Paras vastaus
Se riippuu tilastollisesta ja ohjelmoinnin hienostuneisuudesta sekä työympäristöstäsi.
R on luultavasti paras vaihtoehto, jos sinulla on erittäin hyvät ohjelmointitaidot. Se on ilmainen ja avoimen lähdekoodin, joten sinulla on pääsy lähes mihin tahansa tilastotoimintoihin maan päällä. se on kuitenkin ohjelmointikieli, ei tilastopaketti, joten se on suhteellisen heikko etu- ja takapäässä – mikä tarkoittaa tietojen syöttöä ja valmistelua sekä muotoilua ja tulostusta. Jos voit ohjelmoida ja haluat vain numerot mielikuvitusten sijaan, R on todennäköisesti sinulle.
Muodollisesti SAS on lähin vastine SPSS: lle, koska se on täysin jäsennelty ja toimiva tilastollinen paketti, joka pystyy käsittelemään kaikki data-analyysin tehtävät alusta loppuun. Haittapuoli on, että SPSS: n tapaan SAS ei ole hinnoiteltu yksittäiselle käyttäjälle, ja lisenssit maksavat viiteen numeroon. (Tässä se edeltää tosiasiassa SPSS: ää, joka muutti hinnoittelupolitiikkansa vastaamaan SAS: ää vasta monen vuoden liiketoiminnan jälkeen.) Joten sinun olisi yhtä epätodennäköistä, että ostat SAS: n kuin SPSS: n, mutta jos työskentelet yrityksessä tai yliopistossa, sinulla todennäköisesti olisi pääsy siihen.
Suosituin tilastopaketti taloudellisessa ulottuvuudessa useimmille yksittäisille analyytikoille on Stata. Se tarjoaa laajan valikoiman tiedonkäsittely- ja analysointitoimintoja hinnalla, joka on paljon alhaisempi kuin joko SAS tai SPSS (opiskelijoiden hinnat ovat vieläkin alhaisemmat). Jos tarvitset tilastopaketin etkä ole yhteydessä valtavaan laitokseen, tämä voi olla oikea tapa.
Vastaus
Vastaus tähän riippuu monista tekijöistä. Kokemukseni mukaan suurimmat kuljettajat ovat: 1). ohjelmoinnin tuntemus / CS, 2). missä mallinnuksen elinkaaressa tarvitset ohjelmiston, 3). 4). kustannusherkkyys ja 5). missä määrin siirrettävyys on tärkeää / isoveli huolestuttaa.
1). Ohjelmoinnin / CS: n tuntemus: Jos olet perehtynyt näihin käsitteisiin, C: ssä, JAVA: ssa, Fortranissa, Pythonissa tai R: ssä ei ole mitään vikaa (mielestäni SPSS-korvikkeena käytettynä eniten haastavimpiin). Jopa R: n kanssa asia, jota ihmiset eivät osoita tarpeeksi, on oppimiskäyrän jyrkkyys ihmisille, joilla ei ole paljon ohjelmointikokemusta. Se ei ole ylitsepääsemätön ja siellä on paljon resursseja, mutta jos et ole aiemmin käyttänyt komentoriviä, edes R näyttää täysin vieraalta. Pythonilla on myös hienoja paketteja (scipy, numpy ja Sage), ja sillä on kaikkien muiden kirjastojen etu, vaikka sitä on todennäköisesti vielä vaikeampaa käyttää kuin R ihmisille, joilla ei ole paljon ohjelmointikokemusta. R: llä on kohtuullisia käyttöliittymiä ja kehitysympäristöjä, jotka ovat ilmaisia, mutta niitä ei silti ole läheskään yhtä helppoa käyttää kuin SPSS, SAS tai STATA.
2). Piste mallinnuksen elinkaaressa: Kuvittelin, että elinkaarella on neljä erilaista pistettä: tietojen rakentaminen, tietojen puhdistus ja käsittely, tietojen analysointi ja tietojen esittely. Jos olet elinkaaren etupäässä, MySQL: n kaltaisilla asioilla on paljon järkeä, koska ne ovat erinomaisia tietojen käsittelyyn ja tallentamiseen. Jos haluat hankkia verkkoa eikä vain käyttää strukturoitua dataa, tarvitset jälleen ohjelmointikielen. Puhtaassa analyysissä R, STATA, Python, SAS, MATLAB, S + ja REvolution ovat kaikki jossain määrin hyödyllisiä. Lopuksi, jos esitys on sinulle tärkein, lateksi on mielestäsi kondomia valmistettu, mielestäni SPSS ja vähemmässä määrin SAS ovat parhaat vaihtoehtosi. Koska R-grafiikat eivät ole olio-suuntautuneita, niillä on uskomattoman jyrkkä oppimiskäyrä (vaikka ne ovatkin kohtuullisia, kun tutustut niihin). Mukava ja helppokäyttöinen esitys, joka on enemmän tai vähemmän laatikosta, on jotain, josta sinun on maksettava, sanoisin, että se on ollut kokemukseni.
3). Jos työskentelet isojen tietojen kanssa (1 Gt + sanoisin), sinun on joko maksettava ohjelmistosta, joka pystyy käsittelemään sitä välimuistijärjestelmiensä (SPSS, SAS tai REvolution) kautta, tai käyttämään tietokantajärjestelmää. Luonnollisesti oman koodin kirjoittaminen on myös vaihtoehto, mutta se voi olla haastavaa.
4). Kustannusherkkyys: luetellun ilmaisohjelman mukana tulee sen hintalappu.
5). Kun olen työskennellyt organisaatiossa, jossa tämä todella tapahtui, voin ehdottomasti sanoa, että ihmisten tulisi olla huolissaan tavasta, jolla SAS käsittelee sen lisensointia. Toisin kuin MATLAB, SPSS tai useimmat muut ohjelmistot, SAS: lla on käyttäjän sopimuksessa kieli, jonka avulla he voivat vaatia oikeuksia IP-osoitteellesi, jos se riippuu SAS: n paketeista. Meidän oli lopetettava SAS: n käyttö, kun he päättivät haluavansa tulla toimialallemme, joten kaikki nämä SAS-koodikirjastot ovat nyt hyödyttömiä (joitain voidaan ajaa WPS: llä, mutta useimmat eivät). Tietenkin olisimme voineet maksaa 50 kertaa enemmän lisensseistämme, mutta päätimme pidättäytyä äänestämästä. Kaikkien omien ohjelmistojen pitäminen organisaation ytimessä voi olla erittäin riskialtista.Olen havainnut, että R ja tietokannat ovat erinomainen korvike melkein kaikelle muulle kuin piirtämiselle ja heti luettavalle tuotokselle.