Perangkat lunak statistik mana yang cocok untuk mengajar mata kuliah statistik pengantar sarjana dalam ilmu sosial?

Saya mencari paket perangkat lunak statistik yang dapat saya gunakan dalam kursus pengantar statistik untuk program studi ilmu sosial. Para siswa tidak memiliki pengetahuan statistik sebelumnya dan tidak memiliki pengalaman dengan bahasa pemrograman juga. Tujuannya adalah untuk mengenalkan mereka pada konsep statistik dasar (sebagai sarana, varians, jumlah kuadrat, nilai-p, ... dan akhirnya regresi linier) dan memungkinkan mereka untuk melakukan analisis dasar sendiri menggunakan contoh dataset. Kursus harus tentang belajar konsep dengan melakukan statistik daripada menghafal rumus (meskipun saya pikir rumus itu penting).

Oleh karena itu, saya mencari alternatif untuk perangkat lunak yang digerakkan oleh sintaksis biasa (seperti R) atau point-and-click (sebagai SPSS atau Rcmdr). Perangkat lunak harus mudah dipelajari dan harus memiliki antarmuka pengguna grafis yang jelas yang memvisualisasikan set data dan menawarkan grafik dan tabel standar. Yang terbaik adalah jika itu memvisualisasikan semua langkah analisis yang berbeda (misalnya membaca & memanipulasi data, perhitungan tindakan deskriptif, membuat tabel & grafik deskriptif, perhitungan tindakan inferensial, merencanakan grafik inferensial, mengekspor ke laporan).

Apakah Anda memiliki saran tentang perangkat lunak statistik (open-source atau gratis) yang cocok untuk belajar dan terlebih dahulu berlatih statistik?

Sunting
Terima kasih atas saran Anda. Saya telah melihat ke gretl , dan dua program lain yang saya temukan selama penyelidikan online saya sendiri: RapidMiner dan Statistics Lab . [1]
Saya telah menemukan bahwa gretlantarmuka dan output lebih jelas dan fokus daripada misalnya Rcmdr, SPSS atau Stata. Oleh karena itu, ini adalah alat yang berkualitas untuk memulai pengajaran statistik dari sudut pandang saya.
Namun, diagram alur GUI tentang RapidMinerdanStatistical Labmembuat saya terkesan ketika mereka memvisualisasikan langkah-langkah tunggal dari analisis statistik (dimulai dengan memuat data). Saya pikir ini mungkin bermanfaat bagi banyak siswa yang berjuang dengan fokus yang biasa pada penjelasan matematika. Tentu saja, menurut saya RapidMiner terlalu penuh dengan fungsi, menu dan tombol untuk pemula sedangkan Lab Statistik jauh lebih fokus. Nilai tambah besar dari Lab Statistik adalah "R-Calculator" yang mirip konsol dengan "R-code Wizard" yang membantu dalam menghasilkan sintaks R nyata karena Lab Statistik mengandalkan pada Rperhitungannya.
Akhirnya, saya memutuskan untuk memulai dengan Lab Statistik pada semester pertama sambil memperkenalkan konsep dasar dan beralih ke RStudio (dan Rcmdr) pada semester kedua.

_{[1]: Gnumeric, SciPy, Scilab, GNU Octave, dan sejenisnya bagi saya tampaknya kurang mengarah pada ilmu sosial.}

Mungkin Gretl? http://gretl.sourceforge.net/

Ini gratis dan digunakan di Universitas kami untuk statistik sarjana.

Saya akan menghindari sebagian besar barang "terkenal", MatLab , Maple , Mathematica , JMP , SAS , atau Minitab , karena ketika siswa Anda lulus mereka harus membayar ribuan dolar per tahun untuk menggunakannya secara profesional. Setiap perusahaan cenderung memiliki alat favorit tertentu, dan jika Anda mengajari mereka alat yang tidak akan dibayar perusahaan mereka maka keahlian mereka terbuang sia-sia. Saya juga tidak suka perpustakaan eksklusif - mereka melatih pengguna untuk menekan tombol dan jika pengguna ingin pergi ke tempat lain (JMP atau apa pun) tidak ada carry-over pembelajaran.

Python inclding SciPy / NumPy cukup bagus. Ini adalah open source dan didukung dengan baik. Ini memiliki tata bahasa yang mudah dipelajari / mudah. Ini masih ditafsirkan sehingga tidak berteriak dengan cepat, tetapi jika mereka tidak tahu scripting atau spreadsheet maka itu jauh lebih cepat daripada yang mereka butuhkan. PythonXY adalah versi yang bagus, memiliki lib dan dukungan yang baik. Saya juga suka pemrograman GUI dimungkinkan melalui itu. Membangun aplikasi mandiri di windows sedikit menantang tetapi kemungkinan waaaay di atas tingkat siswa Anda. (edit) Sage dan Cythonsecara substansial meningkatkan nilai proposisi Python. Antarmuka, dan kegunaan ditingkatkan secara substansial. Kode yang dikompilasi yang 1000x lebih cepat dari kode yang ditafsirkan cukup bagus terdengar hebat (atau luar biasa) bagi saya. EDIT: Saya sudah bersenang-senang menggunakan distribusi Anaconda (alias conda), dan mereka juga sangat mudah digunakan.

Saya bukan penggemar berat Perl . Agak ketinggalan jaman. Ini tentang penguraian dan pemrosesan teks lebih dari matematika / sains. Jangan salah, itu bisa matematika / sains, tetapi jika Anda tahu VBA maka MSWord bisa mengerjakan matematika / sains. Mampu tidak sama dengan memiliki pekerjaan tertentu sebagai fokus utama Anda.

Saya suka R , meskipun tidak, karena sedang dikembangkan secara agresif oleh PhD yang berkualifikasi dalam matematika / statistik. Ini berarti bahwa walaupun tata bahasanya mungkin klugy, ia akan memiliki perpustakaan yang mutakhir, dan terbukti bebas dari kesalahan. (Secara umum)

Excel bukan awal yang buruk. Setelah Anda tahu satu spreadsheet, membuatnya lebih mudah menggunakan yang lain. Dalam lingkungan bisnis hampir setiap perusahaan memiliki kantor MicroSloth sehingga Excel bukan ide yang buruk. Saya tidak suka skrip mereka, tapi itu hanya preferensi, saya masih bisa menggunakannya. Harganya sekitar 150 dolar AS dibandingkan dengan 5.000 dolar AS untuk beberapa perangkat lunak lain sehingga biaya masuknya untuk orang normal lebih masuk akal.

Bahasa skrip JMP adalah alien. Itu tidak diterjemahkan ke perangkat lunak (nonSAS) lainnya. Jauhi itu. Satu-satunya fitur bahasa yang dapat ditebus adalah bahwa ia dapat (dalam arti tertentu) menjalankan kode "R". Jika Anda mengkode dalam "R" cukup gunakan "R" dan "RStudio".

Saya belum menggunakan MathCAD jadi saya tidak bisa berbicara tentang relevansinya. Saya pikir ini lebih simbolis, lebih sedikit tentang mengimpor data eksternal. Lebih murah, sejauh ini. Ini tidak gratis dan terbuka. Fasilitas di sana tidak diterjemahkan ke fasilitas dalam bahasa lain. ( EDIT ) Juga dalam kategori ini adalah EES , yang saya juga tidak terkesan dengan di luar jendela penggunaan yang sangat sempit.

EDIT : Saya sedikit terkesan oleh LabVIEW . Cukup sederhana untuk digunakan sehingga beberapa jam dapat membuat seseorang mampu. Ini berjalan sangat cepat, seperti 1000x lebih cepat dari MatLab untuk kode yang sama persis ( MathScript ). Jika Anda memiliki beban berat, ada baiknya Anda mempertimbangkannya. Memang butuh uang, tetapi sesuatu di sekitar 1/5 dari besi besar konvensional.

Semoga berhasil

EDIT: Saya tidak akan menggunakan Statistik Statistik karena bahkan ketika Anda memilih "bahasa Inggris" untuk bahasa itu keluar dalam bahasa Jerman, dan itu tidak mencopot pada windows 7. Kedua kelemahan administrasi membuatnya menjadi jalan keluar bagi saya. Saya tidak bisa mengoperasikannya, dan ketika saya mencoba untuk menghapusnya gagal.

Dengan coba-coba saya menemukan pengaturan menu untuk membuatnya ditampilkan dalam bahasa Inggris. Tampaknya menjadi antarmuka yang relatif sederhana (dan karena itu berguna dan konsisten) ke beberapa perpustakaan untuk pemrosesan dan tampilan data. Saya harus melihat lebih dalam, jadi pada titik ini 'juri masih keluar.'

Sunting lebih lanjut:

-> Di Sini <- adalah tautan yang menyenangkan ke seluruh diskusi lain tentang alat dan meja kerja.

Anda bisa mencoba menggunakan Gnumeric, yang sangat memikirkan spreadsheet, ada juga Open Office spreadsheet. Asalkan Anda menjelaskan kesulitan menggunakan spreadsheet, khususnya Excel, setelah kuliah dalam kehidupan praktis berikutnya, mereka mungkin tidak memiliki kemewahan seperti SPSS, tetapi masih bisa mendapatkan layanan yang bermanfaat dari produk gratis ini yang tidak terlalu menuntut keterampilan matematika dan pemrograman . Banyak lingkungan kantor mengandung Excel secara default.

Lihatlah:

http://groups.google.com/group/sci.stat.math/browse_thread/thread/26fe9a9a0d91139d# - Statistics and Excel 2007

dan mencari referensi serupa seperti

http://groups.google.com/group/comp.soft-sys.stat.spss/browse_frm/thread/3940bcd6c6266f1b/d85edd4978e53568?hl=id#d85edd4978e53568 Keeling, Kellie B. & Pavur, Robert J. (2007). Studi perbandingan keandalan sembilan paket perangkat lunak statistik. Statistik Komputasi & Analisis Data, 51, 3811-3831.

Saya telah menjadi CalEst . Lisensi ini murah, seperti 10 dolar dan menyediakan perhitungan / grafik serta simulasi / kegiatan yang hebat bagi siswa untuk berlatih. Selain itu, di situs web mereka, mereka memiliki beberapa alat, terutama pada distribusi yang Anda temukan berguna.

Kami sudah mulai menggunakan Rguroo. Perangkat lunak ini baru dirilis. Ini berbasis R, tetapi tidak ada pengetahuan tentang coding R diperlukan. Ini juga merupakan aplikasi web sehingga Anda cukup login di browser. Murid-murid saya dapat menyimpan pekerjaan mereka di tahap apa pun dan kembali untuk menyelesaikan pekerjaan mereka. Antarmuka pengguna grafis sangat intuitif dan output terlihat hebat.

Kami telah menggunakan versi beta Rguroo dalam kursus statistik pengantar kami di California State University, Fullerton selama tiga tahun terakhir. Mereka sekarang (Agustus 2019) telah merilis versi resmi, lihat https://Rguroo.com. Ini adalah perangkat lunak Statistik aplikasi web yang berfungsi di semua browser. Perangkat lunak ini dirancang untuk pengajaran dan mereka menawarkan demo satu per satu dan pelatihan untuk fakultas; cukup kirim email atau hubungi mereka untuk mengatur demo. Perangkat lunak menjalankan R di latar belakang, tetapi Anda tidak perlu tahu R, itu semua titik dan klik. Ini memiliki banyak fitur hebat, termasuk output terperinci, alat grafis hebat, kalkulator probabilitas, dan alat simulasi. Saya secara khusus menyukai fitur yang dapat direproduksi di mana Anda dapat menyimpan pekerjaan Anda pada tahap apa pun dan kembali dan melanjutkan di mana Anda tinggalkan. Anda juga dapat berbagi pekerjaan Anda dengan siswa melalui apa yang mereka sebut file RGR. Intinya ... ini hebat dan kami terus menggunakannya.

Saya pribadi menggunakan perangkat lunak DataMelt untuk pengajaran statistik. Ini didokumentasikan dengan sangat baik, memiliki tutorial, buku, dan banyak contoh untuk dilihat. Yang juga penting adalah seseorang dapat mencari contoh apa pun, dan Anda bisa mendapatkan jawaban yang masuk akal (dalam Javadoc dan cuplikan kode). Siswa dapat belajar tidak hanya Python (yang merupakan bahasa pemrograman default), tetapi juga bagaimana kode metode statistik di Jawa. Dalam pandangan saya, ini adalah kekuatan yang signifikan: siswa tidak perlu belajar bahasa "statistik" yang sangat khusus, seperti R-stat. Mereka dapat belajar Java pada saat yang sama juga, yang dapat membuka banyak peluang jika mereka memutuskan untuk pergi ke industri.

Ada perangkat lunak baru bernama Rguroo yang merupakan aplikasi web. Sangat nyaman digunakan, karena tidak memerlukan unduhan atau instalasi. Rguroo memiliki mesin R, tetapi penggunaannya tidak memerlukan pengkodean R karena memungkinkan Anda untuk menggunakan kekuatan R menggunakan antarmuka grafis titik-dan-klik. Setiap analisis dapat disimpan dan diproduksi ulang. Kami telah menggunakan perangkat lunak ini untuk kursus statistik pengantar dan menengah kami dalam tiga tahun terakhir. Pada titik ini gratis dan Anda dapat membuat akun di www.Rguroo.com. Berdasarkan informasi yang saya miliki itu akan tetap gratis untuk semua fakultas dan akan dikenakan biaya berlangganan tahunan yang masuk akal, antara 10 hingga 20 dolar, untuk siswa.