折腾了两个晚上，终于在我的电脑上重新装了SAS。为什么要折腾呢？因为要帮professor干活，而这个professor用的是SAS，所以，我想说的选择统计软件的第一个原则是：你的老板用什么软件，你就用什么。什么，你跟老板说：俺不会用SAS，您老人家可不可以换一个别的软件使？那你赶紧卷铺盖滚蛋吧！这年头不但我们祖国大陆劳动力过剩，美国也一样（其实是来自类似于我们祖国的brain drain）。
当然也有老板不介意你用什么软件，只要给他show results即可。比如一些理科系的老板，他不care你用的是Fortan,C++,Java，还是Lisp，只要写好程序，跑出计算结果给他看就行了。当然这些老板自己是不用干coding的活，也无暇检查你的coding的。碰上这样的老板，我只能说，你小子走狗屎运了。
但有的老板有自己的偏好，也亲自动手尝试一些coding的活，比如我现在遇到的这位。遇到这种情况，你就要勇往直前、毫无条件、毫无保留
当然也有老板不介意你用什么软件，只要给他show results即可。比如一些理科系的老板，他不care你用的是Fortan,C++,Java，还是Lisp，只要写好程序，跑出计算结果给他看就行了。当然这些老板自己是不用干coding的活，也无暇检查你的coding的。碰上这样的老板，我只能说，你小子走狗屎运了。
但有的老板有自己的偏好，也亲自动手尝试一些coding的活，比如我现在遇到的这位。遇到这种情况，你就要勇往直前、毫无条件、毫无保留
地附和之。其实这样做也有好处，锻炼你的快速学习上手能力。接下来就我这两年的经验，具体讨论一下几种常见的统计软件。我的专业是
sociology，现在算是向social demography转型，但以下所谈的经验对于其他social science的做quantative analysis的亦有裨益。
我05年入学时，系里就安排学习8周的Basic SAS。但是06年入学的新生改学Stata了。相比于SAS，Stata上手容易多了，最主要的原因是Stata的help文档非常user-friendly，这对于自学非常非常关键。相比之下，SAS的体系太庞大了，语法更杂一些。用Stata编写新的算法相较于SAS要容易些。但是用SAS编写data management比Stata方便些，比如SAS中的循环语句更接近于主流\传统的programing language，而Stata里的循环语句就有点别扭了。如果只是用Stata做些merge files之类的工作，那没什么问题；但如果是更复杂一些的东西，比如处理survival data，SAS可能是更好的选择。我不认同SAS很快会被Stata淘汰的论断，这就类似于Java的fans天天叫嚣C++过气一样。好像记得是BS本人，还是Lipman说过，C++与Java孰优孰劣的问题归根到底取决于行业智力投入的多寡。C++之所以统治了二十年，是因为当年全世界千万颗大脑都在琢磨这个语言；现如今轮到琢磨Java的脑袋个数成千万了，如果Java不比C++更“优越”的话，那才叫咄咄怪事，全世界搞CS的可以跳海去了。但只要在世界的某个角落依然有几颗聪明的脑袋琢磨C++，类似STL这样的石猴就会蹦出来。SAS和Stata之争也是同样的故事。
如果你打算将来在research method之类的期刊上发文的话，你需要更强悍，或者说更原始的工具，比如S-plus，或者它的GPL版本R。这两个东西可能是bio-statistician最常用的。与MATLAB相比，S-plus\R的优点是它们定位于统计学，在各个方面都对统计做了优化，应该是你研究新的统计方法的首选。上R-cran的网站看看就知道，全世界每天有多少人在用R实现新的统计算法。只要你愿意，每天都可以更新你的R，跑最fancy的model，比如spatial statistics。我目前接触到的bio-stats的faculty用的是S-plus而非R。R的更新稍稍滞后S-plus一些。几周前在一份newslist上看到有不少spatial models已经有了s-plus的版本，但是R版尚在进行中。
不建议使用SPSS，除非你用syntax，原因无他，与写代码相比，click button速度慢、效率低，model搞错了要从头挨个click button；如果你今天只跑了一半的models，想明天继续的话——没门，除非你用的是syntax；从工程学的角度而言，写syntax便于group members合作一个project，这是现代学术研究的大势所趋，借用OOP里的行话叫做代码的可重用性高。
还是想提一下C++，为什么呢？因为STL——泛型编程的威力太诱人了。如果有谁编了一份MLE的template，请发给我一份！
最后想说的是，手中无剑，心中有剑。扎实的统计学功底是本，统计软件的使用是末。软件只是个工具，比善用某个软件更为重要的是掌握统
我05年入学时，系里就安排学习8周的Basic SAS。但是06年入学的新生改学Stata了。相比于SAS，Stata上手容易多了，最主要的原因是Stata的help文档非常user-friendly，这对于自学非常非常关键。相比之下，SAS的体系太庞大了，语法更杂一些。用Stata编写新的算法相较于SAS要容易些。但是用SAS编写data management比Stata方便些，比如SAS中的循环语句更接近于主流\传统的programing language，而Stata里的循环语句就有点别扭了。如果只是用Stata做些merge files之类的工作，那没什么问题；但如果是更复杂一些的东西，比如处理survival data，SAS可能是更好的选择。我不认同SAS很快会被Stata淘汰的论断，这就类似于Java的fans天天叫嚣C++过气一样。好像记得是BS本人，还是Lipman说过，C++与Java孰优孰劣的问题归根到底取决于行业智力投入的多寡。C++之所以统治了二十年，是因为当年全世界千万颗大脑都在琢磨这个语言；现如今轮到琢磨Java的脑袋个数成千万了，如果Java不比C++更“优越”的话，那才叫咄咄怪事，全世界搞CS的可以跳海去了。但只要在世界的某个角落依然有几颗聪明的脑袋琢磨C++，类似STL这样的石猴就会蹦出来。SAS和Stata之争也是同样的故事。
如果你打算将来在research method之类的期刊上发文的话，你需要更强悍，或者说更原始的工具，比如S-plus，或者它的GPL版本R。这两个东西可能是bio-statistician最常用的。与MATLAB相比，S-plus\R的优点是它们定位于统计学，在各个方面都对统计做了优化，应该是你研究新的统计方法的首选。上R-cran的网站看看就知道，全世界每天有多少人在用R实现新的统计算法。只要你愿意，每天都可以更新你的R，跑最fancy的model，比如spatial statistics。我目前接触到的bio-stats的faculty用的是S-plus而非R。R的更新稍稍滞后S-plus一些。几周前在一份newslist上看到有不少spatial models已经有了s-plus的版本，但是R版尚在进行中。
不建议使用SPSS，除非你用syntax，原因无他，与写代码相比，click button速度慢、效率低，model搞错了要从头挨个click button；如果你今天只跑了一半的models，想明天继续的话——没门，除非你用的是syntax；从工程学的角度而言，写syntax便于group members合作一个project，这是现代学术研究的大势所趋，借用OOP里的行话叫做代码的可重用性高。
还是想提一下C++，为什么呢？因为STL——泛型编程的威力太诱人了。如果有谁编了一份MLE的template，请发给我一份！
最后想说的是，手中无剑，心中有剑。扎实的统计学功底是本，统计软件的使用是末。软件只是个工具，比善用某个软件更为重要的是掌握统
计理论和方法，其次重要的是快速上手新软件的技能。软件的更新换代是很快的。10年前大家埋头哼哧SAS V6时，谁会料到日后将出现Stata？如果你此刻在为Stata或R痴狂，请放下这份心障，谁知道5年后最popular的是什么呢？不论你将来跳出academe，还是继续留在这个圈子里，你都可能遇见一个或主动选择，或被some one assigned的project，里面涉及到一种你初次接触的统计软件。所以，快别在网上转悠了，关上电脑去读survival analysis吧^_^
（午夜过后，不知所云，见谅）
大熊瞎扯 
读过，不错。时隔若干年，还是很实用
赞赞