【推荐】 推荐]计量用啥软件
1、前言
一般只有初学者才会纠结使用什么软件，在茫茫多的选择间挑花了眼。其实，是因为对自己定位不清晰，对所从事的工作不够了解导致的。总想着一步到位，少走弯路，但是初学者也应该慢慢来，多了解一些，就像相亲，多试一试嘛。
看这篇文章的人一般是为了结合某种软件帮助自己学习（写论文）。不过现代社会分工越来越精确，学科的划分也越来越细致，除非有精通各个领域的大牛，否则很难对各类软件做出准确评述。稍微写一下几种比较主流软件的个人使用感受，间或夹杂一些偏门软件，主要对面做应用计量、理论计量和宏观经济的人吧（数据分析、数据挖掘等本人不擅长的就不介绍了，看客少了一半）。如果你比较忙吗，可以直接看每个软件最后的推荐程度部分。
记住请选择你从事的这一行的主流软件，因为有很全面的资料，可以得到许多人的帮助。
2、Eviews
学计量的应该都知道这个，把它放在第一位并不意味着推荐学习它。该软件简单易上手，适合刚开始学习计量的本科生，如果作为硕士和博士还总是依靠Eviews，只能说明你比较保守。
缺点：
（1）Eviews很多东西都是封闭的，一般情况下你不知道它背后的机理，使用什么样的估计方法、判别准则等等。Eviews这一特点，外加很多人用Eviews都是使用默认设定，你有时可能意识不到自己的操作存在错误。
（2）Eviews无法有效保留你的工作记录，试想你做了一个复杂的模型，最后出来上百个各种各样的图形、方程等输出结果，让人眼花缭乱抓不住重点，而且三个月之后，当你再打开这个workfile时，你可能已经忘了当时是怎么做的，哪些结果是重要的，哪里的处理可以改进，哪里的步骤不够规范可能有错误等等，简直就是噩梦。
（3）虽然Eviews可以编程，但是我们完全没必要浪费时间去学，因为Eviews只是你在新手村遇到的老爷爷，试想就算郭靖把江南七怪的武功练到极致，又能翻出什么风浪来？。
优点：
（1）Eviews其实一直在与时俱进，近几版的Eviews甚至还包括面板协整，结构突变，BVAR，MSAR等一些比较“高大上”的计量方法，实乃“创造论文”之犀利工具。而且Eviews里面有个Add-ins选项，里面有一些可以加载的外部命令，包括门限向量自回归，STAR等等一些方法。
（2）Eviews在处理时间序列方面比较方便，特别是单位根检验比R，Stata等要方便很多，而且非常直观，适合对少量数据进行观察分析，但是Eviews处理面板数据很麻烦。
学习资料：
Eviews有一个上千页的帮助手册，最全面也最权威，不过是英文的，可以拿来做参照。陈灯塔老师的书可能是最高级的，不过大部分都是编程，感觉也没必要学。常见的就是张晓垌和高铁梅老师的书，任选一本了解即可。
推荐程度：
不推荐，编程基础较差的本科生可以学习下，其他人做一些简单了解即可。
3、Stata
小巧玲珑，功能强大的计量软件，几乎毫无无缺陷，如果收费不算缺陷的话。
缺点：
（1）没啥太明显的缺点，唯一的不足可能就是编程不方便，不适合做理论研究的人使用，这也是我最终放弃它的原因。各种gen，mat等等，这个奇怪的（`X’）引用方式，个人不太习惯使用其进行编程以及做模拟等，感觉太累了，有其他更优秀的选择，只好放弃它。
优点：
(1)优点很多，首先是功能全面吧。你能想到的主流的计量方法Stata里都有，当然有的是非官方命令，比如面板向量自回归，面板门限模型等。不过一些命令可能会变成官方的命令，作为商业软件，这种官方命令的好处是你做出来的结果是可靠的，如果出了问题，你可以找Stata公司投诉。
(2)界面非常友好，输出直观，而且点击图标或者输入edit可以很方便的查看你的数据。Stata的do-file已经工作日志可以有效地记录你的处理过程或者保存结果。你可以把你的每一步操作以命令的方式都记录在do-file里并添加注释，当你需要的时候，你可以很轻松的重复你之前的工作并找到重点。
(3)Stata的帮助文件非常强大，比如你只要输入help reg 就可以打开回归分析的帮助文件，里面包含命令的使用方法，注意事项，例子及参考文献等等，非常清晰全面，感觉是做得最好的帮助文件了（R语言和MATLAB的一些帮助手册写得太简略，Eviews的查看不方便）也可以打开ado file文件，直接查看各种命令的源码。
(4)Stata处理面板数据的功能很好很强大，整理数据到各种估计都很方便。Stata在应用微观计量的地位目前其他软件还难以撼动，该有的方法都有，操作又简单，真是人见人爱。
学习资料：
Stata的学习比Eviews复杂一些，因为它毕竟是敲命令为主（不要把敲命令等同于编程），如果你直接下载安装一个Stata软件可能用起来并不是很顺手，特别是新手没有设置好profile文档，也不知道怎么安装外部命令，可能会搞得一团糟让人泄气。个人推荐人大论坛连玉君老师的视频学习资料，另外陈强老师的高级计量及Stata应用（第二版）则是非常好用的书面资料，对计量和Stata的介绍都比较全面。也请关注王群勇老师的一些资料，这个也是Stata的大牛人物。卡梅伦的用Stata做微观计量配合Microeconometrics非常可口，还有汉密尔顿的用Stata做统计分析，陈传波的Stata18讲都是不错的资料。The Stata journal是一本很好的期刊，里面会介绍很多比较新的命令。
推荐程度：
如果是做微观计量的话，不管是理论还是应用都比较推荐，毕竟理论也可以学习下其他人编写的程序，当然理论不一定只局限于学Stata，再选一门适合编程的也很重要。Stata适合本硕博等各年级学生，虽然需要敲命令，但是很简单，上手时也不需要你掌握什么编程思维，有多强的计算机基础。做应用计量，特别经常用到面板数据的同学应该好好学习下，事半功倍的感觉。不过做理论的同学，了解下即可，毕竟其编程不是很方便。
4、R
强大，免费，包罗万象，你能想到和想不到的R里面都有。不过很多人吹过了，R让人爱不释手，但也不是万能的。
对于新手的缺点：
(1)不易上手。如果把R当成Stata来用，只是调用各种package是很简单的，但是如果你要去独立开发某些命令，R就不是很友好了。学习曲线类似于Logistic函数，真的用R去编程时不是很简单。而且学到中级计量的同学都会发现，计量书基本都是用矩阵写的了，各种推导几乎都是基于矩阵来的，R的矩阵运算虽然很强大，但是不够直观简洁。
(2)R里面命令基本都是用户编写的，因此水平参差不齐，不能保证所有的命令都是可靠的，而且有时候调用方法也比较混乱。
(3)很多人说和C比起来R比较慢什么的，恕我直言，如果R的速度跟不上你研究的需求了，那么这种人也不会纠结于选择什么软件了。所以，跟新手说什么运行速度，分布式计算等等概念的基本都是扯淡。
优点：
(1)优点真的太多了。R是统计界的亲儿子，统计计量不分家，所以你能想到的想不到的方法R里面都有，没事逛逛CRAN，看看The R journal，收获很大。
(2)优点太多，懒得写了。
学习资料：
Springer的R系列，很多都免费了，可以直接下载。学计量的可以Applied Econometrics with R入门，或者有本和伍德里奇计量经济学配套的Using R for introductory econometrics。R的资料真是太多了，还有R入门导论，R语言实战，R语言编程指南等一些介绍R的书，虽然和计量不是很挂钩，但是对提高R水平比较有帮助。
R是一门统计语言，所以不只计量经济学、经济学会用到。数据分析，机器学习等许许多多方面的问题都可以用R来解决，不过在这就不详细介绍了。可以去人大经济论坛找一下关于这些方面的帖子，会发现很多资料都是基于R语言的。
R的帮助文件也很强大，除了reference manual 还有vignettes，很容易就能上手。
推荐程度：
如果只能学一门软件，那么R肯定没错。学统计的不多说了R是必备的，学理论计量的话，R几乎也可以算作必备的，即使使用其他软件，但是对R也应该有所了解。学习应用计量的话，可以Stata为主，R为辅，也可以直接就用R，不过后者可能对没什么编程的经验的人很不友好，新手很容易在各种复杂的命令，操作中崩溃。另外，学习R请安装Rstudio，R-Gui实在不美观也不方便。
5、MATLAB
其实MATLAB在经济的使用范围很广，很多人不知道而已。
缺点：
(1)收费软件，比较昂贵。比较臃肿，特别是第一次启动，比较慢。
(2)各种自带的函数，用户编写的函数，老版的新版的太多了，让人记不过来，万一有重名的还很麻烦。
（3）MATLAB是一款科学计算软件，虽然它有经济工具箱，但是用起来不是很方便，而且输出结果很不美观。这么说吧，如果说R还能靠调用package当成Stata来用的话，在计量领域，MATLAB更加像一门编程语言，基本上什么都要你自己动手来做。
优点：
(1)语法简单，学过C的人上手较快。循环和矩阵运算等，很简洁直观，代码可读性很高。特别是需要各种矩阵运算的地方，代码写出来相对来说比较美观。
(2)应用范围比较广泛，因为语法和GAUSS也很像，所以计量方面有很多大牛在开发。比如Lesage的空间计量工具箱，牛津的MFE toolbox，Patton的Copula toolbox， Gary Koop的各种BVAR,TVP-VAR程序等等。而且MATLAB的m文件的特性，使得你可以很轻松的查阅别人的程序，然后不管是调用还是拿来借鉴都很方便。
(3)专门提一下，做DSGE的同学不可能不知道Dynare，既然用了Dynare，那么其他的问题也都用MATLAB解决掉了多方便。此外，还有一些其他的宏观经济研究在MATLAB里面都有很好的支持。
【量化投资前几年MATLAB挺流行的，现在不太清楚。这个话题我不想说太多，因为我不是业界人士，不敢多加点评，但我看C，MATLAB，Python，R都有人在用。机器学习的话也有人在用，比如MLAPP配套的不就是MATLAB工具箱吗。斯坦福的机器学习视频，配套的Octave基本算山寨MATLAB了吧。】
学习资料：
也是茫茫多资料，MATLAB的中文资料、视频特别多，虽然都是面向工科为主，但是很多算法优化、数值分析等方法都可以拿来借鉴。而且掌握了MATLAB的基本语法和所研究的问题后，直接看一些现成的代码学起来也很快。
推荐程度：
做宏观经济研究的应该掌握MATLAB。应用计量的人适当了解，有时候可能会需要用到别人编写的MATLAB程序。理论计量的话，如果你对R实在不感兴趣，可以学MATLAB，研究空间计量和贝叶斯计量的可能需要学习MATLAB。总之，跟着领域内的大牛走，主流走，不然自己一个人摸索很困难的，得不偿失。
6、其他
为什么写其他，因为我累了，虽然有点虎头蛇尾的感觉。
GAUSS，计量里的屠龙刀，不过现在用的人少了，感觉没必要专门去学习了，相应的资料也比较少，被MATLAB代替了吧。
Oxmetrics，小众软件，用的最多的可能都是在做MS-VAR,TVP-VAR。
SPSS，和Eviews差不多的软件，但以统计为主，输出结果又多又繁杂，个人不是很喜欢用这种傻瓜软件。
SAS，老大哥，稳准狠，就是太贵了也太大了，语法还算简单，但是不适合编程，和SPSS一样，输出又多又杂，特别麻烦。但是SAS处理大数据的能力很强，毕竟从硬盘直接调数据，不像Stata什么的，先把数据存在内存里。做数据分析的可能会用到，计量的话，感觉用处不大。
Python，被吹到天上的语言，只要有人问该学什么，必定会有人说Python，仿佛不学你就混不下去了。我觉得没必要过分神话Python，虽然它功能也很强大。但目前来看，其在经济学上的应用还有待开发。虽然有Sargent等大牛在推广Python在经济领域的应用，但是麻烦先和R语言PKPK，自己的3.X和2.X PKPK再说其他的吧。可以学习下用Python来爬虫，现在很多前沿研究都在利用从网络、报纸等媒介获得的大数据信息，然后进行相应处理和研究，而使用Python可以很方便的做到这一点。个人认为，有志于走向前沿的人，可以学习下Python，但现阶段应该配合一款其他的软件一起使用。Python的IDE不是很方便，推荐安装Anaconda。个人实在不习惯numpy和scipy的调用，np.xxx什么的感觉比较麻烦，因此对Python又爱又恨，暂时进入观望状态，不再深入研究。
C,C++,Fortran，Java，这绝对不是初学者该深入研究的语言，如果有一天你面临速度问题，或者程序十分复杂的时候，请再进行相应研究。本人只稍微学了些C，有时看代码会用到，但目前研究还没有到非C不可的地步（和学科有关，计算机大佬们轻喷）。
Julia，新兴的一门小众语言，正在观望之中，语法和MATLAB非常类似，速度也比较快。请去Julia官网或者Sargent的网页上去看，顺路，百度Julia的时候确保周围没人。
OCTAVE/SCILAB，MATLAB的替代品，免费软件，国内的同学可能不用为MATLAB收费的问题发愁，所以学这俩不如学MATLAB。
此外还有AMOS，GeoDA，deap等软件做SEM,空间计量,DEA测算等问题，但是R和MATLAB等都有相应替代品。
BUGS和WINBUG，做贝叶斯的同学可能会用到，但是R和MATLAB可以替代，而且建议深入研究的人学习R或者MATLAB，毕竟自己编程的过程也是巩固知识的过程。
7、结语
实在是累了，懒得写了，总之就是请选用自己领域内的主流软件，结合导师的建议，有人带着可以少走很多弯路的。实在不知道学啥，建议从1-4里面选择学习，软件都是触类旁通，一门软件精通了，上手其他的也很快。学软件没规定只能学一门，可以适当多学一些，平时哪个方便用哪个，但是如果想走得更远，后期一定要掌握一门能编程的软件（R，MATLAB，Python，C中的一种，不要纠结软件和语言的区别了，对于非计算机专业都差不多）。
最后感谢学术大神给的指导建议，在此小编代表计量经济学所有粉丝，向其道一声感谢，只有你们的热情关注，才是我更新的动力。也谢谢计量粉的不离不弃。祝大家在学术上走的越来越远，学业顺利，爱情顺利，天天被导师夸。
注：所有赞赏均给原创作者，欢迎大家投稿。
推荐阅读
9、如何学习统计软件
·
·
·
END