讓我分享一個對比的觀點。我是經濟學家。我使用SAS進行了計量經濟學方面的培訓。我從事金融服務工作，今晚我更新了基於R的模型，明天將使用這些模型來使數百萬美元面臨風險。

您的教授是完全錯誤的。但是他犯的錯誤非常普遍，值得討論。您的教授似乎正在做的事情是將R軟件（S語言的GNU實現）與R中實現的程序包（或其他代碼）的思想混合在一起。我可以使用SAS IML編寫線性回歸的廢話實現。事實上，我已經做到了。這是否意味著SAS很爛？當然不是。 SAS之所以胡扯，是因為它們的定價不透明，價格高得離譜，而且他們的內部顧問對承諾，交付不足和娛樂性收取溢價。但是我離題了……

R的開放性是一把雙刃劍：開放性允許任何Tom，Dick或Harry編寫他們想在煙囪中地下室時想出的任何算法的廢話實現。經濟建設。相同的開放性允許實踐中的經濟學家公開共享代碼並改進彼此的代碼。使用R的許可規則意味著我可以編寫並行化代碼以在亞馬遜的雲上並行運行R，而不必擔心30節點集群的許可費用。這是基於模擬的分析的巨大勝利，這是我所做的很大一部分。

您的教授的評論毫無疑問是正確的，“許多軟件包是由對編程了解很多但對經濟學了解不多的人構建的”。但是CRAN上有3716個軟件包。您可以確定其中許多不是經濟學家寫的。以同樣的方式，您可以確定CPAN中的105,089個模塊中的許多模塊不是經濟學家編寫的。

仔細選擇軟件。確保您了解並測試了正在使用的工具。另外，還要確保您了解選擇哪種實施背後的真實經濟學。鎖定在封閉的軟件解決方案中，不僅需要支付許可費用，而且成本也更高。

它並不比其他軟件可靠。基本和推薦的R可能不如貢獻的程序包容易出錯，但這取決於作者。

但是R的最大優點是您可以檢查一下是否是R！它是免費軟件，不同於Stata或SPSS或類似軟件。因此，即使它不可靠，也將最終被檢測到。專有軟件可能並非如此。您甚至可以幫助它變得更可靠。

對於您的教授的其餘評論，他顯然是錯誤的，並且有人在傳播FUD。但是讓我說，從使用的模型和假設以及該領域的預測來看，不可靠的軟件應該是經濟學家最不關心的問題。

如果您喜歡R，請與R保持聯繫，也許您和教授可以甚至有助於開髮用於經濟學的優秀軟件。這是 http://cran.r-project.org/web/views/Econometrics.html和 http://cran.r-project.org/web/ views / TimeSeries.html

您的教授提出了一些大膽的主張。我懷疑問題出在不熟悉R語言，而不是實際產生的結果。我在一家從事大量計量經濟學建模的公司里工作，我們在R中做所有事情。我也將經濟學家的同事轉換為使用R。

關於我個人經驗中的經濟學領域，可靠性問題可能會反過來。例如，使用面板數據時，EVIEWS版本5有一些奇怪的錯誤。它報告了合併OLS的常規Durbin-Watson統計信息，這在面板數據設置中是完全錯誤的。用於面板數據的R包也有其問題，但是這裡的money參數強烈支持R。

最近，我當然在使用非平穩面板時間序列方法。講師使用了RATS軟件。在演示一些代碼時，他建議單擊某些圖標以多次清理工作區，以防萬一。談論可靠性。

我是一名經濟學家，我從事研究工作已有4年，主要從事應用計量經濟學的研究。那裡有很多計量經濟學軟件包，所有這些軟件包都有空間。在我看來，在經濟學中，Stata幾乎用於時間序列，而Rats，Eviews和Ox用於時間序列，Matlab和Gauss用於更底層的編程。

R的優點是它能夠執行其他程序幾乎執行的所有操作，並且它是免費的且開放的。它需要更多編程，並且程序罐裝程序更少，但最終可以完成工作。我大多數時候都使用Stata，但是如果必須選擇一種軟件來完成所有工作，那麼我會選擇R。對於R不可靠。我在3SLS和需求系統估算例程方面遇到了問題。數值優化例程的穩定性不如Stata或Gauss。另一方面，R在分位數回歸等問題上要好得多。儘管如此，憑藉對R的良好使用知識，您可以在R的用戶編寫的例程中找出問題所在，進行修復，然後繼續工作。因此，我不認為某些特定例程中缺乏可靠性是根本不使用R的迫切原因。

我的建議是繼續使用R但要對其他廣泛使用的程序有經驗用於您的領域，例如微計量經濟學的統計數據或時間序列的統計數據。

當我教授研究生水平的統計信息時，我告訴學生：“我不在乎您使用什麼軟件包，您可以在家庭作業中使用任何軟件包，因為我希望您能提供實質性的解釋，並且會加分。如果我在提交的文件中看到 tr23y5m 變量名，則可以關閉。我可以很好地支持您在Stata中的學習，並且可以在R中很好地支持您。通過SPSS或Minitab，上帝保佑您”。我想合理的雇主也會這麼想。重要的是您在項目成果方面的生產率。如果您可以用40個小時的工作來達到R的目標，那就好了；如果您可以在40個小時的工作中用C ++做到這一點，那就好了；如果您知道如何在40小時內在R中執行此操作，但是您的主管希望您在SAS中執行此操作，並且您必須花費60個小時來學習一些基礎知識和分號的去向，那麼這在上下文中是非常明智的剩下的大部分代碼都放在SAS中了……然後經理僱用了R程序員並不是很明智。

從總成本的角度來看，“免費” R是一個過於誇張的神話。任何嚴肅的項目都需要自定義代碼，即使只是用於數據輸入和格式化輸出，這也不是零的專業時間成本。就像經濟學家所說的那樣，如果這種數據輸入和格式化需要10個小時的SAS代碼和20個小時的R代碼，那麼R是價格更昂貴的軟件 產生給定的功能。如果大型項目需要200個小時的R程序員時間和100個小時的Stata程序員時間來提供相同的功能，則Stata 總體更便宜，即使需要購買大約$ 1K的許可證。看到這樣的直接比較會很有趣。我參與了重寫大量2Mb的SPSS代碼的過程，據說這些代碼已經在大約10個人年內積累到大約150K的Stata代碼中，並且運行速度差不多，可能會快一點。那是大約一年人的項目。我不知道這種10：1的效率比是否在SPSS：Stata比較中很典型，但是如果是這樣，我不會感到驚訝。對我來說，由於搜索成本，使用R總是很昂貴的：我必須確定五個名稱相似的軟件包中的哪個做我需要做的事，並確定它是否足夠可靠地供我在其中使用。我的工作。這通常意味著對我來說，用更少的時間編寫自己的Stata代碼會更便宜，因為我會花時間弄清楚如何使R在給定任務中工作。應該理解，這是我個人的特質；這個網站上的大多數人都比我更好的useR。

有趣的是，您的教授更喜歡Stata或GAUSS，而不是R，因為“ R不是經濟學家寫的”。 Stata或GAUSS都不是；它們是由計算機科學家使用計算機科學家的工具編寫的。如果您的教授從CodeAcademy.com上獲得了有關編程的想法，那總比沒有好，但是專業級軟件開發與在CodeAcademy.com文本框中鍵入內容一樣，因為駕駛貨運卡車與騎自行車不同。 （Stata最初是由一名勞動計量經濟學家轉變為計算機科學家，但是到目前為止，他已經從事勞動計量經濟學工作已有25年之久了。）

更新：正如AndyW所說在下面，您可以使用任何語言編寫糟糕的代碼。成本問題就變成了哪種語言更容易調試。對我來說，這看起來像是輸出的準確性和信息量以及語法本身的簡單性和透明性的結合，當然，我對此沒有很好的答案。例如，Python強制執行代碼縮進，這是一個好主意。可以將Stata和R代碼折疊在方括號中，而SAS無法使用。子例程的使用是一把兩刃劍：在R中將 * apply（）與ad function s一起使用顯然非常有效，但更難調試。同樣，Stata local 可以掩蓋幾乎所有內容，並且默認為空字符串雖然有用，但也可能導致難以捕獲的錯誤。

對於任何主張事實但絕不提供任何實質性支持的人，我會非常小心。

您可以輕鬆地繞開他的論點。

例如，獲得薪水來編寫代碼的人可能會以LESS動機將其改正，因為人們期望他們的代碼正確，而典型的地下室居民則想做出使項目負責人印象深刻的承諾。也許他不關心自己花了多少額外的時間來免費完成這項工作，如果這意味著可以完成高質量的工作。

如果隨機數生成器是“混亂的”（這是一個模糊的術語；很容易替換一個真實的事實以支持其論點），那麼他應該能夠證明這一點或向您展示可以做到的人。

如果他從軟件包中獲得不一致的結果，則他應該能夠指出他為獲得該結果而採取的步驟。如果這確實是一個錯誤，並且您具有良好的編程技能，您甚至可以嘗試為他修復此問題！

我知道我的回答並不能直接回答您的問題（對不起）。僅從他說出觀點的方式，您就可以看出背後沒有肉。如果有的話，請隨時在您的問題中對其進行編輯，以供此處的人員進一步討論！

在我從事的ReplicationWiki中，您可以看到R是用於2000項經驗研究的軟件包之一，在2000- 2013。似乎在最近幾年中使用得更多。使用Stata的頻率最高（> 900次），其次是MATLAB（280），SAS（60），GAUSS（60），Excel（50），R（30），FORTRAN（30），Mathematica（19）， EViews（18），z-Tree（16），dynare（15），RATS（12），C（8），C ++（6），python（5，最近的研究），SPSS（5）等。通常使用一個以上的包裝。

我使用R已有五年了，還使用SAS，SPSS，Calc，WEKA和其他一些工具。我從來沒有像R那樣享受過任何工具。基本上，R是針對那些獨立思考並嘗試自己學習的人的。當涉及統計時，它全都與方法有關。用戶可能不知道方法是如何在商業軟件中定義和建模的，它們可能是正確的還是錯誤的。 R適用於那些想要定義方法並使用適合其需求的方法的人。這都是關於自由的。儘管花錢買了，但商業軟件沒有這種自由。知識是社區（社會）的財產，沒有人可以聲稱擁有同一個著作權。研究都是關於尋找問題的解決方案。就R而言，無需擔心方法，因為用戶可以自由定義和修改。例如，如果存在任何特定於模型的問題或錯誤定義的方法，可以通過修復或開發新代碼來解決。這樣，研究人員不僅可以發展知識，而且可以發展。

R的優點是不必是計算機程序員。統計方法都是關於只使用控制語句和循環來編寫函數的方法（首先，更高級別的內容將在後面介紹）。 R為新手提供了非常簡單的編程環境。