R и SPSS разница

Я работаю в компании, которая использует SPSS для большей части нашего анализа данных, и по ряду причин - я начал пытаться использовать R для все большего и большего количества собственных анализов. Некоторые из самых больших различий, с которыми я столкнулся, включают:

1. Вывод таблиц - в SPSS есть базовые таблицы, общие таблицы, настраиваемые таблицы и т. Д., Которые выводятся в эту изящную программу просмотра данных или как там она ее называет. Их можно относительно легко перенести в документы Word или таблицы Excel для дальнейшего анализа / презентации. Эквивалентная функция в R включает в себя изучение LaTex или использование odfWeave, Lyx или чего-то подобного.
2. Маркировка данных -> SPSS довольно хорошо справляется с метками переменных и метками значений. Я не нашел надежного решения для R для выполнения той же задачи.
3. Вы упомянули, что собираетесь писать сценарии для большей части своей работы, и лично я считаю синтаксис сценариев SPSS абсолютно ужасающим до такой степени, что я перестал работать с SPSS, когда это возможно. Синтаксис R кажется гораздо более логичным и более точно соответствует стандартам программирования, и существует очень активное сообщество, на которое можно положиться, если у вас возникнут проблемы (например, SO). Я не нашел хорошего сообщества SPSS, чтобы задавать вопросы, когда я сталкиваюсь с проблемами.

Другие указали на некоторые большие различия в стоимости и функциональности программ. Если вам нужно сотрудничать с другими, их уровень комфорта с SPSS или R должен играть важную роль, поскольку вы не хотите быть единственным в своей группе, кто может работать или редактировать сценарий, который вы написали в будущем.

Если вы собираетесь изучать R, этот пост на веб-сайте обмена статистикой содержит множество отличных ресурсов для изучения R: https://stats.stackexchange.com/questions/138/resources-for-learning-r

Вот кое-что, что я недавно разместил в списке рассылки R-help, но я думаю, что он дает хороший общий обзор общей разницы между R и SPSS:

Когда я говорю об удобстве использования компьютерного программного обеспечения, мне нравится проводить аналогию между автомобилями и автобусами:

Автобусы очень просты в использовании, вам просто нужно знать, на какой автобус сесть, где сесть и где выйти (и вам нужно заплатить за проезд). С другой стороны, автомобили требуют гораздо больше работы, вам нужно иметь какой-то тип карты или направлений (даже если карта находится в вашей голове), вам нужно время от времени заправлять бензин, вам нужно знать правила дорога (иметь какое-либо водительское удостоверение). Большим преимуществом автомобиля является то, что он может доставить вас в множество мест, куда не ходит автобус, и он быстрее для некоторых поездок, которые требуют пересадки между автобусами.

Используя эту аналогию, программы, такие как SPSS, являются шинами, простыми в использовании для стандартных вещей, но очень неприятными, если вы хотите сделать что-то, что еще не запрограммировано.

R - это полноприводный внедорожник (хотя и экологически чистый) с велосипедом сзади, байдаркой сверху, хорошими кроссовками для ходьбы и бега на сиденье пассажира и снаряжением для альпинизма и спелеологии сзади.

R может доставить вас куда угодно, если вы потратите время на то, чтобы узнать, как использовать оборудование, но это займет больше времени, чем изучение автобусных остановок в SPSS.

Существуют графические интерфейсы для R, которые немного упрощают его использование, но также ограничивают функциональность, которую можно легко использовать. В SPSS действительно есть сценарии, которые выводят его за рамки простой шины, но общая философия SPSS направляет людей к графическому интерфейсу, а не к сценариям.

Первоначальный рабочий процесс для SPSS включает обоснование написания большой жирной проверки. R находится в свободном доступе.

В R есть единый язык для «написания сценариев», но не думайте об этом так, R на самом деле является языком программирования со встроенными функциями обработки данных, статистики и графики. SPSS имеет «Синтаксис», «Скрипты» и является также можно использовать скрипты на Python.

Еще один важный момент заключается в том, что SPSS сжимает свои данные в структуру таблицы в виде крупноформатной таблицы. Работа с другими структурами данных, вероятно, очень сложна, но естественно приходит в R. Я бы не знал, с чего начать обработку данных типа сетевого графа в SPSS, но есть пакет, чтобы сделать это для R.

Кроме того, с помощью R вы можете интегрировать свой рабочий процесс с отчетностью с помощью Sweave - вы пишете документ со встроенными фрагментами кода R, который генерирует графики или таблицы, запускаете файл через систему и получаете отчет в виде PDF-файла. Отлично подходит, когда вы хотите составлять еженедельный отчет или когда вы выполняете основную работу, а затем начальник предоставляет вам обновленный набор данных. Повторно запустите, перечитайте, готово.

Но знаете, ваш звонок ...

Ну а ты приличный программист? Если да, то стоит изучить R. Вы можете делать больше со своими данными, как с точки зрения манипулирования, так и с точки зрения статистического моделирования, чем с помощью SPSS, и ваши графики, вероятно, тоже будут лучше. С другой стороны, если вы никогда раньше не программировали или если идея потратить несколько месяцев на то, чтобы стать программистом, вас пугает, вы, вероятно, получите больше пользы от SPSS. Уровень вещей, который вы можете делать с R, не углубляясь в его мощь как полноценного языка программирования, вероятно, не оправдывает усилий.

Есть еще вариант - сотрудничать. Вы знаете кого-нибудь, с кем можете поработать над своим проектом (вы не говорите, академический он или отраслевой, но в любом случае ...), кто хорошо знает R?

Здесь есть интересное (и достаточно справедливое) сравнение ряда инструментов статистики.

http://anyall.org/blog/2009/02/comparison-of-data-analysis-packages-r-matlab-scipy-excel-sas-spss-stata/

Я работаю с обоими в компании и могу сказать следующее:

• Если у вас большая команда разных людей (не все специалисты по данным), SPSS полезен, потому что он прост (относительно) для понимания. Например, если пользователи собираются запустить модель, чтобы получить результат (оценки продаж и т. Д.), SPSS понятен и прост в использовании.

Тем не менее, я считаю R лучше почти во всех остальных смыслах:

• R быстрее (хотя иногда спорно)
• Как было сказано ранее, синтаксис в SPSS ужасен (я не могу этого особо подчеркнуть). С другой стороны, изучение R может быть болезненным, но в Интернете есть масса ресурсов, и, в конце концов, он платит гораздо больше из-за различных вещей, которые вы можете делать.
• Опять же, как все говорят, небо - это предел с R. Тонны пакетов, ресурсов и, что более важно, независимость, чтобы делать то, что вам нравится. В моей организации у нас есть несколько функций очень высокого уровня, которые позволяют сделать очень много. Сложнее всего создать их один раз, а затем они выполняют сложные задачи, которые SPSS запутает в бесконечной паутине холста. Это особенно верно для таких вещей, как петли.

На это часто не обращают внимания, но R также имеет множество функций для взаимодействия между командами (интеграция github с RStudio и простая сборка пакетов с помощью devtools).

На самом деле, если все в вашей организации знают R, все, что вам нужно, - это поддерживать базовый пакет на github, чтобы делиться всем. Это, конечно, не норма, поэтому я думаю, что SPSS, хотя и худший продукт, все же имеет рынок.

У меня нет данных для этого, но по своему опыту могу сказать вам одно:

SPSS намного медленнее, чем R. (И с большим количеством, я действительно имею в виду очень много)

Величина разницы, вероятно, такая же большая, как разница между C ++ и R .

Выше есть несколько отличных отзывов, но я постараюсь предоставить свои 2 цента. Мой отдел полностью полагается на SPSS в нашей работе, но в последние месяцы я прилагаю сознательные усилия, чтобы изучить R; частично по причинам, перечисленным выше (скорость, обширные структуры данных, доступные пакеты и т. д.)

Тем не менее, вот несколько вещей, которые я усвоил в процессе:

1. Если у вас нет опыта программирования, я думаю, что создание сводных таблиц в CTABLES уничтожает все доступные параметры в R. На данный момент мне неизвестен пакет, который может реплицировать то, что можно создать с помощью настраиваемых таблиц.

2. SPSS действительно работает медленнее при написании сценариев, и да, синтаксис SPSS ужасен. Тем не менее, я обнаружил, что сценарии в SPSS всегда можно улучшить, но с умеренным использованием команды EXECUTE.

3. SPSS и R могут взаимодействовать друг с другом, хотя кажется, что это один способ (только при использовании R внутри SPSS, а не наоборот). Тем не менее, я обнаружил, что от этого мало пользы, кроме случаев, когда я хочу использовать ggplot2 или другие передовые методы управления данными. (Я презираю макросы SPSS).

4. Я давно чувствовал, что работа по «отчетности», созданная в SPSS, намного уступает другим решениям. Как упоминалось выше, если вы сможете использовать LaTex и Sweave, вы будете очень довольны своими эффективными рабочими процессами.

5. Я смог провести расширенный анализ, используя OMS в SPSS. Почти все можно направить в новый набор данных, но я обнаружил, что большинство пользователей SPSS не используют эту функцию. Кроме того, при просмотре примеров в R это кажется «проще», чем использование OMS.

Короче говоря, я использую SPSS, когда не могу быстро понять это в R, но я искренне намерен уйти от SPSS и полностью использовать R в какой-то момент в ближайшем будущем.

SPSS предоставляет графический интерфейс для простой интеграции существующих программ R или разработки новых. Для получения дополнительной информации см. Сообщество SPSS на сайте IBM Developer Works.

@Henrik, я выполнил ту же задачу, о которой вы упомянули (C ++ и R) на SPSS. И оказалось, что на этом SPSS быстрее R. В моем случае SPSS примерно. В 7 раз быстрее. Я удивлен этому.

Вот код, который я использовал в SPSS.

data list free
 /x (f8.3).
begin data
1
end data.

comp n = 1e6.

comp t1 = $time.

loop #rep = 1 to 10.
comp x = 1.
loop #i=1 to n.
comp x = 1/(1+x).
end loop.
end loop.

comp t2 = $time.

comp elipsed = t2 - t1.

form elipsed (f8.2).

exe.

Посмотрите это видео, почему хорошо сочетать SPSS и R ...

Ссылка < / а>

http://bluemixanalytics.wordpress.com/2014/08/29/7-good-reasons-to-combine-ibm-spss-analytics-and-r/

Если у вас установлена ​​совместимая копия R, вы можете подключиться к ней из IBM SPSS Modeler и выполнить построение модели и оценку модели с помощью пользовательских алгоритмов R, которые можно развернуть в IBM SPSS Modeler. У вас также должна быть установлена ​​копия IBM SPSS Modeler - Essentials for R. IBM SPSS Modeler - Essentials for R предоставляет вам инструменты, необходимые для начала разработки пользовательских приложений R для использования с IBM SPSS Modeler.

На самом деле оба пакета полезны, если вы занимаетесь анализом данных профессионально. Конечно, в R / RStudio реализовано больше статистических методов, чем в SPSS. Но SPSS намного проще в использовании и дает больше информации при каждом нажатии кнопки. И, следовательно, быстрее использовать всякий раз, когда конкретный анализ реализован как в R, так и в SPSS.

В современную эпоху ни процессор, ни память не являются наиболее ценными ресурсами. Время исследователя - самый ценный ресурс. Кроме того, на мой взгляд, таблицы в SPSS визуально более приятны.

Таким образом, R и SPSS хорошо дополняют друг друга.