做统计工作的人很需要R软件吗?
一般来讲,R软件的优点在于开源、免费、能应用最新的算法软件包、因编程而易于与同行交流,但是唯一的弱点在于可信度没有收费软件SAS、SPSS等那样有保障;所以就目前中国来讲,R软件还是有一定应用局限,但前途肯定一片光明,特别是在学术应用领域。
第二个问题,统计的工作,去政府机关如统计局,需要考公务员,一般来讲比较基础;去市场调查公司、咨询公司等企业,可能需要的能力强;但把统计学透、多学一些统计技术、多分析实际数据肯定是对能力提升有效的。
请问做数据统计分析,是R软件好用,还是SPSS好用?
关于他们的特点我以前转的文章中有详细比较!由于本人学的时间不长,现就自己的体会提一些看法、、、无论你学哪种软件,基础的统计学基本知识是必备的!所以说,要先把统计学学好!虽然现在,许多软件的操作都越来越“人性化”,只需点菜单对话框即可!例如SPSS!就连SAS这种靠编程运算的分析软件也可以用ANALYST直接点对话框进行统计分析!但是其缺点也是很明显的:采用对话框法只能获得一些相对简单的粗糙的结果!只有用编程法才能获得理想的统计结果!对于SAS来说,SAS语言编程才是SAS软件的精华,只有利用SAS语言编写的程序才能更有效的发挥SAS的强大功能!!!SAS编程能力很重要,但是使用SAS采集、处理、管理数据,同时知道如何进行分析获得希望的结果是更为重要的,前面是工具,后面是方法。
所以必须具备扎实的专业知识! A :您是认为医学统计不用像那么sas那么专业的统计软件吧?因为用sas要写成堆的语句。
但是,同样的,像soccy推荐的r,oxedit我估计也不在您的选择之列,因为这些东东同样也需要像编程那样写大堆的语句(事实上,好多这类软件的语法都比较接近c ,那就更复杂了!)我想您心目中理想的医学统计软件可能就是那种不用语法,用菜单就能完成任务的。
这样的软件无疑是最适合非统计专业人士使用的。
比如spss就提供了非常易用的界面。
但是这样的软件至少有两点不足:一是最新的统计方法无法加入到软件中,必须等待软件升级;二是一个统计任务中总有许多重复的操作,如果光用菜单的话,无疑是累死人的 B:无论你用什么软件;我的观点是,使用偏重编程语言的软件包(比如Guass, S, Matlab, Stata...)可以帮助学生理解统计模块之后的数学计算(你可以轻易地用S或Stata内含的矩阵语言从头写出一个做OLS regression的模块,一步一步地展示如何将纸上的公式变成可运行的计算机代码,从而消除学生对这些技术的神秘感和迷信);这方面SAS /Stat是差了一些,不过还有SAS/IML and SAS/ETS吗,不过很少有人熟悉这些模块拔了。
最讨厌的就是象SPSS这样的东西,把所有模块做成菜单,什么统计背景都不用有,点两下鼠标就会出来一堆似是而非的数字(而且往往是错的,SPSS统计模块bug之多可说举世无匹)。
抛砖引玉,希望大家继续讨论。
...
R软件如何修改大量数据
最近在写医学科研论文,用的是一个数据分析平台-Medstat,这个用起来非常简单,只需要将自己的数据导入Medstats,选择相应的模块,设置基本参数,系统根据数据类型自动选择相应的算法,不用设置复杂的参数。
而且是基于R语言,精确度也很高。
很好用,强烈推荐!希望可以帮助到你。
R 是统计领域广泛使用的诞生于 1980年左右的 S语言的一个分支。
统...
我用R几年了,很不错的,现在图书也很多了,虽然大都是翻译过来的。
视频的话,我看过两个:一个是网易公开课上面有,你搜网易公开课,然后搜r语言,就有了,是肖凯讲的。
我本来想给你链接,但是百度知道坑爹,每次回答带链接就把我的答案删除了,不知道他们想干嘛。
第二个是Coursera 上面有门课叫Computing for Data Analysis,很不错的,用R语言的,你可以学习。
希望能帮到你,给予采纳,谢谢!
求spss统计软件解!
1.假设检验是数理统计学中根据一定假设条件由样本推断总体的一种方法。
具体作法是:根据问题的需要对所研究的总体作某种假设,记作H0;选取合适的统计量,这个统计量的选取要使得在假设H0成立时,其分布为已知;由实测的样本,计算出统计量的值,并根据预先给定的显著性水平进行检验,作出拒绝或接受假设H0的判断。
spss中的t检验,相关分析中sig数据就是对假设检验的判断2. 方差分析(ANOVA)又称“变异数分析”或“F检验”,是R.A.Fister发明的,用于两个及两个以上样本均数差别的显著性检验。
spss中的 One-Way ANOVA过程就是对方差的分析3.相关分析(correlation analysis),相关分析是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。
相关关系是一种非确定性的关系,例如,以X和Y分别记一个人的身高和体重,或分别记每公顷施肥量与每公顷小麦产量,则X与Y显然有关系,而又没有确切到可由其中的一个去精确地决定另一个的程度,这就是相关关系。
4. 回归分析(regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。
运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。
如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。