• Author / Uploaded
• Manuel Lopez Chevez

Citation preview

DIFERENCIAS ENTRE PROGRAMAS ESTADISTICOS. Mucha gente nos pregunta acerca de las diferencias entre SAS, Stata y SPSS o qué paquete es el mejor paquete. Como se pueden imaginar, cada paquete tiene su propio estilo y sus propias fortalezas y debilidades. Esta página ofrece una descripción rápida del estilo de cada uno de los paquetes y las fortalezas y debilidades de cada uno, pero esto no es en absoluto una comparación exhaustiva de los paquetes. A veces la gente se siente muy apasionado acerca de los paquetes estadísticos que utilizan, esperamos la mayoría estará de acuerdo en que se trata de una comparación objetiva y desapasionada de estos paquetes. SAS • Uso general. SAS es un paquete que muchos "usuarios avanzados" como por su poder y capacidad de programación. Debido a que SAS es un paquete de gran alcance, sino que también es uno de los más difíciles de aprender. Para utilizar SAS, SAS escribir programas que manipulan los datos y llevar a cabo los análisis de datos. Si usted comete un error en un programa de SAS, puede ser difícil de ver cuando se produjo el error y cómo corregirlo. • Gestión de datos. SAS es muy potente en el ámbito de la gestión de datos, lo que permite manipular los datos en casi cualquier forma posible. SAS incluye proc sql que le permite realizar consultas SQL en los archivos de datos SAS. Sin embargo, puede tomar mucho tiempo para aprender y entender la gestión de datos en SAS y muchas tareas complejas de gestión de datos se puede hacer mediante comandos simples en Stata o SPSS. Sin embargo, SAS puede trabajar con muchos archivos de datos a la vez facilitar tareas que implican trabajar con múltiples archivos a la vez. SAS puede manejar grandes archivos de datos de hasta 32.768 variables y el número de registros se limita generalmente al tamaño de su disco duro. • Análisis estadístico. SAS lleva a cabo análisis estadísticos más generales (regresión, la regresión logística, el análisis de

supervivencia, el análisis de la varianza, análisis de factores, análisis multivariante). Las fuerzas más grandes de SAS son probablemente en su ANOVA, análisis de modelo mixto y el análisis multivariante, mientras que es probable que sea más débil en la regresión logística ordinal y multinomial (debido a que estos comandos son especialmente difíciles), y métodos robustos (que es difícil de realizar regresión robusta, u otros tipos de métodos robustos). Aunque hay algo de apoyo para el análisis de datos de la encuesta, es muy limitada en comparación con Stata. • Graphics. SAS puede tener las más poderosas herramientas gráficas entre todos los paquetes a través de SAS / gráfico. Sin embargo, SAS / gráfico también es muy técnico y difícil de aprender. Los gráficos se crean en gran medida el uso de lenguaje de sintaxis, sin embargo, SAS 8 tiene un punto y haga clic en la interfaz para la creación de gráficos, pero no es tan fácil de usar como SPSS. • Resumen. SAS es un paquete dirigido a usuarios avanzados. Tiene una curva de aprendizaje y puede ser frustrante al principio. Sin embargo, los usuarios de poder disfrutar de la la gestión de datos de gran alcance y capacidad de trabajar con múltiples archivos de datos a la vez. Stata • Uso General. Stata es un paquete que muchos principiantes y usuarios avanzados les gusta porque es fácil de aprender, pero muy poderoso. Stata utiliza una línea de comandos que se pueden introducir un comando a la vez (un modo preferido por los principiantes) o se pueden introducir muchas a la vez en un programa Stata (un modo preferido por los usuarios de energía). Incluso si usted comete un error en un comando de Stata, a menudo es fácil de diagnosticar y corregir el error. • Gestión de datos. Mientras que las capacidades de gestión de datos de Stata pueden no ser tan amplias como las de SAS, Stata tiene numerosas potente y muy sencilla comandos de gestión de datos que le permite realizar complejas manipulaciones de los datos con facilidad. Sin embargo,

Stata trabaja principalmente con un archivo de datos a la vez para las tareas que implican trabajar con varios archivos a la vez puede ser engorroso. Con el lanzamiento de Stata / SE, ahora puede tener hasta 32.768 variables en un archivo de datos Stata, pero probablemente no le gustaría analizar un archivo de datos que supera el tamaño de la memoria del ordenador. • Análisis estadístico. Stata realiza análisis estadísticos más generales (regresión, la regresión logística, el análisis de supervivencia, el análisis de la varianza, análisis factorial, y algunos análisis multivariante). Las mayores fortalezas de Stata son probablemente en regresión (que tiene muy fácil de usar herramientas de diagnóstico de regresión), la regresión logística, (agregar programas disponibles que simplifican en gran medida la interpretación de los resultados de la regresión logística y regresión logística logística y multinomial ordinales son muy fáciles para llevar a cabo). Stata también tiene una muy buena variedad de métodos robustos que son muy fáciles de usar, incluyendo la regresión robusta, de regresión con errores estándar robustos, y muchos otros comandos de estimación se incluyen los errores estándar robustos también. Stata también sobresale en el área de análisis de datos de la encuesta que ofrece la posibilidad de analizar los datos de la encuesta para la regresión, la regresión logística, regresión de Poisson, regresión probit, etc.) Las mayores debilidades en esta área probablemente sería en el área de análisis de varianza y análisis de la función discriminante. • Gráficos. Como SPSS, Stata gráficos se pueden crear utilizando los comandos de Stata o el uso de un punto y haga clic en la interfaz. A diferencia de SPSS, los gráficos no se pueden editar con un editor gráfico. La sintaxis de los comandos de gráfico es el más fácil de los tres paquetes, y también es el más poderoso. Gráficas de Stata son de alta calidad, gráficos de calidad de publicación. Además, los gráficos de Stata son muy funcionales para complementar el análisis estadístico, por ejemplo, hay numerosos comandos que simplifican la creación de parcelas para el diagnóstico de regresión.

• Resumen. Stata ofrece una buena combinación de facilidad de uso y potencia. Mientras Stata es fácil de aprender, sino que también cuenta con herramientas muy potentes para la gestión de datos, muchos procedimientos estadísticos de vanguardia, la capacidad de descargar programas desarrollados por otros usuarios y la capacidad de crear sus propios programas Stata que sin problemas se convierten en parte de Stata. SPSS • Uso general. SPSS es un paquete que muchos principiantes disfrutan porque es muy fácil de usar. SPSS tiene un "point and click" interfaz que le permite utilizar los menús desplegables para seleccionar los comandos que desea ejecutar. SPSS tiene un lenguaje de "Sintaxis", que se puede aprender de "pegar" la sintaxis del punto y haga clic en los menús, pero la sintaxis que se pega en general es demasiado complicado y muchas veces poco intuitivo. • Gestión de datos. SPSS tiene un editor de datos amigable que se asemeja a Excel que le permite introducir sus datos y los atributos de los datos (los valores perdidos, etiquetas de valores, etc) Sin embargo, SPSS no tiene muy fuertes herramientas de gestión de datos (aunque SPSS versión 11 comandos para la remodelación de archivos de datos de formato de "amplia" a formato "largo", y viceversa) añadido. SPSS principalmente edita un archivo de datos a la vez y no es muy fuerte para las tareas que implican trabajar con varios archivos de datos a la vez. No hay límite al número de variables o casos permitidos en los archivos de datos de SPSS - que sólo están limitadas solamente por su espacio en disco. • Análisis estadístico. SPSS realiza los análisis estadísticos más generales (regresión, la regresión logística, el análisis de supervivencia, el análisis de la varianza, análisis factorial, y análisis multivariante). Los puntos más fuertes de SPSS están en el área de análisis de la varianza (SPSS le permite realizar muchos tipos de pruebas de los efectos específicos)

y análisis multivariante (por ejemplo, manova, análisis factorial, análisis discriminante) y SPSS 11.5 ha añadido algunas capacidades para el análisis de modelos mixtos. La mayor debilidad de SPSS son, probablemente, en ausencia de métodos robustos (no sabemos de la capacidad para realizar la regresión robusta o para obtener errores estándar robustos), y la ausencia de análisis de datos de la encuesta en el paquete básico (algunos procedimientos están disponibles en un complemento El módulo de SPSS versión 12). • Gráficos. SPSS tiene un punto muy sencilla interfaz para la creación de gráficos y una vez que crear gráficos se pueden personalizar ampliamente a través de su interfaz de apuntar y hacer clic. Los gráficos son de muy alta calidad y se pueden pegar en otro documento (por ejemplo, documentos de Word o PowerPoint). SPSS tiene un lenguaje de sintaxis para la creación de gráficos, pero muchas de las características de la interfaz de apuntar y hacer clic no están disponibles a través del lenguaje de sintaxis. El lenguaje de sintaxis es más complicado que el lenguaje proporcionado por Stata, pero probablemente más simple (pero menos potente) que el lenguaje SAS. • Resumen. SPSS se centra en la facilidad de uso (su lema es "estadísticas reales, reales fácil"), y tiene éxito en esta área. Pero si usted va a utilizar SPSS como usuario avanzado, es posible que lo superan con el tiempo. SPSS es fuerte en el área de gráficos, pero débiles en los procedimientos estadísticos más de vanguardia que carecen de métodos robustos y métodos de estudio. Resumen general Cada paquete ofrece sus propias fortalezas y debilidades. En su conjunto, el SAS, Stata y SPSS forman un conjunto de herramientas que pueden utilizarse para una amplia variedad de análisis estadísticos. Con Stat / Transfer es muy fácil de convertir archivos de datos de un paquete a otro en sólo cuestión de segundos o minutos. Por lo tanto, no puede ser toda una ventaja para el cambio de un paquete de análisis a otro dependiendo de la

naturaleza de su problema. Por ejemplo, si usted estuviera realizando análisis con modelos mixtos puede elegir SAS, pero si estuviera haciendo la regresión logística puede elegir Stata, y si estuviera haciendo un análisis de la varianza puede elegir SPSS. Si va a realizar con frecuencia los análisis estadísticos, nos pido encarecidamente a considerar la posibilidad de cada uno de estos paquetes de parte de su caja de herramientas para el análisis de datos.