今天推荐几本学习计量统计软件的书。一方面可以提高自己的技能，另一方面也可以在写论文的时候运用，提高论文的硬实力。当然，多掌握一项技能也可能增强我在未来就业中的竞争力。所以朋友们可以选择最好的放在自己的购物车里~
统计软件
优点：Stata简单、功能强大，深受初学者和高级用户的欢迎。使用时，一次只能输入一个命令，也可以通过Stata程序一次输入多个命令。这样，即使出了问题，也更容易发现并纠正。虽然Stata的数据管理能力不如SAS强，但它仍然有很多强大而简单的数据管理命令，可以让复杂的操作变得更加容易。Stata主要用于一次对一个数据文件进行操作，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最大的优势可能在于回归分析(它包含回归分析的易于使用的特征工具)和逻辑回归(用一个程序解释逻辑回归的结果，很容易用于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：lyyd
亮点：lyyd的计量经济学教材在设计上有单独的工具变量和二元选择模型一章，解决了其他教材没有详细讲解这部分的问题。而且，听话的芝麻课本通俗易懂，用实际生活来衡量。《高级计量经济学及Stata应用》还包括多值选择模型、非参数估计、贝叶斯估计等。Stata实现了易用性和强大功能的结合。
上机指导
优点：EViews是Windows操作系统中计量经济学软件的世界领先软件。强度和灵活性加上方便用户操作的界面；最新的建模工具，快速直观易用的软件。EViews功能强大、灵活且易于使用，因为它具有创新的图形用户界面和复杂的分析引擎工具。EViews预测分析与测量软件广泛应用于科学数据分析与评价、财务分析、经济预测、销售预测和成本分析等领域。这也是写计量经济模型论文最方便的软件之一。
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
亮点：计量经济学研究的核心是设计模型、数据收集、估计模型、检验模型和应用模型(结构分析、经济预测和政策评估)。在本书中，数学描述被适当淡化，旨在阐明方法和思路，没有大量的推导和证明，重点是如何利用各种计量经济学方法来分析、建模、预测和模拟实际经济问题。书中很多内容都解释的很透彻，总结的很透彻，比如流量和存量是否普遍稳定。
附加电源装置（Supplementary Power Supply Set的缩写）
优点：SPSS非常好用，所以最被初学者接受。它有一个可以点击的交互界面，可以使用下拉菜单选择要执行的命令。它也有办法通过复制粘贴来学习它的“语法”语言，但是这些语法通常非常复杂，不太直观。SPSS有一个类似Excel的用户友好的数据编辑器，可以用来输入和定义数据(缺失值、数值标签等)。).SPSS也主要用于对一个文件进行操作，很难同时处理多个文件。它的数据文件有4096个变量，记录的数量受到磁盘空间的限制。SPSS还可以进行大部分统计分析(回归分析、logistic回归、生存分析、方差分析、因子分析、多元分析)。其优势在于方差分析(SPSS可以检验许多特殊效应)和多元分析(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：花痴大树
亮点：真实案例贯穿全书，从实际统计分析的角度详细介绍了SPSS的界面操作、数据管理、统计图制作、统计描述以及常用单因素统计分析方法的原理和实际操作，结合SPSS强大的功能很好地进行了扩展。书中还提供了医疗、经济、市场调研等行业的综合案例，完全从实际案例出发讲解各种方法的综合应用，更好地帮助读者提高实战能力。
斯堪的纳维亚航空公司
优点：SAS功能强大，可编程，在高级用户中很受欢迎。也正是基于此，它是最难掌握的软件之一。使用SAS时，需要编写SAS程序来处理数据并进行分析。如果程序中出现错误，将很难找到并纠正它。在数据管理方面，SAS非常强大，允许您以任何可能的方式处理数据。它包含SQL(结构化查询语言)过程，并且SQL查询可以在SAS数据集中使用。然而，学习和掌握SAS软件的数据管理需要很长时间。在Stata或SPSS中，用于完成许多复杂数据管理任务的命令要简单得多。SAS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、多元分析)。SAS的优势可能在于方差分析、混合模型分析和多元分析，缺点主要是有序和多元逻辑回归。
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是一个数据管理和统计分析的工具，尤其在医疗设备公司和制药行业极负胜名。一般的SAS手册主要为有一定统计基础的使用者提供各种程序的使用指导，一般的统计教材则通常传授最基础的理论知识和统计方法。很少有教材可以两者兼顾，所以可以预想，发展趋势就是通过统计软件（尤其是SAS）的使用来介绍基本统计和高级统计方法。这本书就做到了，它既提出了许多应用问题，又演示了SAS的分析执行。
r语言
软件优点：R语言与前几种软件相比，已经彻彻底底上升为一款相当热门的编程软件了，当然涉及到计算机编程可能会令不少小伙伴们头大。这款软件强大，免费，包罗万象，开源。是专门为统计和数据分析开发的语言，统计前沿的主流语言。扩展性好，丰富的资源涵盖了多种行业数据分析中几乎所有的方法。R与SAS相比速度快，有大量统计分析模块，但可扩展性稍差，昂贵。与SPSS相比，具有复杂的用户图形界面，简单易学，但编程十分困难。
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：开源软件R是世界上最流行的数据分析、统计计算及制图语言，几乎能够完成任何数据处理任务，可安装并运行于所有主流平台，为我们提供了成千上万的专业模块和实用工具，是从大数据中获取有用信息的绝佳工具。本书可以说是学习R的必备教程之一，可以让人快速进入R的世界本书从解决实际问题入手，跳脱统计学的理论阐述来讨论R语言及其应用，讲解清晰透澈，极具实用性。作者不仅高度概括了R语言的强大功能、展示了各种实用的统计示例，而且对于难以用传统方法分析的凌乱、不完整和非正态的数据也给出了完备的处理方法。这本书侧重R语言实战，以实际项目讲解R的若干常见应用场景。适合新手上路，回归、方差两章展示了完整的统计分析的过程。
Matlab
软件优点：MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。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特定类型的问题。数学函数可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等
推荐书目：《Matlab R2016a从入门到精通》 作者：qfddy研
推荐理由：本书是针对MATLAB R2016a（V9.0）*版本进行编写的。书中讲述的内容是使用MATLAB进行科学研究、系统仿真、数据分析与处理的必备知识。通过全面学习本书，读者可以获得使用MATLAB进行数学计算、数据分析及处理的相关技能，并能快速掌握使用MATLAB进行工作的基本方法。基础知识部分包括MATLAB概述、数据输入输出基础、编程基础和可视化基础；数学基础部分包括数组与矩阵操作、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；拓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。本书作为一本实用性超强的工具书，是学习复习，参加建模比赛的必备书籍。
python
软件优点：python非常简单，非常适合人类阅读。阅读一个良好的Python程序就感觉像是在读英语一样，尽管这个英语的要求非常严格。Python的这种伪代码本质是它最大的优点之一，使你能够专注于解决问题而不是去搞明白语言本身。Python是FLOSS（自由/开放源码软件）之一，可以自由地发布这个软件的拷贝、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相比于Matlab的最大优势是：Python是一门通用编程语言，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：这本书是Pandas的模块作者写的书，被誉为Pandas的最佳工具书。Pandas是python的一个数据分析包，最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。使用Pandas可以把Python基本当作R用，用NumPy和SymPy还有SciPy把Python当作Matlab用。作者对于利用Python进行数据分析有着很丰富的经验，因此写出的书也是深入浅出，让人很容易就能看懂。本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。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。“Life is short, you need Python!”
*以上书籍推荐为小编结合自身理解，参考网店评价、豆瓣评价以及论坛评价的结果，仅代表个人观点，同学们可以根据自身专业和工作需求来进行学习使用，仅供参考。
本文来源：本文来源于南财研究生、学长摩西、学术写作大讲堂公众号，版权归原作者所有，如有侵权，请告知删除 。
社科学术圈
35万+社科学者关注
学术路上 · 与你同行
长按扫码可关注