Là ngôn ngữ R đáng tin cậy cho lĩnh vực kinh tế?

Tôi là một sinh viên tốt nghiệp ngành kinh tế gần đây đã chuyển đổi sang R từ các gói thống kê rất nổi tiếng khác (tôi đang sử dụng SPSS là chủ yếu). Vấn đề nhỏ của tôi lúc này là tôi là người dùng R duy nhất trong lớp. Các bạn cùng lớp của tôi sử dụng Stata và Gauss và một trong những giáo sư của tôi thậm chí còn nói rằng R là hoàn hảo cho kỹ thuật, nhưng không phải cho kinh tế. Ông nói rằng nhiều gói được xây dựng bởi những người biết nhiều về lập trình, nhưng không nhiều về kinh tế và do đó không đáng tin cậy. Ông cũng đề cập đến thực tế là vì không có tiền thực sự liên quan đến việc xây dựng gói R, do đó không có động cơ để thực hiện chính xác (ví dụ như trong Stata) và ông đã sử dụng R trong một thời gian và nhận được một số kết quả "lố bịch" trong nỗ lực của mình để ước tính một số thứ. Hơn nữa, anh ta phàn nàn về việc anh ta tạo số ngẫu nhiên trong R mà anh ta nói là "

Tôi đã sử dụng R chỉ hơn một tháng và tôi phải nói rằng tôi đã yêu nó. Tất cả những thứ tôi đang nghe từ giáo sư của tôi chỉ làm tôi nản lòng.

Vì vậy, câu hỏi của tôi là: "R có đáng tin cậy cho lĩnh vực kinh tế không?".

Hãy để tôi chia sẻ một quan điểm tương phản. Tôi là một nhà kinh tế. Tôi đã được đào tạo về kinh tế lượng bằng cách sử dụng SAS. Tôi làm việc trong các dịch vụ tài chính và tối nay tôi đã cập nhật các mô hình dựa trên R mà chúng ta sẽ sử dụng vào ngày mai để gây rủi ro cho hàng triệu đô la.

Giáo sư của bạn chỉ đơn giản là sai. Nhưng sai lầm mà anh ấy mắc phải là RẤT phổ biến và đáng để thảo luận. Điều mà giáo sư của bạn dường như đang làm là bắt đầu ý tưởng về phần mềm R (triển khai GNU của ngôn ngữ S) so với các gói (hoặc mã khác) được triển khai trong R. Tôi có thể viết các triển khai tào lao của hồi quy tuyến tính bằng cách sử dụng SAS IML. Trên thực tế, tôi đã làm điều đó rất nhiều. Điều đó có nghĩa là SAS là tào lao? Dĩ nhiên là không. SAS là tào lao vì giá cả của họ là không minh bạch, đắt tiền một cách lố bịch, và các chuyên gia tư vấn tại nhà của họ hơn lời hứa, giao hàng và tính phí bảo hiểm cho niềm vui. Nhưng tôi lạc đề...

Sự cởi mở của R là con dao hai lưỡi: Sự cởi mở cho phép bất kỳ Tom, Dick hay Harry nào viết ra một triển khai tào lao của bất kỳ thuật toán nào họ nghĩ ra trong khi hút thuốc trong tầng hầm của tòa nhà kinh tế. Sự cởi mở tương tự cho phép các nhà kinh tế thực hành chia sẻ mã một cách cởi mở và cải thiện mã của nhau. Các quy tắc cấp phép với R có nghĩa là tôi có thể viết mã song song để chạy R song song trên đám mây của Amazon và không phải lo lắng về phí cấp phép cho cụm 30 nút. Đây là một chiến thắng HUGE cho phân tích dựa trên mô phỏng, đó là một phần lớn của những gì tôi làm.

Nhận xét của giáo sư của bạn rằng "nhiều gói được xây dựng bởi những người biết nhiều về lập trình, nhưng không nhiều về kinh tế", không còn nghi ngờ gì nữa, chính xác. Nhưng có 3716 gói trên CRAN. Bạn có thể chắc chắn rằng nhiều trong số chúng không được viết bởi các nhà kinh tế. Theo cùng một cách mà bạn có thể chắc chắn rằng nhiều trong số 105.089 mô-đun trong CPAN không được viết bởi các nhà kinh tế.

Chọn phần mềm của bạn một cách cẩn thận. Hãy chắc chắn rằng bạn hiểu và đã kiểm tra các công cụ bạn đang sử dụng. Ngoài ra, hãy chắc chắn rằng bạn hiểu kinh tế thực sự đằng sau việc thực hiện mà bạn đã chọn. Bị khóa vào một giải pháp phần mềm đóng sẽ tốn kém hơn so với phí bản quyền.

Nó không đáng tin cậy hơn hoặc kém hơn các phần mềm khác. Cơ sở và khuyến nghị R có thể ít bị lỗi hơn các gói đóng góp, nhưng nó phụ thuộc vào các tác giả.

Nhưng lợi thế lớn nhất của R là bạn có thể tự kiểm tra xem có phải vậy không! Nó là phần mềm miễn phí, không giống như Stata hay SPSS hoặc tương tự. Do đó ngay cả khi nó không đáng tin cậy, cuối cùng nó sẽ được phát hiện. Đó có thể không phải là trường hợp cho phần mềm độc quyền. Và bạn thậm chí có thể giúp làm cho nó đáng tin cậy hơn.

Đối với phần còn lại của ý kiến ​​giáo sư của bạn, anh ấy rõ ràng sai và một người truyền bá FUD. Nhưng cho phép tôi nói rằng phần mềm không đáng tin cậy phải là mối quan tâm tối thiểu của các nhà kinh tế đánh giá bởi các mô hình và giả định được sử dụng và dự đoán được đưa ra trong lĩnh vực này.

Gắn bó với R nếu bạn thích nó và có thể bạn và giáo sư thậm chí có thể góp phần phát triển phần mềm tốt cho kinh tế. Đây là một điểm khởi đầu có thể thú vị http://cran.r-project.org/web/view/Econometrics.html và http://cran.r-project.org/web/view/TimeSeries.html

Giáo sư của bạn đưa ra một số tuyên bố táo bạo. Tôi nghi ngờ rằng vấn đề không quen thuộc với ngôn ngữ R, không phải là kết quả thực tế được tạo ra. Tôi làm việc trong một công ty có nhiều mô hình kinh tế lượng và chúng tôi làm mọi thứ trong R. Tôi cũng đã chuyển đổi đồng nghiệp kinh tế của mình sang sử dụng R.

Liên quan đến lĩnh vực kinh tế theo kinh nghiệm cá nhân của tôi, vấn đề độ tin cậy có thể đi theo hướng khác. Ví dụ EVIEWS phiên bản 5 có một số lỗi lạ khi làm việc với dữ liệu bảng. Và nó đã báo cáo thống kê Durbin-Watson thông thường cho OLS gộp, trong cài đặt dữ liệu bảng điều khiển là hoàn toàn sai. Gói R để làm việc với dữ liệu bảng cũng có vấn đề, nhưng đối số tiền ở đây đóng vai trò mạnh mẽ trong lợi ích R.

Gần đây tôi đã tham gia khóa học về các phương pháp chuỗi thời gian không cố định. Giảng viên đã sử dụng phần mềm RATS. Khi trình diễn một số mã, ông khuyên nên nhấp vào biểu tượng nào đó để dọn sạch không gian làm việc nhiều lần, chỉ trong trường hợp. Nói về độ tin cậy.

Tôi là một nhà kinh tế và tôi đã làm việc nghiên cứu trong 4 năm nay, chủ yếu là làm kinh tế lượng ứng dụng. Có rất nhiều gói kinh tế lượng ngoài kia, và có chỗ cho tất cả chúng. Theo quan điểm của tôi, trong kinh tế học, Stata được sử dụng cho hầu hết mọi thứ trừ chuỗi thời gian, Chuột, Eview và Ox được sử dụng cho chuỗi thời gian, Matlab và Gauss được sử dụng để lập trình cấp thấp hơn.

Ưu điểm của R là nó có khả năng thực hiện hầu hết mọi thứ mà các chương trình khác làm, và nó miễn phí và mở. Nó đòi hỏi một số chương trình nhiều hơn và có ít thủ tục đóng hộp hơn, nhưng nó hoàn thành công việc vào cuối. Tôi sử dụng Stata hầu hết thời gian, nhưng nếu tôi phải chọn một phần mềm để làm mọi thứ, tôi sẽ chọn R.

R khá đáng tin cậy đối với hầu hết các vấn đề về kinh tế lượng, nhưng tôi có thể cung cấp các ví dụ về một số thói quen được viết cho R không đáng tin cậy. Tôi đã có vấn đề với 3SLS và thói quen ước tính hệ thống nhu cầu. Các thói quen tối ưu hóa số không mạnh mẽ như trong Stata hoặc Gauss. Mặt khác, R tốt hơn nhiều trong các vấn đề như hồi quy lượng tử. Tuy nhiên, với kiến ​​thức làm việc tốt về R, bạn có thể tìm hiểu vấn đề trong thói quen viết của người dùng R, khắc phục và tiếp tục làm việc. Vì vậy, tôi không nghĩ rằng việc thiếu độ tin cậy trong một số thói quen cụ thể là một lý do thuyết phục để không sử dụng R chút nào.

Lời khuyên của tôi sẽ là tiếp tục sử dụng R nhưng để có kinh nghiệm về chương trình khác được sử dụng rộng rãi trong lĩnh vực của bạn, ví dụ Stata cho vi mô học hoặc chuột trong chuỗi thời gian.

Khi tôi đang giảng dạy thống kê trình độ sau đại học, tôi đã nói với các sinh viên của mình: "Tôi không quan tâm bạn sử dụng gói nào và bạn có thể sử dụng bất cứ thứ gì cho bài tập về nhà của mình, vì tôi mong bạn sẽ đưa ra những lời giải thích rõ ràng và sẽ bỏ qua nếu tôi xem tr23y5mtên biến trong bài nộp của bạn. Tôi có thể hỗ trợ việc học của bạn rất tốt ở Stata, và khá hợp lý, ở R. Với SAS, bạn tự mình làm, vì bạn cho rằng bạn đã tham gia một khóa học về nó. Với SPSS hoặc Minitab, Chúa phù hộ bạn ". Tôi tưởng tượng rằng các nhà tuyển dụng hợp lý cũng sẽ nghĩ như vậy. Vấn đề là năng suất của bạn về kết quả dự án. Nếu bạn có thể đạt được mục tiêu trong R với 40 giờ làm việc, tốt thôi; bạn có thể đạt được nó trong C ++ sau 40 giờ làm việc, tốt thôi, nếu bạn biết cách làm điều này trong R trong 40 giờ, nhưng người giám sát của bạn muốn bạn làm điều này trong SAS, và bạn phải dành 60 giờ chỉ để học một số điều cơ bản và dấu chấm phẩy đi đâu, điều đó chỉ có thể là khôn ngoan trong bối cảnh bức tranh lớn về phần còn lại của mã đang ở SAS ... và sau đó người quản lý đã không khôn ngoan lắm khi thuê một lập trình viên R.

Từ quan điểm này của tổng chi phí, "R" miễn phí là một huyền thoại bị thổi phồng quá mức. Bất kỳ dự án nghiêm túc nào cũng yêu cầu mã tùy chỉnh, nếu chỉ cho đầu vào dữ liệu và định dạng đầu ra, và đó là chi phí không phải là thời gian chuyên nghiệp. Nếu đây đầu vào và định dạng dữ liệu đòi hỏi 10 giờ mã SAS và 20 giờ của mã R, R là một phần mềm đắt hơn ở bên lề , như một nhà kinh tế sẽ nói, tức là, về mặt chi phí bổ sung để tạo ra một mảnh nhất định chức năng . Nếu một dự án lớn đòi hỏi 200 giờ thời gian của lập trình viên R và 100 giờ thời gian của lập trình viên Stata để cung cấp chức năng giống hệt nhau, thì Stata có giá rẻ hơn về tổng thể, thậm chí chiếm giấy phép ~ $ 1K mà bạn cần mua. Sẽ rất thú vị khi xem những so sánh trực tiếp như vậy; Tôi đã tham gia viết lại một mớ hỗn độn khổng lồ gồm 2Mb mã SPSS được cho là đã được tích lũy trong khoảng 10 năm vào ~ 150K mã Stata chạy nhanh như vậy, có thể nhanh hơn một chút; đó là dự án khoảng 1 năm. Tôi không biết liệu tỷ lệ hiệu quả 10: 1 này có phải là điển hình cho so sánh SPSS: Stata hay không, nhưng tôi sẽ không ngạc nhiên nếu có. Đối với tôi, làm việc với R luôn là một chi phí lớn vì chi phí tìm kiếm: Tôi phải xác định gói nào trong số năm gói có cùng tên làm những gì tôi cần làm và đánh giá xem nó có đủ tin cậy để tôi sử dụng không công việc của tôi. Điều đó thường có nghĩa là tôi sẽ rẻ hơn khi viết mã Stata của riêng mình trong thời gian ngắn hơn mà tôi sẽ chi tiêu để tìm ra cách làm cho R hoạt động trong một nhiệm vụ nhất định. Cần hiểu rằng đây là sự bình dị cá nhân của tôi; hầu hết mọi người trên trang này đều sử dụng tốt hơn tôi.

Thật buồn cười là prof của bạn sẽ thích Stata hoặc GAUSS hơn R vì "R không được viết bởi các nhà kinh tế". Cả Stata hay GAUSS đều không; chúng được viết bởi các nhà khoa học máy tính bằng cách sử dụng các công cụ của các nhà khoa học máy tính. Nếu prof của bạn có ý tưởng về lập trình từ CodeAcademy.com, điều đó tốt hơn không có gì, nhưng phát triển phần mềm cấp chuyên nghiệp cũng khác với việc gõ vào hộp văn bản CodeAcademy.com vì lái xe tải chở hàng khác với đi xe đạp. (Stata được bắt đầu bởi một nhà khoa học máy tính chuyển đổi kinh tế học lao động, nhưng anh ta đã không làm điều này về kinh tế lượng kinh tế lao động trong khoảng 25 năm nay.)

Cập nhật : Như AndyW đã nhận xét bên dưới, bạn có thể viết mã khủng khiếp bằng bất kỳ ngôn ngữ nào. Câu hỏi về chi phí sau đó trở thành, ngôn ngữ nào dễ gỡ lỗi hơn. Đối với tôi điều này trông giống như một sự kết hợp giữa đầu ra chính xác và nhiều thông tin, và chính cú pháp dễ dàng và minh bạch như thế nào, và dĩ nhiên tôi không có câu trả lời hay cho điều đó. Ví dụ, Python thực thi thụt mã, đó là một ý tưởng tốt. Mã Stata và R có thể được gấp lại trong ngoặc và điều đó sẽ không hoạt động với SAS. Sử dụng chương trình con là con dao hai lưỡi: việc sử dụng *apply()với ad-hoc functions trong R rõ ràng là rất hiệu quả, nhưng khó gỡ lỗi hơn. Với một mã thông báo tương tự, Stata localcó thể che giấu gần như mọi thứ và mặc định là một chuỗi trống, trong khi hữu ích, cũng có thể dẫn đến các lỗi khó bắt.

Tôi sẽ rất cẩn thận với bất cứ ai tuyên bố một sự thật nhưng không bao giờ sao lưu nó với bất cứ điều gì đáng kể.

Bạn có thể dễ dàng xoay chuyển cuộc tranh luận của mình.

Ví dụ, những người được trả tiền để viết mã có thể có động lực LESS để làm cho đúng vì có kỳ vọng rằng mã của họ sẽ đúng, trong khi người ở tầng hầm điển hình muốn đưa ra một cam kết sẽ gây ấn tượng với các nhà lãnh đạo dự án. Có lẽ anh ta không quan tâm đến việc anh ta dành bao nhiêu thời gian miễn phí nếu điều đó có nghĩa là công việc chất lượng được hoàn thành.

Nếu trình tạo số ngẫu nhiên là 'lộn xộn' (đó là một thuật ngữ mơ hồ; dễ dàng thay thế một thực tế thực tế để sao lưu lập luận của anh ta), thì anh ta có thể chứng minh điều đó hoặc cho bạn thấy ai đó có thể.

Nếu anh ta nhận được kết quả không mạch lạc từ một gói, anh ta sẽ có thể chỉ ra các bước anh ta đã thực hiện để có được kết quả đó. Nếu đó thực sự là một lỗi và bạn có kỹ năng lập trình tốt, bạn thậm chí có thể thử và sửa nó cho anh ấy!

Tôi nhận ra câu trả lời của tôi không trả lời trực tiếp câu hỏi của bạn (xin lỗi). Đơn giản là từ cách anh ấy nói những quan điểm của mình, bạn có thể thấy không có thịt đằng sau nó. Nếu có, vui lòng chỉnh sửa nó trong câu hỏi của bạn để mọi người ở đây thảo luận thêm!

Trong ReplicationWiki (mà tôi làm việc), bạn có thể thấy R là một trong những gói phần mềm được sử dụng thường xuyên nhất cho khoảng 2000 nghiên cứu thực nghiệm được công bố trên một số tạp chí đã được thiết lập từ những năm 2000-2013. Có vẻ như nó đã được sử dụng nhiều hơn trong những năm gần đây. Stata được sử dụng thường xuyên nhất (> 900 lần), tiếp theo là MATLAB (280), SAS (60), GAUSS (60), Excel (50), R (30), FORTRAN (30), Mathicala (19), EViews (18), z-Tree (16), dynare (15), RATS (12), C (8), C ++ (6), python (5, các nghiên cứu gần đây hơn), SPSS (5) và một số nghiên cứu khác. Thường nhiều lần hơn một gói được sử dụng.

Tôi đã sử dụng R được nửa thập kỷ và cũng sử dụng SAS, SPSS, Calc, WEKA và một vài công cụ khác. Tôi chưa bao giờ thích thú với bất kỳ công cụ nào nhiều như thông qua R. Về cơ bản R dành cho những người suy nghĩ độc lập và thử một cái gì đó trong việc học của chính họ. Khi nói đến thống kê đó là tất cả về phương pháp. Người dùng có thể không biết làm thế nào các phương pháp được định nghĩa và mô hình hóa trong phần mềm thương mại và chúng có thể đúng hoặc sai. R dành cho những người muốn xác định các phương thức và sử dụng các phương thức phù hợp với nhu cầu của họ. Đó là tất cả về tự do. Sự tự do này không có ở đó với phần mềm thương mại mặc dù đã chi tiền và mua chúng. Tri thức là tài sản của cộng đồng (xã hội) không ai có thể yêu cầu quyền tác giả như nhau. Nghiên cứu là tất cả về việc tìm giải pháp cho các vấn đề. Đối với R, người ta không cần phải lo lắng về các phương thức cho người dùng được tự do định nghĩa và tân trang. Ví dụ, nếu có tồn tại bất kỳ vấn đề cụ thể nào về mô hình hoặc các phương thức được xác định sai có thể được khắc phục bằng cách sửa hoặc phát triển mã mới. Bằng cách đó, một nhà nghiên cứu không chỉ phát triển kiến ​​thức mà còn phát triển.

Ưu điểm của R là người ta không cần phải là lập trình viên máy tính. Các phương pháp thống kê là tất cả về chức năng viết chỉ với các câu lệnh và vòng lặp điều khiển (để bắt đầu, Những thứ cấp cao hơn đến sau). R có môi trường lập trình rất dễ dàng cho người mới.