German Stata Conference 2026
Bericht zur German Stata Conference 2026
Am 18. und 19. Juni 2026 brachte die 23. German Stata Conference die internationale Stata-Community für zwei inspirierende Tage voller Wissensaustausch, Vernetzung und Innovation in München zusammen. Forschende, Datenanalysten und Fachleute aus Wissenschaft, Wirtschaft und öffentlichem Sektor kamen zusammen, um die neuesten Entwicklungen in der statistischen Analyse und Datenvisualisierung mit Stata kennenzulernen.
Mit einem starken Fokus auf praktische Erkenntnisse, methodische Innovationen und Networking zeigte die diesjährige Konferenz erneut, warum die German Stata Conference eine wichtige Veranstaltung für alle ist, die mit Daten arbeiten.
Workshop Highlight: Visualization with Stata
Die Veranstaltung begann mit einem ganztägigen Workshop unter der Leitung von Dr. Christian Brzinsky-Fay. Im Mittelpunkt stand eines der wichtigsten Themen der modernen Datenanalyse: die effektive Visualisierung von Daten.
Die Teilnehmenden lernten, wie sich komplexe Analyseergebnisse in verständliche und aussagekräftige Grafiken umwandeln lassen. Der praxisorientierte Workshop vermittelte konkrete Techniken für:
- Die Erstellung publikationsreifer Grafiken mit Stata
- Den Einsatz von KI-Tools zur Erstellung von Grafiken
- Die Verbesserung herkömmlicher Diagramme für eine bessere Lesbarkeit
- Die Vermeidung häufiger Fehler bei der Datenvisualisierung
- Die verständliche Vermittlung komplexer Ergebnisse
Das interaktive Format regte zu Diskussionen und zum Ausprobieren an und ermöglichte die direkte praktische Anwendung. So konnten die Teilnehmenden konkrete Fähigkeiten erwerben, die sie unmittelbar in ihrem Arbeitsalltag einsetzen können.
Keynote-Highlight: Zusammenhänge mit Stata visualisieren
Ein besonderer Höhepunkt der Konferenz war die Keynote von Dr. Asjad Naqvi vom Österreichischen Institut für Wirtschaftsforschung (WIFO).
In seinem Vortrag “Visualizing relationships in Stata” widmete er sich einer der zentralen Herausforderungen der modernen Data Science: komplexe Beziehungsstrukturen verständlich und aussagekräftig darzustellen.
Anhand praxisnaher Beispiele wie Handelsströmen, Finanztransaktionen und Migrationsdaten zeigte Dr. Naqvi, wie fortgeschrittene Visualisierungstechniken dazu beitragen können,
- verborgene Strukturen und Muster in Daten aufzudecken,
- Konzentrationen und Asymmetrien sichtbar zu machen,
- tiefere Einblicke in Netzwerkbeziehungen zu gewinnen und
- komplexe Datensätze in anschauliche visuelle Geschichten zu verwandeln.
Sein Vortrag verdeutlichte eindrucksvoll, wie leistungsfähige Visualisierungen die Lücke zwischen Datenanalyse und Entscheidungsfindung schließen und dazu beitragen können, Analyseergebnisse in konkrete Erkenntnisse und Maßnahmen umzusetzen.
Ein vielfältiges Programm auf hohem fachlichem Niveau
Neben den Keynotes bot die Konferenz ein abwechslungsreiches Vortragsprogramm mit Beiträgen zu folgenden Themen:
- Methodische Weiterentwicklungen und neue Stata-Befehle
- Praktische Anwendungen aus der empirischen Forschung
- Innovative Ansätze für Datenanalyse und Modellierung
Diese Vielfalt bot sowohl erfahrenen Stata-Anwendern als auch Einsteigern wertvolle Impulse und machte die Konferenz zu einer abwechslungsreichen und anregenden Veranstaltung.
Mehr als Fachwissen: eine starke Community
Was die German Stata Conference besonders macht, sind nicht nur die fachlichen Inhalte, sondern auch die Menschen dahinter.
Die Teilnehmenden tauschten Ideen aus, diskutierten Herausforderungen und knüpften neue Kontakte über Fach- und Ländergrenzen hinweg. Dadurch wurde das starke und stetig wachsende Netzwerk der Stata-Community weiter gestärkt.
Fazit: praxisnah, inspirierend und zukunftsorientiert
Die 23. German Stata Conference 2026 war ein großer Erfolg und vereinte:
- Praxisorientiertes Lernen
- Fachwissen auf hohem Niveau
- International exchange
- Direkten Nutzen für die tägliche Arbeit
Ein herzliches Dankeschön an alle Referierenden, Teilnehmenden und Partner, die diese Veranstaltung möglich gemacht haben.
Wir freuen uns darauf, Sie bei der nächsten German Stata Conference wiederzusehen!
Dr. Asjad Naqvi
Österreichisches Institut für Wirtschaftsforschung (WIFO)
Vortrag: Visualizing relationships in Stata
Philippe van Kerm
Universität Luxemburg
Vortrag: Shapley value calculations: Implementation and illustrations
Meghan Cain
(StataCorp LLC.) Vortrag: Psychometric meta-analysis
Die Bedeutung visueller Kommunikation nimmt nicht nur in den sozialen Medien, sondern auch in der Forschung stetig zu. Deshalb ist es entscheidend, Ergebnisse in Grafiken und Diagrammen angemessen darzustellen, sodass Lesende die enthaltenen Informationen korrekt erfassen und interpretieren können.
Stata bietet publikationsreife Grafiken, die sich auf vielfältige Weise anpassen lassen. Die Erstellung wissenschaftlicher Publikationen erfolgt jedoch häufig unter hohem Zeitdruck, sodass Forschenden oft nicht genügend Zeit bleibt, ihre Grafiken bis ins letzte Detail zu optimieren.
Der Workshop richtet sich an Studierende und Wissenschaftler unterschiedlicher Erfahrungsstufen. Im Mittelpunkt stehen effiziente Methoden zur Grafikerstellung. Dabei geht es unter anderem darum, systematisch farbige Grafiken zu gestalten, die sich intuitiv erschließen und leicht verstehen lassen.
Darüber hinaus werden die nachträgliche Bearbeitung von Grafiken sowie verschiedene hilfreiche Tricks behandelt, die nicht in der offiziellen Dokumentation beschrieben sind. Ergänzend stellt der Referent ausgewählte benutzerdefinierte Ado-Programme vor, die bei der Erstellung von Grafiken unterstützen.
Referent
Dr. Christian Brzinsky-Fay
Dr. Christian Brzinsky-Fay ist seit März 2022 bei DPC Software tätig und engagiert sich mit großer Leidenschaft für die Durchführung von Stata-Schulungen. Sein Weltbild wurde maßgeblich von Monty Python geprägt.
Er studierte Politikwissenschaft an der Freien Universität Berlin und promovierte im Bereich Sozialpolitik an der Universität Tampere in Finnland. Als quantitativer Sozialforscher nutzt er Stata seit 25 Jahren für statistische Analysen. Darüber hinaus lehrt er Statistik und empirische Methoden der Sozialforschung an der Universität Hamburg.
Vorträge
Asjad Naqvi (Österreichisches Institut für Wirtschaftsforschung (WIFO))
Abstract: When working with flow data in Stata, such as trade, financial transactions, or migration, we often encounter limitations in visualizing network structures. To address these challenges, this presentation introduces and showcases a set of tools for working with relational data in Stata. These tools can enable users to visualize and communicate metrics such as concentration, asymmetries, and other structural patterns embedded in flow relationships.
Derya Uysal (LMU Munich), Tymon Sloczyński (Brandeis University), and Jeffrey M. Wooldridge (Michigan State University)
Abstract: We introduce drlate, a new Stata command for estimating local average treat ment effects (LATE) and local average treatment effects for the treated (LATT) using doubly robust and covariate- balancing methods. The command complements Stata’s lateffects by expanding the set of available estimators and improving inference.
drlate implements regression adjustment, inverse probability weighting (IPW), IPWRA, AIPW, and normalized versions of IPW and AIPW estimators. Outcomes may be continuous, binary, or count. The treatment is binary (with extensions to continuous treatments under development), and the instrument is binary.
The instrument propensity score can be estimated either by maximum likelihood or by method-of-moments approaches that directly balance covariates. We implement covariate balancing propensity scores (Imai and Ratkovic, 2014) and inverse probability tilting (Graham, Pinto, and Egel, 2012, 2016) as covariate-balancing alternatives to likelihood based estimation.
In addition, we provide testing procedures for equality of LATE and LATT and for comparisons between LATE and both linear and nonlinear IV estimators. We also address an issue in the standard error calculation of lateffects and provide consistent variance estimation for all implemented estimators.
Andrei Sirchenko (Nyenrode Business University)
Abstract: We describe a new Stata command classify that computes various measures of association and correlation between two categorical variables (dichotomous and polytomous, nominal and ordinal), diagnostic scores of probabilistic forecasts of such variables, and various measures of the accuracy of deterministic forecasts of them. We compiled a comprehensive catalogue of over 200 measures of association, correlation and forecast verification and diagnostic scores for probabilistic forecasts from different fields, along with the terminological synonymy and bibliography associated with them. In addition to the overall measures, the command computes the class-specific metrics as well as their macro and weighted averages.
Wolfgang Langer (Martin-Luther-University Halle-Wittenberg)
Abstract: Since version 15 Stata offers the possibility to estimate Latent Class Models for categorical observed indicators being dichotomous, ordinal or nominal. It also integrates manifest covariates to predict the class membership of the observations. Both parts of the model, the measurement one and the prediction one, are estimated simultaneously, so that changes in the measurement part influence the estimates of the structural part and vice versa. According to Hayduk (1996) and Bakk & Kuha (2020) I propose a 3 steps approach. Firstly I estimate a sequence of Latent Class Models identifying the most appropriate solution by the entropy criteria. Secondly I analyze profile plot of the item probabilities to attach meaningful labels to the latent classes. The assignment of observations to the discrete latent classes follows the highest probability rule. Thirdly I estimate a multinomial logit regression model to predict the discrete latent class membership by exogenous level 1 and level 2 variables. To estimate a logistic intercept-as-outcome model I use the Stata xtmlogit command introduced by version 17. I demonstrate the usefulness of this approach presenting a latent class analysis of attitudes towards vaccination at the eve of the Covid 19 pandemia using the Special Eurobarometer 488 data set. Being a vaccination supporter, a conspirator or a naif is predicted within 28 European countries by the personal characteristics of the respondents and between countries by their fixed effect dummy variables. To enlighten these black boxes I estimate a random-effect intercept-as-outcome multinomial logit model with the xtmlogit command using exogenous level 2 variables like collective level of trust in government, gdp, poverty rate and the Global Health Security Index in addition. Finally I discuss the
main results and give some methodological considerations.
Philippe van Kerm (University of Luxembourg)
Abstract:This presentation will introduce and illustrate the use of the Shapley–Owen value in an array of applications. It will first introduce the concept of the Shapley value and the related concept of Owen value. It will then describe the ’shapowen‘ package, a generic calculator for the Shapley-Owen value. A range of examples will then show the practical implementation of the Shapley-Owen value in regression analysis and will illustrate a range of possible alternative uses of the Shapley-Owen drawn from income distribution research.
Ben Jann (University of Bern)
Abstract: In this talk I will present the crosswalk command, a data management utility for fast table-based recoding. The command comes with predefined crosswalk tables for common recoding tasks related to occupational classifications, e.g. to translate ISCO codes (International Standard Classification of Occupations) into ISEI scores (International Socio-economic Index of Occupational Status), OEP scores (Occupational Earning Potential), or ESeC classes (European Socio-economic Classification). However, it is also easy to define, manipulate, and apply custom recoding tables. In the talk I will briefly explain how crosswalk is implemented, present its syntax, and then illustrate its use with some applied examples.
Felix Bittmann (LIfBI, Bamberg)
Abstract: Estimating treatment effects with cross-sectional data is one of the most widespread approaches in empirical research. Provided that researchers are able to measure all relevant control variables, it is possible to approximate unbiased (causal) treatment effects. To this end, Stata offers a wide range of standard and user-written commands. Naturally, the question remains which of these methods is most robust for producing unbiased point estimates and valid inference. We address this question by evaluating 14 different commands in a comprehensive simulation study. Using four different settings (unbiased, biased, incorrect functional form, heterogeneous treatment effects), we analyze a variety of empirically relevant scenarios. Our results indicate that linear (OLS) regression exhibits the lowest bias, the smallest standard errors, and the most accurate coverage in almost all simulation specifications. Entropy balancing and some matching approaches offer advantages when nonlinearities are incorrectly specified. When heterogeneous treatment effects are present, regression adjustment or AIPW approaches deliver the best results. Surprisingly, several methods deviate substantially from the target estimands, even in unbiased “best-case” scenarios.
Daniel C. Schneider (MPIDR, Rostock)
Abstract: In Schneider (2025), a new Mata library called blockops was introduced. The library serves two main purposes. First, it provides a simple approach for working with a particular class of sparse matrices: Submatrices consisting entirely of zeros are represented by null pointers and are excluded from arithmetic operations. Second, it allows the application of built-in, (official) Mata library, or user-defined functions to each submatrix, in a manner similar to, for example, R’s apply() family of functions. This presentation revisits the core ideas underlying blockops and then outlines recent developments. Key efficiency concerns have been addressed, and numerous new methods have been added to the library’s central object, which represents a block matrix. The practical usefulness of the extended functionality is illustrated through several examples.
Meghan Cain (StataCorp LLC.)
Abstract: This talk introduces meta psycorr, a new command in StataNow for psychometric meta-analysis. Psychometric meta-analysis provides a more rigorous framework than traditional meta-analysis by correcting for statistical artifacts—including measurement error, range restriction, artificial dichotomization, and small-study bias. In this talk, we will introduce the theory and then demonstrate a practical Stata workflow. We will also generate corrected forest plots and explore heterogeneity using Stata’s integrated meta suite.
