DPC Software Stata Distributor Germany

01/09/2026

PDFs contain a wealth of information, but extracting and efficiently processing their content can often be challenging.

With the new pdf2txt command, StataNow introduces an exciting new way to make PDF content more accessible for further analysis.

Here's what's new:

🔹 pdf2txt: Convert a PDF document directly into a plain text file with a simple command:

pdf2txt myreport.pdf

This is particularly exciting because plain text can be much easier to extract, parse, and process. The converted content can be used for data mining or efficiently processed by large language models (LLMs).

As PDFs continue to be an important source of information, pdf2txt opens up exciting new possibilities for turning unstructured document content into data that can be further processed and analyzed. 🚀

👉 Learn more about pdf2txt and PDF to plain text conversion in StataNow: https://www.stata.com/statanow/convert-pdf-to-plain-text/

31/08/2026

🌐 Neuer Look. Neue Website. Alles rund um Stata an einem Ort.

Wir freuen uns, Ihnen unsere neue Stata Germany Homepage vorzustellen! 🎉

Als offizieller Distributor von Stata in Deutschland möchten wir Ihnen mit unserer neuen Website einen zentralen Anlaufpunkt für alles rund um Stata bieten.

🔹 Entdecken Sie die neuesten Features von Stata 19 und StataNow™
🔹 Erfahren Sie mehr über die vielfältigen Einsatzbereiche und Funktionen von Stata
🔹 Vergleichen Sie die verschiedenen Stata Editionen und finden Sie die passende Lösung für Ihre Anforderungen
🔹 Entdecken Sie hilfreiche Ressourcen, Trainings, Webinare und weitere Informationen rund um Stata
🔹 Informieren Sie sich über Testversionen, Lizenzmöglichkeiten und Systemanforderungen

Egal, ob Sie bereits mit Stata arbeiten oder Stata gerade erst kennenlernen: Auf unserer neuen Website finden Sie umfassende Informationen rund um die Statistiksoftware und ihre vielfältigen Möglichkeiten.

👉 Entdecken Sie jetzt unsere neue Website: https://stata-germany.com/

Wir freuen uns auf Ihren Besuch und sind gespannt auf Ihr Feedback! 😊

28/08/2026

📊 Stata Tipp – Kategoriale Variablen in Regressionsmodellen

Wussten Sie, dass Sie kategoriale Variablen in Stata ganz einfach in Regressionsmodelle aufnehmen können, ohne sie vorher manuell in Dummy-Variablen umzukodieren?

In unserem neuen Stata Tipp erklärt Christian Brzinsky-Fay, wie Sie dafür die Faktor-Variablen-Notation nutzen können. 📈

Die Verwendung von kategorialen Variablen als Prädiktoren in Regressionsmodelle erfordert deren Zerlegung in dichotome Variablen (Dummy-Variablen). Stata bietet hierfür die sog. Faktor-Variablen-Notation an, die die Zerlegung automatisch ohne umständliche Umkodierung vornimmt.
sysuse nlsw88, clear regress wage hours grade tenure i.union, allbaselevels

Die Variable “union” ist kategorial und gibt an, ob eine Person in einer Gewerkschaft organisiert ist oder nicht. Der Präfix „i.“ führt zur automatischen temporären Zerlegung in eine Dummy-Variable mit 0 = non-union und 1 = union. Diese wird dabei nur intern für die Regressionsschätzung erzeugt; der Datensatz wird demnach nicht verändert.

Auch kategoriale Variablen mit vielen Kategorien können so leicht im Regressionsmodell verwendet werden.
regress wage hours grade tenure i.union i.occupation, allbaselevels

Die Variable “occupation” mit ihren 13 Ausprägungen wird nun mit 12 Dummy-Variablen in das Regressionsmodell aufgenommen. Dabei ist standardmäßig die erste Kategorie die Referenzkategorie. Diese kann aber geändert werden, indem der Präfix angepasst wird.
regress wage hours grade tenure i.union ib8.occupation, allbaselevels

Nun wird die achte Kategorie („laborers“) als Referenz definiert.
Weiterführende Hinweise erhält man unter
help factor_variables

💡 Ein praktischer Weg, kategoriale Variablen flexibel in Ihre Regressionsmodelle einzubinden, ohne den Datensatz manuell verändern zu müssen.

👉 Bleiben Sie dran für weitere Stata Tipps!

26/08/2026

⚠ Die Probleme des Linear Probability Models

Kann man eine binäre abhängige Variable einfach mit einer linearen Regression analysieren?

Nicht ganz. Das sogenannte Linear Probability Model kann zu vorhergesagten Werten führen, die kleiner als 0 oder größer als 1 sind. Genau hier zeigt sich eine zentrale Einschränkung des OLS-Modells bei binären abhängigen Variablen.

In diesem Video erklärt Christian Brzinsky-Fay, warum diese Probleme entstehen und weshalb die logistische Regression eine geeignete Alternative darstellt.

Ein wichtiger erster Schritt, um zu verstehen, warum wir für binäre abhängige Variablen andere Regressionsmodelle benötigen.

🎥 Dieses Video ist Teil unserer Tutorial-Reihe „Logistische Regressionsanalyse mit Stata“ (1/6).

▶️ Hier geht's zum Video: https://youtu.be/UDpaqPQOpzQ

💬 Haben Sie schon einmal ein Linear Probability Model verwendet? Teilen Sie Ihre Erfahrungen gerne in den Kommentaren.

Kann man eine binäre abhängige Variable einfach mit einer linearen ...

25/08/2026

🆕 Neuer Stata Blogpost: Analytic weights: When, how, and why

Wann sollte man analytic weights verwenden und was bewirken sie eigentlich?

Genau diesen Fragen gehen Eduardo Garcia Echeverri und Tom Stringham im neuen Stata Blogbeitrag nach. Sie erklären, was hinter analytic weights (aweights) steckt und warum sie nicht einfach als allgemeine Lösung für gewichtete Daten oder als Ersatz für sampling weights verwendet werden sollten.

Anhand von Monte-Carlo-Simulationen zeigen die Autoren, wie aweights bei aggregierten Daten eingesetzt werden können, bei denen einzelne Beobachtungen unterschiedlich präzise sind. Besonders deutlich wird dabei, wie die richtige Gewichtung die Effizienz von Schätzern verbessern, die Varianz reduzieren und zu präziseren Konfidenzintervallen führen kann.

Der Beitrag geht außerdem der Frage nach, wie sich analytic weights in unterschiedlichen Situationen verhalten, unter anderem bei:
🔹 heteroskedastischen Fehlern
🔹 endogenen Regressoren und Instrumentvariablen
🔹 geclusterten Fehlern

Ein spannender Beitrag für alle, die mit gewichteten Daten arbeiten und besser verstehen möchten, wann und warum analytic weights sinnvoll eingesetzt werden können.

👉 Zum neuen Blogbeitrag: https://blog.stata.com/2026/08/18/analytic-weights-when-how-and-why/

21/08/2026

Did you know that you can format text directly in your Stata graphs?

In our new Stata Tip, Asjad Naqvi, PhD shows how to use simple formatting options to add bold, italic, and underlined text to your graphs. ✨

Stata allows text formatting using {bf:}, {it:}, and {ul:} for bold, italics, and underline respectively:

clear
sysuse auto

cap drop rand
gen rand = runiform() > 0.8

cap drop make2
gen make2 = "{bf:" + make + "}" if rand==1

twoway ///
(scatter price mpg, mlab(make2) ) ///
, title("my {bf:bold title} with some {it:italic text}") legend(off)

🎯 This gives you more control over how labels and titles are displayed, making it easy to highlight specific information or emphasize important elements in your graphs.

A simple formatting trick that can make your Stata visualizations more expressive and easier to read!

👉 Stay tuned for more Stata tips!

19/08/2026

📉 Visualizing Logistic Regression in Stata with Marginal Effects

Logistic regression coefficients are often difficult to interpret on their own. That's why marginal effects are such an important tool for communicating meaningful results.

In the final video of this series, Marvin Hanisch explains how to calculate, interpret, and visualize Average Marginal Effects in Stata. You'll see how to move beyond coefficients and create visualizations that make nonlinear models far easier to understand and explain.

If you work with logistic regression, this is a technique you'll use again and again.

🎥 This video is part of our Stata Tutorial Series (5/5).

▶️ Watch the video here: https://youtu.be/H-KNExVOnSo

💬 How do you usually communicate results from logistic regression? We'd love to hear your preferred approach.

Logistic regression coefficients can be difficult to interpret on t...

18/08/2026

🎯 Die ISCB GMDS 2026 in Freiburg rückt näher!

Nur noch wenige Wochen, dann trifft sich die Community aus Biostatistik, Medical Informatics, Epidemiologie und Biomedical AI in Freiburg. Vom 27. September bis 1. Oktober 2026 dreht sich alles um datengetriebene Forschung und die Veränderungen, die Biomedical AI mit sich bringt.

Auch wir von DPC Software sind als Sponsor dabei und freuen uns darauf, die Stata-Community vor Ort zu treffen, neue Kontakte zu knüpfen und uns über aktuelle Entwicklungen in der datenbasierten Forschung auszutauschen.

🤝 Besonders freuen wir uns, dass Chuck Huber von StataCorp LLC ebenfalls vor Ort sein wird. Eine tolle Gelegenheit für spannende Gespräche rund um Stata, Biostatistik und moderne Methoden der Datenanalyse.

Wir freuen uns auf den persönlichen Austausch, spannende Gespräche und viele bekannte und neue Gesichter in Freiburg!

13/08/2026

✅ Testing Interaction Effects Correctly in Stata with pwcompare

Do overlapping confidence intervals automatically mean there's no significant difference? Not necessarily. This is one of the most common misconceptions in applied statistics.

In this video, Marvin Hanisch explains why overlapping confidence intervals can be misleading and demonstrates how to correctly evaluate interaction effects using pwcompare in Stata. You'll also learn how to identify the regions where an interaction is statistically significant, leading to more reliable interpretations of your models.

It's a practical technique that every applied researcher should know.

🎥 This video is part of our Stata Tutorial Series (4/5).

▶️ Watch the video here: https://youtu.be/0Tl2pczBTJw

💬 Have you encountered this misconception before? Join the discussion below.

Do overlapping confidence intervals really mean there's no statisti...

11/08/2026

Work with Stata and Python – The Practical Cheat Sheet 🔁

Want to combine the strengths of Stata and Python in your data analysis? The Stata-Python Cheat Sheet shows you how to connect both environments and move seamlessly between Stata commands and Python code.

This cheat sheet covers the key tools for working with Python in Stata:

✅ Setup – Find and configure your Python installation
✅ Python in Stata – Run Python code and scripts directly from Stata
✅ Stata in Python – Execute Stata commands from within Python
✅ Data – Read, modify, and store Stata data using the sfi module
✅ Frames – Create and work with Stata frames from Python
✅ Scalars & Matrices – Exchange results between Stata and Python
✅ Macros & Value Labels – Access and manage Stata objects from Python

With these tools, you can combine Stata’s statistical capabilities with Python’s flexibility to build efficient and reproducible workflows.

👉 Save the cheat sheet and share it with colleagues and other Stata users!