计量实证哪款软件比较好？

yangyuzhou

2477

收藏 2014-09-12

在解答这个问题之前，首先看一下论坛里的情况，有很多的内容值得留意。

首先是软件资源：

统计软件——“汇”

接着是大家的评论

大家讨论一下，计量经济学什么软件最好？

大家来评价一下常用统计和计量软件的优缺点吧

然后是相关资料：

各种计量软件的比较

〖Only One〗计量经济学与统计软件版汇总贴

计量软件评述、经验（强烈推荐），不看会后悔的

当然，在其他网站上也能有好的答案，比如：

知乎网友rui zhang就很不错：

计量实证的话，最容易上手的应该是STATA和EViews。两者都可以通过菜单操作实现傻瓜式操作，也都可以用编程的形式来实现。STATA应该是计量实证，特别是微观实证里面用的比较多的。因为单就经济计量来说（其实就是各种各样的回归方法）

STATA包含的方法非常多，运行速度也快，处理面板数据和截面数据的功能非常强大；而且可以随身携带，不用安装。Eviews也是回归方法为主，不过是时间序列方面的功能比较强大，所以可能宏观做时序模型、做协整分析等等用的比较多。

SAS是比较难上手的软件，装载就不是很容易了，而且所有的功能都需要编程实现，个人没有用过；但是听用过的同学说，虽然难学，但是学好了要实现各种方法真的是随心所欲。比如做金融里面常有的roll over回归之类的，特别适合复杂的计算和大量的回归，处理微观海量金融数据的同学应该会用的比较多吧。

Matlab的话感觉和上述几款都不太一样，属于比较全能的大杀器，不仅限于计量分析的功能，还能做数值计算、随机模拟、规划求解、等等等等。不过也是需要自己写代码，如果单单是想做计量分析的话似乎没有必要用这个。

最后说SPSS 是最容易上手的，而且属于统计分析软件，包含很多多元分析方法。比如因子分析、聚类分析、分类树之类，但是个人对其回归功能不敢恭维，只有几种方法，而且基本处理不了面板数据。所以如果是计量的话不推荐用SPSS，但是SPSS其他一些多元分析功能也挺好操作的。

只用过STATA、 SPSS 和EVIEWS 其他两种软件的经验通过同学咨询得来，个人推荐计量还是用STATA

上述资料之外，还有更加专业化的解释：

有人对C， C++， Java， Perl， Python， Rexx，和 Tcl 进行了一篇分析:

00876288.pdf
大小:(231.92 KB)

马上下载

也许有人说这几种软件与计量关系不大；那么，最近两位应用宏观经济学家针对C++11，Fortran 2008， Java， Julia， Python， Matlab， Mathematica和 R 同时跑一个DSGE模型，对速度进行了比较：

w20263.pdf
大小:(262.05 KB)

马上下载

1. C++ and Fortran are still considerably faster than any other alternative, although one needs to be careful with the choice of compiler.

2. C++ compilers have advanced enough that, contrary to the situation in the 1990s and some folk wisdom, C++ code runs slightly faster (5-7 percent) than Fortran code.

3. Julia delivers outstanding performance. Execution speed is only between 2.64 and 2.70 times slower than the execution speed of the best C++ compiler.

4. Baseline Python was slow. Using the Pypy implementation, it runs around 44 times slower than in C++. Using the default CPython interpreter, the code runs between 155 and 269 times slower than in C++.

5. Matlab is between 9 to 11 times slower than the best C++ executable.

6. R runs between 475 to 491 times slower than C++. If the code is compiled, the code is between 243 to 282 times slower.

7. Hybrid programming and special approaches can deliver considerable speed ups. For example, when combined with Mex …les, Matlab is only 1.24 to 1.64 times slower than C++ and when combined with Rcpp, R is between 3.66 and 5.41 times slower. Similar numbers hold for Numba (a just-in-time compiler for Python that uses decorators) and Cython (a static compiler for writing C extensions for Python) in the Python ecosystem.

8. Mathematica is only about three times slower than C++, but only after a considerable rewriting of the code to take advantage of the peculiarities of the language. The baseline version of our algorithm in Mathematica is considerably slower.

最后，他们给出来的建议是：

Different programming languages can be used by one researcher to address different problems (for example, a complicated value function iteration in C++ and a statistical analysis of some data in R).

本文对知乎内容有所参考（其实是抄了很多），在此说明。