R语言统计分析应用与SAS、SPSS的比较
SPSS: 最简单的,都是菜单操作,不过不利于二次程序开发。
SAS: 需要购买,该软件录入语言要非常精确,不能出错,难操作。
R语言:免费软件,可以菜单操作,不过一般要编程的,二次程序开发。
Matlab:基本是程序操作,和R语言差不多,不过功能比较强大。
S-PLUS: 需要购买,基本也是菜单操作,和SPSS差不多。
R与SPSS、SAS相比较,拥有非常突出的优势:
1)产品线齐全。在功能与产品线齐全上已经远远超出SPSS,而与SAS不相上下。有些R的包,比如基因分析常用的Bioconductor在在线基因数据库连接等众多功能上甚至已经远远超出商业软件。
2)免费。请注意,标记为TM或者®符号的软件均需要在SPSS、SAS的基础模块基础之上另行购买,费用往往在千元美元以上。而R的一切功能均是免费。
3)开放。由于R本身是一个统计语言环境,再新的统计模型也很快能实现,所以在结构方程模型、项目反应理论、认知诊断等众多心理测量所使用的功能上,没有现成的统计软件包,使用R则完全可以自己编写算法。同样,由于R是完全开源,我们可以很快地基于研究者已经开发出的算法编写更适合自己情况的算法。
表:R与SAS、SPSS之比较
|
主题 |
SAS产品线 |
SPSS产品线 |
R语言相关包 |
|
高级模块 |
SAS/STAT® |
SPSS Advanced Models™ |
stat, MASS及众多扩展包 |
|
基础模块 |
SAS® |
SPSS Base™ |
R |
|
联合分析 |
SAS/STAT®: Transreg |
SPSS Conjoint™ |
homals, psychoR , bayesm |
|
对应分析 |
SAS/STAT®: Corresp |
SPSS Categories™ |
homals, MASS, FactoMineR ade4, PTAk, cocorresp, vegan, made4, PsychoR |
|
自定义表格 |
SAS Base® Report、SQL, Tabulate |
SPSS Custom Tables™ |
reshape |
|
数据接口 |
SAS/ACCESS® |
SPSS Data Access Pack™ |
DBI, foreign, RODBC |
|
数据挖掘 |
Enterprise Miner™ |
Clementine® |
rattle, arules, FactoMineR |
|
数据校验 |
Various procedures |
Various procedures, SPSS Data Preparation™ |
dprep, various functions |
|
Exact Tests |
SAS/STAT®: various |
SPSS Exact Tests™ |
coin, elrm, exactLoglinTest, exactmaxsel, exactRankTests,及其他许多包 |
|
基因分析 |
SAS/Genetics®, SAS/Microarray® Solution®, JMP Genomics® |
无 |
Bioconductor |
|
GIS |
SAS/GIS®, SAS/Graph® |
SPSS Maps™ |
maps, mapdata, mapproj, GRASS via spgrass6, RColorBrewer及其他包的部分功能 |
|
交互图 |
Enterprise Guide® |
SPSS Base™ |
JGR, R Commander, pmg, Sciviews |
|
SAS/INSIGHT® |
无 |
GGobi via rggobi iPlots, Mondrian via Rserve |
|
|
统计图 |
SAS/GRAPH® |
SPSS Base™ |
ggplot, gplots, graphics, grid, gridBase, hexbin, lattice, plotrix, scatterplot3d, vcd, lot, geneplotter, Rgraphics |
|
分析向导 |
SAS/LAB® |
无 |
无 |
|
矩阵数学 |
SAS/IML®, SAS/IML |
SPSS Matrix™ |
R, matlab, Matrix, sparseM |
|
缺省值分析 |
SAS/STAT®: MI |
SPSS Missing Values Analysis™ |
aregImpute (Hmisc), EMV, fit.mult.impute (Design), mice, mitools, mvnmle |
|
统筹研究 |
SAS/OR® |
无 |
glpk, linprog, LowRankQP, TSP |
|
统计效力检验 |
SAS® Power and Sample Size Application, SAS/STAT: Power, GLM Power |
SamplePower™ |
asypow, powerpkg, pwr, MBESS |
|
品质控制 |
SAS/QC® |
SPSS Base™ |
qcc, spc |
|
回归模型 |
SAS/BASE® |
SPSS Regression Models™ |
R, Hmisc, Design, lasso, VGAM, pda |
|
抽样及调查 |
SAS/STAT®: surveymeans,等 |
SPSS Complex Samples™ |
pps, sampfling, sampling, spsurvey, survey |
|
结构方程模型 |
SAS/STAT®: Calis |
Amos™ |
sem |
|
文本分析 |
Text Miner |
SPSS Text Analysis for Surveys™, Text Miner for Clementine® |
Rstem, lsa, tm |
|
时间序列 |
SAS/ETS® |
SPSS Trends™ Expert Modeler |
大量的包可完成 |
|
决策树 |
Enterprise Miner™ |
SPSS Classification Trees™, AnswerTree™ |
ada, adabag, BayesTree, boost, GAMboost, gbev, gbm, maptree, mboost, mvpart, party, pinktoe, quantregForest, rpart, rpart.permutation, randomForest, randomForests, tree |
R语言统计分析应用与SAS、SPSS的比较的更多相关文章
- R语言统计分析技术研究 特征值选择技术要点
特征值选择技术要点 作者:王立敏 文章来源: 网络 1.特征值 特征值是线性代数中的一个重要概念.在数学,物理学,化学,计算机等领域有着广泛的应用. ...
- 石头剪刀布 R语言统计分析
关于石头剪刀布,做出了详细的分析,具体ppt见地址 http://files.cnblogs.com/files/GMGHZ971322/R%E8%AF%AD%E8%A8%80.pptx 16级电商三 ...
- R语言统计分析技术研究——卡方检验的思想和实现
卡方检验的思想和实现 作者:李雪丽 材料摘自:百度
- R语言统计分析技术研究——岭回归技术的原理和应用
岭回归技术的原理和应用 作者马文敏 岭回归分析是一种专用于共线性分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息,降低精度为代价获得回归系数更为符合 ...
- 统计编程的框架与R语言统计分析基础——摘(2)统计分析之线性回归
一.线性回归 1.简单线性回归 a. > x = women > x height weight 1 58 115 2 59 117 3 60 120 4 61 123 5 62 126 ...
- 统计编程的框架与R语言统计分析基础——摘(1)
清屏命令ctrl+L 一.基础 1.产生数据结构 a.直接输入 b.冒号,1:10 c.seq函数 d.rep函数 > 1:10 [1] 1 2 3 4 5 6 7 8 9 10 > 10 ...
- 统计计算与R语言的资料汇总(截止2016年12月)
本文在Creative Commons许可证下发布. 在fedora Linux上断断续续使用R语言过了9年后,发现R语言在国内用的人逐渐多了起来.由于工作原因,直到今年暑假一个赴京工作的机会与一位统 ...
- R语言重要数据集分析研究——需要整理分析阐明理念
1.R语言重要数据集分析研究需要整理分析阐明理念? 上一节讲了R语言作图,本节来讲讲当你拿到一个数据集的时候如何下手分析,数据分析的第一步,探索性数据分析. 统计量,即统计学里面关注的数据集的几个指标 ...
- 《R语言实战》读书笔记 第七章--基本统计分析
在导入数据并且将数据进行组织和初步可视化以后,需要对数据进行分布探索和两两关系分析等.主要内容有描述性统计分析.频数表和列联表.相关系数和协方差.t检验.非参数统计. 7.1描述性统计分析 7.1.1 ...
随机推荐
- jenkins和gitlab结合的时候出错
Started by user zhaoliang Building in workspace /var/lib/jenkins/workspace/ZuoYeah_Static_Production ...
- 聊聊阻塞与非阻塞、同步与异步、I/O模型
1. 概念理解 在进行网络编程时,我们常常见到同步(Sync)/异步(Async),阻塞(Block)/非阻塞(Unblock)四种调用方式: 同步/异步主要针对C端: 同步: 所谓同步,就是在c端 ...
- 做一个合格的Team Leader -- 领导和管理基本概念 三种激励手段:恐吓、贪念、承诺
做一个合格的Team Leader -- 基本概念 1.领导和管理 人们乐于被领导:他们不喜欢被管理,不喜欢像牛一样被驱赶或指挥. 管理者强迫人们服从他们的命令,而领导者则会带领他们一起工作. ...
- VS2010编译Boost 1.56
(1)首先下载源代码:http://softlayer-dal.dl.sourceforge.net/project/boost/boost/1.56.0/boost_1_56_0.zip 解压到某个 ...
- C++中四种类型转换方式(ynamic_cast,const_cast,static_cast,reinterpret_cast)
Q:什么是C风格转换?什么是static_cast, dynamic_cast 以及 reinterpret_cast?区别是什么?为什么要注意? A:转换的含义是通过改变一个变量的类型为别的类型从而 ...
- kubernetes删除pod失败
一.概述 k8s中删除pod失败,可能是该pod有rc,rs上层控制,而且很有可能,所以删除上层对应的rc,rs,deployment即可: 删除的方法: 1.直接删除rc,rs,deployment ...
- 【Spring】Spring+struts2+Hibernate框架的搭建
1.搭建过程 首先需要引入Spring.Struts2.Hibernate的开发包,已经数据库的驱动包. UserAction.java文件 package cn.shop.action; impor ...
- int和Integer之间的区别和联系
在工作中使用==埋下的坑这篇博文中,我们看到当使用基本类型的时候==是完全没有问题的,部分或者混合使用基本类型和装箱基本类型的时候,就可能出现问题了,那么我们可能会想基本类型和装箱基本类型 ...
- golang学习 ---并发获取多个URL
package main import ( "fmt" "io" "io/ioutil" "net/http" &quo ...
- easyui combobox 动态加载的两种方法
reload 方法 javascript代码 //指定id 和 text 否则始终选择第一个 $('#contact_city').combobox({ valueField:'id', textFi ...