7种主流数据分析软件及经典教材推荐

01

STATA

软件优点：Stata更好地实现了易用性和强大功能的结合。Stata 由于其简单性和强大的功能而受到初学者和高级用户的普遍欢迎。使用时，可以一次只输入一条命令，也可以通过 Stata 程序一次输入多条命令。如此在错误发生之后，查找和修复错误也变得容易。虽然 Stata 的数据管理能力不如 SAS 强大，但它仍然有许多强大而简单的数据管理命令，可以使复杂的操作变得简单。 Stata 主要用于处理一个数据文件，而很难同时处理多个文件。 Stata 还可以执行大多数统计分析（回归分析、逻辑回归、生存分析、方差分析、因子分析和一些多变量分析）。 Stata 的最大优势可能在于回归（包括易于使用的回归分析特征工具）、逻辑回归（用于解释逻辑回归结果的附加程序，以及易于使用的有序和多元逻辑回归）。

推荐书目：《计量经济学及Stata应用》、《高级计量经济学及Stata应用》，作者：陈强。

推荐理由：陈强老师的计量经济学教材，在工具变量、二值选择模型等方面单独设置了章节，以解决其他教材在这部分没有详细阐述的问题。此外，陈老师的教材从现实生活角度出发，通俗易懂。 《高级计量经济学与Stata应用》还加入了多值选择模型、非参数估计、贝叶斯估计等内容。

02

Eviews

软件优点：EViews是编写计量模型论文最方便的软件之一。 EViews 是 Windows 操作系统当中计量经济学软件领域的世界领先。强大的功能和灵活性，以及用户友好的界面：最近的建模工具、快速直观且易于使用的软件。 EViews 具有创新的图表使用者界面和精密的分析引擎工具，功能强大、灵活且易于使用。 EView 的预测分析计量软件广泛应用于科学数据分析和评价、金融分析、经济预测、销售预测和成本分析。

推荐书目：《计量经济分析方法与建模--Eviews应用及实例(第二版) 》,作者：高铁梅。

推荐理由：计量经济学研究的核心是模型设计、资料收集、估计模型、检验模型和应用模型（结构分析、经济预测、政策评价）。在此书中，以阐明方法和思路为目的，淡化数学、无需太多推导和论证，重点介绍如何使用各种计量经济方法对实际的经济问题进行分析、建模、预测和模拟等实际操作。此书的大部分解释和总结都较为详尽的，例如流量、存量一般是否平稳等问题。

03

SPSS

软件优点：SPSS非常容易使用，最为初学者所接受。它有一个可点击的界面，可以在其中使用下拉菜单选择要运行的命令。也有一个通过拷贝和粘贴的方法来学习其“句法”语言，但这些句法通常非常复杂且不直观。SPSS 有一个熟悉的类似 Excel 的界面友好的数据编辑器，可以使用它来输入和定义数据（缺失值、数值标签等）。 SPSS也主要用于处理单个文件，很难同时处理多个文件。其数据文件中有4096个变量，记录的数量则仅受磁盘空间限制。 SPSS 能够进行大多数统计分析（回归分析、逻辑回归、生存分析、方差分析、因子分析、多变量分析）。它的强项在于方差分析（SPSS可以完成很多特殊效应的检验）和多变量分析（多元方差分析，因子分析，判别分析等）。

推荐书目：《SPSS统计分析基础教程》 作者：张文彤。

推荐理由：全书结合实例，从一个统计分析实战的角度详细介绍了SPSS的界面操作、数据管理、统计制图、统计解释、常用单因素统计分析方法的原理和实际操作，同时结合 SPSS 的强大功能，进行了很好地扩展。此外，书中还提供了大量来自医疗、经济、市场研究等各个行业的实例，并以实例为基础阐释了各种方法的综合应用，帮助读者提高实战技能。

04

SAS

软件优点：SAS 因其强大的功能和可编程性而深受高级用户的欢迎。这也是导致它是最难掌握的软件之一。要使用 SAS，必须编写 SAS 程序来处理数据和执行分析。当程序遇到错误时，就很难找到并修复。在数据管理方面，SAS 非常强大，可以让你以各种方式处理数据。它包含SQL（结构化查询语言）过程，可以在SAS数据集中使用SQL查询。但是，学习和掌握SAS软件的数据管理需要很长时间。在 Stata 或 SPSS 中，用于执行许多复杂数据管理任务的命令要简单得多。 SAS 能够处理大多数统计分析（回归分析、逻辑回归、生存分析、方差分析、因子分析、多变量分析）。 SAS的强项在方差分析、混合模型分析和多变量分析方面，但缺点主要是有序和多元逻辑回归（因为这些命令很难），以及稳健方法（它难以完成稳健回归和其他稳健方法）。

推荐书目：《SAS应用统计分析》 作者：科迪，史密斯。

推荐理由：SAS 是一种用于数据管理和统计分析的工具，尤其适用于医疗设备公司和制药行业。一般的 SAS 手册主要指导具有统计背景的用户如何使用各种程序，而统计教材一般讲授最基本的理论知识和统计方法，很少有教科书同时具备这两种功能。但是，我们可以期待这本书，它通过统计软件（尤其是 SAS）的使用来介绍基本和高级统计方法的，既提出许多应用问题，又展示 SAS 的分析执行。

05

R语言

软件优点：R语言功能强大、免费、包罗万象且全面开源。与之前的软件相比，它已经上升成为了一个完全大众化的编程软件，尽管其中的计算机编程自然而然地让很多朋友头晕目眩。它是专门为统计和数据分析而开发的语言，是统计最前沿的主流语言。其扩展性好、丰富的资源几乎涵盖了各行各业数据分析当中的所有方法。开源软件 R 是世界上使用最广泛的数据分析、统计计算和制图语言，几乎可以执行任何数据处理任务，也可以在所有常见平台上安装和运行。它提供了数以千计的专业模块和实用工具，是从大数据中获取有用信息的好工具。

推荐书目：《R语言实战 第二版》 作者：卡巴科弗（Robert I. Kabacoff）。

推荐理由：本书是学习R的必备教程之一，可以让你快速进入R的世界。本书从解决实际问题入手，淡化统计学的理论阐述，深入探讨R语言及其应用，讲解清楚、透彻且非常实用。作者不仅总结了R语言的强大特性，展示了很多实用的统计例子，还针对常规方法难以分析的杂乱、不完整、非正态数据提供了完整的处理方法。本书着眼于R语言的实战，用真实的项目描述了R语言的一些常见应用场景。适合初学者，而回归和方差两章，则展示了统计分析的全过程。

06

Matlab

软件优点：MATLAB 的应用范围很广，包括信号和图像处理、通讯、控制系统设计、测试和测量、金融建模和分析以及计算生物学等诸多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内的特定类型的问题。数学函数可用于线性代数、统计、傅里叶分析、筛选、优化、数值积分等。

推荐书目：《Matlab R2016a从入门到精通》 作者：温欣研。

推荐理由：本书涵盖的内容是使用MATLAB进行科学研究、系统仿真、数据分析和处理所需的知识。通过全面学习本书，读者可以掌握使用MATLAB进行数学计算、数据分析和处理的相关技能，能够快速掌握在工作中使用MATLAB的基础方法。基础知识部分包括 MATLAB 概述、数据输入和输出基础、编程基础和可视化基础；数学基础部分包括数组和矩阵操作、数学函数运算和符号数学计算；数据分析部分包括多项式分析、数值运算、优化和概率统计；扩展知识部分包括句柄图形、GUI编程、Simulink基础、编译器和应用程序接口；MATLAB 应用部分包括信号处理应用、图像处理应用、小波分析应用和偏微分方程应用等内容。此书是一本实用性很强的工具书，是学习复习、参加建模比赛必不可少的。

07

python

软件优点：Python 非常简单且易于人类阅读，“Life is short, you need Python!”。读一个好的Python程序感觉就像读一段英语，虽然对它的要求非常严格。 Python 这种伪代码的特性是它最大的优势之一，它使你可以专注于解决问题而不是理解语言本身。 Python 是FLOSS（自由/开放源码软件）之一，可以自由地分发该软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。 Python 相对于 Matlab 的主要优点是：Python 是一种通用的编程语言，实现科学计算功能的numpy、scipy、matplotlib只是Python的库和Package而已，而这些科学计算数据处理的库，在处理大数据方面有奇效。

推荐书目：《利用Python进行数据分析》 作者：Wes McKinney。

推荐理由：本书由Pandas的模块作者编写，被誉为Pandas的最好的工具书。由于Pandas最初是作为金融数据分析工具开发的Python数据分析包，因此Pandas对时间序列分析的支持很好。 Pandas 允许你像 R 一样使用 Python，而通过 NumPy、SymPy 和 SciPy 则能够像 Matlab 一样使用 Python。作者有丰富的使用 Python 进行数据分析的经验，所以写的书也比较简单易懂。此书涵盖了使用 Python 进行数据控制、处理、整理、分析等的具体细节和基础知识。同时，它也是使用 Python 进行科学计算的实用指南，尤其适用于数据密集型应用。本书重点介绍了用于高效解决各种数据分析问题的 Python 语言和库。