来源：南财研究生（ID：NUFEgraduate）
STATA
Stata 的优点在于，它简单易懂且功能强大，受到了初学者和高级用户的普遍欢迎。在使用时，既可以每次只输入一个命令，又可以通过一个 Stata 程序一次输入多个命令。如此一来，即便出现错误，也比较容易找出并进行修改。Stata 的数据管理能力不如 SAS 强大，然而它具备许多功能较强且较为简单的数据管理命令，这些命令能够使复杂的操作变得简便。Stata 主要的用途是每次对一个数据文件进行操作，在同时处理多个文件方面存在困难。Stata具备进行多数统计分析的能力，包括回归分析、logistic 回归、生存分析、方差分析、因子分析以及一些多变量分析。Stata最大的优势或许在于回归分析，因为它拥有便于使用的回归分析特征工具。同时，Stata在 logistic 回归方面也有优势，它附加有能够解释 logistic 回归结果的程序，并且易于用于有序和多元 logistic 回归。
推荐书目有《计量经济学及 Stata 应用》，作者是陈强；还有《高级计量经济学及 Stata 应用》，作者也是陈强。
推荐理由：陈强老师的计量经济学教材，在设计方面有单独的章节，如工具变量章节、二值选择模型章节等，从而解决了其他教材没有对这部分进行详细讲解的疑问。并且陈老师在教材行文时，会以生活实际为例子来讲解计量，这样就使得计量更容易被理解。此外，《高级计量经济学及 Stata 应用》还加入了多值选择模型、非参数估计、贝叶斯估计等内容。Stata较好地实现了使用简便和功能强大两者的结合。
Eviews
EViews 是在 Windows 操作系统中的计量经济学软件。它是世界性的领导软件。它具有强而有力和灵活性，还有一个便于使用者操作的界面。它拥有最新的建模工具，是快速、直觉且容易使用的软件。因为它有革新的图表使用者界面和精密的分析引擎工具，所以 EViews 具有强大、灵活性和便于使用的功能。EViews 预测分析计量软件在诸多领域应用广泛，包括科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等。它也是撰写计量模型论文较为方便的软件之一。
推荐书目为《计量经济分析方法与建模--Eviews 应用及实例(第二版)》，其作者是高铁梅。
推荐理由：计量经济学研究的核心包含设计模型、收集资料、估计模型、检验模型以及应用模型（结构分析、经济预测、政策评价）。该书在数学描述上有所淡化，以将方法和思路讲清楚为目标，不会进行大量的推导与证明，而是着重于如何运用各种计量经济方法对实际的经济问题展开分析、建模、预测、模拟等实际操作。该书的很多内容讲解得很透彻，也总结得很明白。比如对于流量、存量一般是否平稳这类问题。
SPSS
SPSS 容易使用，所以最受初学者接受。它有一个可点击的交互界面，能通过下拉菜单选择要执行的命令。它还有一种通过拷贝和粘贴来学习“句法”语言的方式，但这些句法通常很复杂且不直观。SPSS 拥有一个界面较为友好且类似 Excel 的数据编辑器，能够用于输入和定义数据，比如缺失值、数值标签等。SPSS 主要是用来对一个文件进行操作的，不太容易同时处理多个文件。它的数据文件包含 4096 个变量，而记录的数量是由磁盘空间来进行限定的。SPSS 可以进行多数统计分析，其中包括回归分析、logistic 回归、生存分析、方差分析、因子分析以及多变量分析。它的优势体现在方差分析方面，SPSS 能够完成多种特殊效应的检验；同时在多变量分析方面，它可以进行多元方差分析、因子分析、判别分析等。
推荐书目：《SPSS统计分析基础教程》 作者：张文彤
推荐理由：全书以真实案例来贯穿，从统计分析实战的视角开始。详细地介绍了 SPSS 的界面操作，还有数据管理方面的内容。同时也介绍了统计图表的制作，以及统计描述和常用单因素统计分析方法的原理与实际操作。并且结合了 SPSS 的强大功能进行了很好的扩展。书中提供了医疗行业的综合案例，也提供了经济行业的综合案例，还提供了市场研究行业的综合案例。这些案例完全从实际出发，通过它们来讲解各类方法的综合运用，目的是更好地协助读者提高实战能力。
SAS
软件优点：SAS 功能强大且可编程，所以很受高级用户欢迎。也正因如此，它是最难掌握的软件之一。使用 SAS 时，需编写 SAS 程序来处理数据并进行分析。若一个程序中出现错误，找到并改正该错误会很困难。在数据管理方面，SAS 非常强大，能以各种可能的方式处理数据。它具备 SQL（结构化查询语言）的相关过程，能够在 SAS 数据集中运用 SQL 进行查询。然而，要学习并熟练掌握 SAS 软件的数据管理，需要耗费相当长的时间。在 Stata 或者 SPSS 中，完成诸多复杂数据管理工作所运用的命令则要简单得多。SAS具备进行多数统计分析的能力，包括回归分析、logistic 回归、生存分析、方差分析、因子分析以及多变量分析。SAS 的优势或许体现在其方差分析、混合模型分析和多变量分析方面。而其劣势主要在于有序和多元 logistic 回归，因为这些命令较为困难。同时，在稳健方法方面，SAS 也存在不足数据分析软件，它难以完成稳健回归以及其他稳健方法。
推荐书目：《SAS应用统计分析》作者：科迪，史密斯
推荐理由：SAS 是用于数据管理和统计分析的工具。它在医疗设备公司和制药行业中享有盛名。一般的 SAS 手册主要是为具备一定统计基础的使用者提供各种程序的使用指导。一般的统计教材通常传授最基础的理论知识和统计方法。很多教材难以兼顾两者，由此可以推测，其发展趋势是借助统计软件（特别是 SAS）的运用来讲解基本统计和高级统计方法。而这本书做到了这一点数据分析软件，它既提出了诸多应用问题，又展示了 SAS 的分析执行过程。
r语言
R 语言与前几种软件相比，已经成为一款非常热门的编程软件。涉及计算机编程可能会让不少小伙伴感到头疼。这款软件很强大，是免费的，包含的内容很广泛，是开源的。它是专门为统计和数据分析而开发的语言，也是统计前沿的主流语言。其扩展性良好，丰富的资源涵盖了多种行业数据分析中几乎所有的方法。R 的速度比 SAS 快，它拥有大量的统计分析模块，不过可扩展性稍微差一些，并且价格较为昂贵。与 SPSS 相比，R 具有复杂的用户图形界面，所以容易学习，然而编程方面却十分困难。
推荐书目为《R 语言实战 第二版》，其作者是罗伯特·I·卡巴科弗（Robert I. Kabacoff）。
推荐理由：开源软件 R 在世界范围内非常流行，它是用于数据分析、统计计算及制图的语言。它几乎具备完成任何数据处理任务的能力，能够安装并运行在所有主流平台上。它为我们提供了大量的专业模块和实用工具，是从大数据中获取有用信息的绝佳选择。本书可视为学习 R 的必备教程之一，能让人迅速踏入 R 的世界。本书从解决实际问题开始，脱离统计学的理论阐述去探讨 R 语言及其应用，讲解清晰明了且极具实用性。作者既高度概括了 R 语言的强大功能，又展示了各种实用的统计示例，同时对于难以用传统方法分析的凌乱、不完整和非正态的数据，也给出了完备的处理方式。这本书主要侧重于 R 语言的实战方面。它通过实际项目来讲解 R 语言的若干常见应用场景。这本书适合新手开始学习。其中回归和方差这两章展示了完整的统计分析过程。
Matlab
MATLAB 的应用范围较为广泛。它涵盖了信号和图像处理领域。它也涉及通讯领域。还能用于控制系统设计。可用于测试和测量。可用于财务建模和分析。也可用于计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）对 MATLAB 环境进行了扩展，以解决这些应用领域内特定类型的问题。数学函数也可用于数值积分等。
推荐的书目是《Matlab R2016a 从入门到精通》，其作者是温欣研。
推荐理由：本书是专门为 MATLAB R2016a（V9.0）版本而编写的。书中所讲述的内容是开展科学研究、进行系统仿真以及进行数据分析与处理所必需的知识。全面学习本书之后，读者能够获取使用 MATLAB 进行数学计算、数据分析及处理的相关技能，并且能够迅速掌握使用 MATLAB 进行工作的基本方法。基础知识部分包含 MATLAB 概述，还有数据输入输出基础、编程基础以及可视化基础；数学基础部分涵盖数组与矩阵操作，以及数学函数运算和符号数学计算；数据分析部分有多项式分析，包含数值运算、优化和概率统计；拓展知识部分包含句柄图形、GUI 编程、Simulink 基础、编译器和应用程序接口；MATLAB 应用部分包含信号处理应用、图像处理应用、小波分析应用和偏微分方程应用等内容。本书是一本实用性很强的工具书。它对于学习和复习很有帮助，也是参加建模比赛的必备书籍。
python
软件优点：python 较为简单，很适合人类阅读。阅读一个优良的 Python 程序，就仿佛在读英语一般，即便这个英语的要求极为严格。Python 的这种类似伪代码的本质，是它的最大优点之一，能让你专注于解决问题，而非去弄清楚语言本身。Python 属于 FLOSS（自由/开放源码软件）。能够自由地发布该软件的拷贝，能够阅读它的源代码，能够对它进行改动，还能够把它的一部分用于新的自由软件中。Python的最大优势在于它是一门通用编程语言。实现科学计算功能的 numpy、scipy、matplotlib 只是 Python 的库和 Package。这些科学计算数据处理的库在处理大数据方面效果显著。
推荐的书目是《利用 Python 进行数据分析》，其作者是 Wes McKinney。
推荐理由：这本书的作者是 Pandas 的模块作者，这本书被赞誉为 Pandas 的最佳工具书。Pandas 是 python 中的一个数据分析包，它最初是被当作金融数据分析工具而开发出来的，所以，pandas 能为时间序列分析提供良好的支持。使用 Pandas 能让 Python 在一定程度上像 R 那样被使用，借助 NumPy、SymPy 以及 SciPy 能使 Python 如同 Matlab 般被运用。作者在利用 Python 进行数据分析方面拥有极为丰富的经验，所以其所写出的书既浅显易懂又深入透彻，让人能够轻松理解。本书讲述的内容包括利用 Python 进行数据的控制方面、处理方面、整理方面以及分析方面等的具体细节和基本要点。并且，它还是利用 Python 进行科学计算的实用指南，此指南专门针对数据密集型应用。本书着重介绍了用于高效解决各类数据分析问题的 Python 语言和库。“Life is short, you need Python!”
