Legjobb válasz
Ez a statisztikai és programozási igényesség szintjétől, valamint a munkavégzés környezetétől függ.
Az R valószínűleg a legjobb alternatíva, ha nagyon jó programozási képességekkel rendelkezik. Ingyenes és nyílt forráskódú, így szinte bármilyen statisztikai funkcióhoz hozzáférhet a földön; ez azonban programozási nyelv, nem statisztikai csomag, ezért viszonylag gyenge az elülső és a hátsó végén – ez jelenti az adatbevitelt és az előkészítést, valamint a formázást és a kimenetet. Ha tud programozni, és csak a számokat akarja, nem pedig divatos kimenetet, akkor valószínűleg az R az Ön számára.
Formálisan az SAS az SPSS legközelebbi megfelelője, mivel teljesen strukturált és funkcionális statisztikai adat csomag, amely az elejétől a végéig képes kezelni az adatelemzés összes feladatát. Hátránya, hogy az SPSS-hez hasonlóan az SAS-t sem az egyes felhasználóknak kell árképezni, a licencek ára öt számjegy. (Ebben valójában megelőzi az SPSS-t, amely csak az üzleti életben eltöltött évek után változtatta meg az árpolitikáját, hogy megfeleljen az SAS-nak.) Tehát ugyanolyan valószínűtlen, hogy megvásárolná az SAS-t, mint az SPSS-t, de ha vállalaton vagy egyetemen dolgozik, valószínűleg hozzáférne hozzá.
A legnépszerűbb statisztikai csomag pénzügyi elemzésben a legtöbb elemző számára a Stata. Az adatkezelési és elemzési funkciók széles skáláját kínálja sokkal alacsonyabb áron, mint az SAS vagy az SPSS (még alacsonyabb árakkal a hallgatók számára). Ha statisztikai csomagra van szüksége, és nem kapcsolódik hatalmas intézményhez, akkor ez lehet a helyes út.
Válasz
A válasz erre sok tényezőtől függ. Tapasztalatom szerint a legnagyobb vezetők: 1). programozás / CS ismerete, 2). 3) ahol a modellezés életciklusában szükség van a szoftverre, 3. adatkészlet nagysága, 4. költségérzékenység és 5). a hordozhatóság fontossága / a nagy testvér aggályai.
1). Ismerkedés a programozással / CS: Ha nagyon ismeri ezeket a fogalmakat, akkor semmi baj nincs a C, JAVA, Fortran, Python vagy R (véleményem szerint a legtöbbetől a legkevésbé kihívást jelentő SPSS helyettesítőként felsorolva). Még R esetén is az a tény, hogy az emberek nem mutatnak rá eléggé, a tanulási görbe meredeksége azok számára, akiknek nincs sok programozási tapasztalatuk. Ez nem megoldhatatlan, és rengeteg erőforrás létezik, de ha korábban nem használtál parancssort, akkor még az R is teljesen idegennek tűnik. A Pythonnak is vannak remek csomagjai (scipy, numpy és Sage), és az összes többi könyvtár előnye, bár valószínűleg még az R-nél is nehezebb használni azok számára, akiknek nincs sok programozási tapasztalatuk. Az R-nek vannak ésszerű grafikus felhasználói felületei és fejlesztői környezetei, amelyek ingyenesek, de még mindig közel sem olyan könnyen használhatók, mint az SPSS, SAS vagy STATA.
2). Pont a modellezés életciklusában: Az életciklust négy különböző ponttal jellemezném: adatépítés, adattisztítás és manipuláció, adatanalízis és adat-bemutatás. Ha az életciklus elején jár, akkor a MySQL-hez hasonló dolgoknak sok értelme van, mert nagyszerűen alkalmasak adatok manipulálására és tárolására. Ha nem csak strukturált adatok használata, hanem az internet forrásait szeretné beszerezni, akkor ismét programozási nyelvre lesz szüksége. A tiszta elemzéshez az R, a STATA, a Python, a SAS, a MATLAB, az S + és a REvolution valamennyire hasznos. Végül, ha a bemutatás a legfontosabb számodra, akkor a Latex valami, amelyről úgy gondolod, hogy óvszereket készítenek, úgy gondolom, hogy az SPSS és kisebb mértékben az SAS a legjobb megoldás. Mivel az R grafikák nem objektumorientáltak, hihetetlenül meredek a tanulási görbe (bár ésszerűek, ha megismered őket). Szép és könnyen használható prezentáció, amely többé-kevésbé a dobozból kifolyólag olyan dolog, amelyet fizetnie kell, ami azt mondanám, hogy az én tapasztalatom.
3). Ha nagy adatmennyiséggel dolgozik (1 GB + azt mondanám), akkor vagy fizetnie kell egy olyan szoftverért, amely képes kezelni a gyorsítótár-rendszereiken (SPSS, SAS vagy REvolution) keresztül, vagy pedig adatbázis-rendszert kell használnia. Természetesen a saját kód megírása is lehetőség, de kihívást jelenthet.
4). Költségérzékenység: a felsorolt ingyenes szoftverek árcédulájának előnyei.
5). Miután egy olyan szervezetnél dolgoztam, ahol ez valóban megtörtént, határozottan kijelenthetem, hogy az embereknek foglalkozniuk kell azzal, ahogyan a SAS kezeli az engedélyezését. A MATLAB-tól, az SPSS-től vagy a legtöbb más szoftvertől eltérően az SAS a felhasználói szerződésében olyan nyelvet tartalmaz, amely lehetővé teszi számukra, hogy igényeljék az Ön IP-jének jogait, ha ez az SAS-ban található csomagoktól függ. Fel kellett hagynunk a SAS használatával, miután eldöntötték, hogy be akarnak lépni az üzletágunkba, és így az összes SAS kódkönyvtár haszontalan (egyesek futtathatók WPS-en, de a legtöbb nem). Természetesen 50-szer többet fizethettünk volna az engedélyeinkért, de úgy döntöttünk, hogy tartózkodunk. Bármely saját szoftver fenntartása a szervezet középpontjában rendkívül kockázatos lehet.Úgy találtam, hogy az R és az adatbázisok kiválóan helyettesítik a grafikát és az azonnal olvasható kimenetet.