統計分析的軟件和程序分析

? ? ?
? ? ? ?能夠用來做統計分析的軟件和程序很多，目前應用比較廣泛的包括：SPSS， SAS、R語言，Matlab，S-PLUS，S-Miner等。下面我們來看一下各應用的特點：

SPSS： 最簡單的，都是菜單操作，不過不利于二次程序開發。

SAS： 需要購買，該軟件錄入語言要非常精確，不能出錯，難操作。

R語言：免費軟件，可以菜單操作，不過一般要編程的，二次程序開發。

Matlab：基本是程序操作，和R語言差不多，不過功能比較強大。

S-PLUS： 需要購買，基本也是菜單操作，和SPSS差不多。

r語言和spss哪個好學_R與SPSS、SAS相比較

R與SPSS、SAS相比較，擁有非常突出的優勢：

1）產品線齊全。在功能與產品線齊全上已經遠遠超出SPSS，而與SAS不相上下。有些R的包，比如基因分析常用的Bioconductor在在線基因數據庫連接等眾多功能上甚至已經遠遠超出商業軟件。

2）免費。請注意，標記為TM或者?符號的軟件均需要在SPSS、SAS的基礎模塊基礎之上另行購買，費用往往在千元美元以上。而R的一切功能均是免費。

3）開放。由于R本身是一個統計語言環境，再新的統計模型也很快能實現，所以在結構方程模型、項目反應理論、認知診斷等眾多心理測量所使用的功能上，沒有現成的統計軟件包，使用R則完全可以自己編寫算法。同樣，由于R是完全開源，我們可以很快地基于研究者已經開發出的算法編寫更適合自己情況的算法。

表：R與SAS、SPSS之比較

?
? ? ? ? ?
? ? ? ?

Python 在數據分析工作中的地位與 R 語言、SAS、SPSS 比較如何？

spss對用戶的要求是只要會點擊菜單就可以了，有編程窗口但是一般沒人用，用戶多是收到過一些統計訓練的，但不需要高深的分析能力，市場調研用的比較多，統計專業大二一般要求掌握。

sas內裝許多寫好的procedure 而且都是經過Fda認證的，有保障的東西，所以死貴好處是權威，壞處是不夠靈活，算法更新慢，語法奇怪。不是那種傳統意義上做編程的語言，所以循環啊什么的涉及算法的會不那么方便，也不是matlab這種數學語言，所以數學運算很麻煩，除非你買iml庫，但就是因為權威，所以藥廠要用，還有銀行的風控也會用，sas還有個好處是大數據處理，內裝的proc sql還不錯，但說實話大多數人更喜歡直接用mysql。

接下來是R 開源，所以更新很快，新的理論很快就可以用上，數據處理尤其方便 ，data frame list啥的。R的出現解決了許多非IT人需要面對大量編程的困擾，如果我們排序 難道要從bubble算法開始嗎？所以一開始被人們說R是matlab的精簡版 ，但是都用過之后才知道R更輕便好學， 而且開源啊，免費。 沒那么多跟linux 還是windows的兼容問題， R調用C可以極大提高loop的速度，monte carlo的時候簡直就是天使！總之，如果你是要做有自己想法的，也就是需要自己編程的，強推R 。所以別說金融不用 現在金融的最前端 R也是很流行的。

python最后說，不得不說pandas的數據處理便捷程度還是比不上R 但是習慣了就算了，python的好處在于可以做很多事情，不僅僅是統計，所以應用面會更廣 。其他我不知道，數學建模上和matlab非常相似的語法win32 module里和office兼容很棒，既可以做stand-alone又可以做大型開發等。

另外，說到金融的應用，很多（比R更多）quant的部門都會用python，而寫C++的人畢竟IT居多，那種數學系寫出來的算法他們做不來，而數學系的C++又沒那么好 所以python就有了用武之地。

總之R和Sas是專業性更強的統計軟件，統計專業學生必備。

spss是更大眾化的統計軟件，完成一些諸如問卷分析，簡單回歸之類的小問題 ，python不是統計軟件 ，而是一種可以用來做各種事情的語言 ，stata介于spss和sas之間， 編程的難度特大。

另外，只有R和python是開源，開源不僅僅是免費， 更重要的， 它是由許多人在維護開發的 。所以對新的要求新的理論可以很快付出實踐 ，但風險就是可能有錯（不過錯誤也會很快改正）。 所以你如果要絕對正確 ，用付費的，至少錯了還可以打官司 （順便提一下revolution R 是R的付費有擔保版本）。如果你喜歡更flexible的， 用開源 。（順便提一下octave，不過我還是不喜歡matlab系列的語法）如果你用很簡單的統計甚至不懂統計 ，用spss。

如果你只是統計 ，或者只是自己一個人干活 ，用R， 如果你是一個公司要做一個大家一起用的平臺并且工作內容涉及到統計以外， 用python。

其實R也可以連sql c c++ 關鍵是精通一門 ，然后你會發現其他都是浮云。