische Erkennung von Kopfzeilen und Trennzeichen GAUSS 23 behandelt beim Laden von Daten automatisch vorhandene/fehlende Kopfzeile Trennzeichen (Tabulator, Komma, Semikolon oder Leerzeichen) Anzahl der Zeilen und Spalten Variablentyp Alter Quellcode load X[127,4] = mydata.txt; Neuer Quellcode X = loadd("mydata.txt"); Einfache Dataframe-Speicherung Die Befehle loadd und saved in Kombination mit der .gdat-Dateierweiterung in GAUSS 23 laden und speichern Dataframes unkompliziert ab, ohne dass eine neue Syntax erlernt werden muss. Erweiterte Quantilregressionen neue Kernel-geschätzte Varianz-Kovarianz-Matrix bis zu 4-fache Verbesserung der Geschwindigkeit erweiterte Modelldiagnose einschließlich Pseudo-R-Quadrat, t-Statistiken und p-Werte für Koeffizienten sowie Freiheitsgrade Kernel-Dichte-Schätzungen Schätzung unbekannter Wahrscheinlichkeitsfunktionen mit 13 verfügbaren Kerneln automatische oder benutzerdefinierte Bandbreite Kernel-Dichte-Diagramme mit benutzerfreundlichen Optionen zur Anpassung Verbesserte Kovarianzberechnungen neues Verfahren zur Berechnung von robusten Standardfehlern nach Newey-West HAC Alle robusten Kovarianzverfahren enthalten jetzt die Option, die Korrekturen für kleine Stichproben zu deaktivieren. erweiterte Kompatibilität von Dataframes und Formelstrings Neue Funktionen für Datenbereinigung und -exploration Funktionen skewness und kurtosis zum Untersuchen der Symmetrie von Stichproben und deren Enden Funktion JarqueBera zum Test auf Normalität between Die Funktion between gibt einen binären Vektor zurück, der angibt, welche Beobachtungen in einen bestimmten Bereich fallen. Der Befehl kann mit selif verwendet werden, um Zeilen auszuwählen. Datumsangaben und ordinale kategoriale Spalten werden unterstützt. where Die Funktion where bietet eine bequeme und intuitive Möglichkeit, Daten zu kombinieren oder zu ändern. Sie gibt je nach Condition (Bedingung) entweder Elemente aus a oder b zurück. Verbesserungen bei Geschwindigkeit und Effizienz bis zu 10-fache Beschleunigung und 50-prozentige Verringerung des Speicherbedarfs bei der Erzeugung von Verzögerungen mit shiftc und lagn bis zu 2-fache Beschleunigung (oder mehr bei großen Daten) und 50 % weniger Speicherbedarf für miss, missrv bis zu 2-fache Beschleunigung (oder mehr bei großen Daten) und 50 % weniger Speicherbedarf für elementweise mathematische (+, -, .*, ./), relationale (.>, .<, .>=, .<=, .==, .!=) und logische (.and, .not, .or, .xor) Operatoren bis zu 100-fache Beschleunigung für einige Fälle mit indsav bis zu 40 % schneller bei reclassify bis zu 3-fache Beschleunigung beim Laden von Excel®-Dateien mit loadd und dem Datenimportfenster