SAS與R優(yōu)缺點(diǎn)討論：從工業(yè)界到學(xué)界 

盡管在工業(yè)界還是被 SAS 所統(tǒng)治，但是R 在學(xué)術(shù)界卻得到廣泛的應(yīng)用，因?yàn)槠涿赓M(fèi)、開源的屬性使得用戶們可以編寫和分享他們自己的應(yīng)用。我們的目的就是展示這兩種差異巨大的語言各自優(yōu)點(diǎn)，并且共同發(fā)揮他們的優(yōu)勢，我們同時(shí)還要指出那些不使用 SAS 好多年的、現(xiàn)在正在使用 R語言的人們的一些誤解和偏見，因?yàn)樗麄円呀?jīng)很少關(guān)注 SAS 的發(fā)展和進(jìn)步了。

前言

我們選取 SAS 和 R 的原因是因?yàn)樗麄兪悄壳霸诮y(tǒng)計(jì)領(lǐng)域中最有統(tǒng)治地位的兩個(gè)編程語言?，F(xiàn)在我們注意到一個(gè)不好的現(xiàn)象，就是在學(xué)術(shù)界重度使用R的用戶認(rèn)為R在被SAS霸占的工業(yè)界有具有相當(dāng)優(yōu)勢的，然而熟練掌握這兩個(gè)軟件對(duì)于想在數(shù)據(jù)分析領(lǐng)域取得小有成就的年輕人來說很關(guān)鍵。

SAS經(jīng)常有一些更新，非SAS程序員由于沒有技術(shù)跟進(jìn)往往并不知情。SAS繪圖模塊就是一個(gè)快速發(fā)展并成長的例子，然而許多人并不注意到這些升級(jí)以至于他們?nèi)匀还虉?zhí)的使用 R畫圖。SAS另一個(gè)不廣為人知的例子是SAS可以輕松自定義函數(shù)，這正是 R 的強(qiáng)項(xiàng)。這個(gè)SAS過程步(PROC)有全面的語法檢查、翔實(shí)的文檔和技術(shù)支持;然而一個(gè)新的使用者很可能不知道這些工具可用，或者根本不知道它們的存在。另外，SAS 還擁有卓越的培訓(xùn)課程，網(wǎng)絡(luò)及用戶組分享資源，不同相關(guān)主題的大量書籍。知道并合理的使用這些技術(shù)以及工具有助于減少使用 SAS的畏懼之心。

統(tǒng)計(jì)方法的新進(jìn)展

SAS：

優(yōu)點(diǎn)：SAS 的軟件及算法都是經(jīng)過檢驗(yàn)的，SAS 有技術(shù)支持去快速解決用戶的需求。如果需要的話，SAS 會(huì)嘗試在已存在的步驟中嵌入新的方法，例如增加一個(gè)選項(xiàng)或者新增一個(gè)語句(statement)，因此用戶不需要學(xué)習(xí)另外一個(gè)過程步。SAS也會(huì)發(fā)布最新通訊來詳細(xì)說明軟件的更新。

缺點(diǎn)：更新升級(jí)較慢。

R：

優(yōu)點(diǎn)：用戶可以快速實(shí)施新方法，或者尋找已經(jīng)存在的軟件包。很容易學(xué)習(xí)和理解新方法，因?yàn)閷W(xué)生們可以看到代碼中的函數(shù)。

缺點(diǎn)：R 文檔的更新都是通過用戶進(jìn)行的，所以新的方法并沒有被很好調(diào)試和檢驗(yàn)。開發(fā)者們散布于各地，而并沒有在一起來進(jìn)行團(tuán)隊(duì)合作的開發(fā)。

在這個(gè)問題上，SAS 和 R 的優(yōu)缺點(diǎn)是互補(bǔ)的。對(duì)于 R，有人認(rèn)為它的代碼是開放的，可以看到 R 是如何工作的，這對(duì)于擁有相關(guān)背景的人是比較容易理解的。然而對(duì)于 SAS，它的過程步是預(yù)裝的，文件中對(duì)不同的語句(Statement)及選項(xiàng)( Option) 存儲(chǔ)了大量的數(shù)學(xué)公式。如果用戶真的想看到底層程序，這個(gè)也是很容易實(shí)現(xiàn)的。對(duì)兩種語言的使用著者來說，不管是學(xué)生還是其它用戶，只是運(yùn)行代碼的話對(duì)于兩種語言是沒有什么不同的。你運(yùn)行SAS，不需要知道它在干什么，類似的是，你運(yùn)行R時(shí)，也不需要知道它在后臺(tái)調(diào)用的函數(shù)。你所做的就是按章操作而已。

畫圖

SAS：

優(yōu)點(diǎn)：SAS畫圖模塊正變得越來越靈活、精良和易于使用。在一些分析過程步(PROCs) 中，ODS Graphics可以自動(dòng)的生成一些圖形，而不需要額外的代碼。這使得用戶多了一個(gè)選擇，即可以使用默認(rèn)的圖表生成圖表，也可以自己來創(chuàng)造個(gè)性化的圖表。

缺點(diǎn)：圖形背后的模板語言(TL)是龐大及不易使用的，特別是對(duì)于新手來說。新的高級(jí)功能如交互式繪圖功能( interactive graphs)，對(duì)于新手來說也是難以掌握的。

R：

優(yōu)點(diǎn)：可以簡單的生成漂亮的圖表，還可以使用循環(huán)語句來生成動(dòng)畫。

缺點(diǎn)：在 R 中圖表功能與統(tǒng)計(jì)分析無關(guān)，繪圖和分析是相互獨(dú)立的。用戶必須自己來決定什么樣的圖形是合適的，使用效果的好壞取決于用戶們的統(tǒng)計(jì)背景和喜好。盡管改變圖形去達(dá)到特別的維度或角度并不是一個(gè)簡單事兒。

SAS9.2 之前版本的圖表功能不足是 R 更吸引人的一個(gè)主要原因之一。R的一個(gè)最好的特性之一就是其圖表功能的高質(zhì)量性和易用性。但是，當(dāng)前 SAS/GRAPH 搭配 ODS Graphics 及 SG 過程在軟件中增加了制圖的能力。聯(lián)合使用 ODS graphics 和 PROCS 可以使用戶簡單地生成與分析相關(guān)的展示圖表。特定的繪圖過程步如PROC SGPLOT，SGPANEL和SGSCATTER等越來越多，當(dāng)然需要的一定代碼來實(shí)現(xiàn)。另外，SAS 中還有一些其他不錯(cuò)的繪圖選擇，如 SGDESOGNER 和 SAS Enterprise Guide。

函數(shù)及可重復(fù)使用的代碼

SAS：

優(yōu)點(diǎn)：SAS有可在 DATA 和 PROC 步使用的大量函數(shù)和自定義函數(shù)。另外強(qiáng)大無所不能的、也可以被DATA步和PROC步使用的宏語言。宏變量可定義為局部或者全局類型。

缺點(diǎn)：編寫自定義函數(shù)和詳細(xì)的宏代碼需要深厚的編程知識(shí)來確保正確性。

R：

優(yōu)點(diǎn)：在 R 中編寫函數(shù)很簡單，用戶也可以通過上傳自己的函數(shù)到 R-CRAN 上與其它用戶分享。

缺點(diǎn)：編寫自定義函數(shù)需要深厚的編程知識(shí)來確保正確性。變量是嚴(yán)格的局部變量。在這一點(diǎn)上兩種軟件擁有類似的利弊。SAS 的早期用戶運(yùn)行自己的定制函數(shù)主要取決于宏程序的編寫，這也是 R 用戶認(rèn)為其低效及笨重的原因。然而，SAS 9 版本的 PROC FCMP允許用戶編寫個(gè)性化的函數(shù)，SAS 9.2 版本又允許用戶在 DATA 及 PROC 步中調(diào)用這些函數(shù)。這對(duì)于簡單的統(tǒng)計(jì)函數(shù)是很有用的，對(duì)于更加復(fù)雜的統(tǒng)計(jì)函數(shù)也可以通過 IML 語言來實(shí)現(xiàn)。

SAS 及 R 兩種語言都面臨著怎樣有效地、正確的使用函數(shù)，這就需要用戶在函數(shù)編寫的過程中擁有深厚的編程背景。從好的角度來說，一個(gè)程序員需要知道他們編寫的是什么;危險(xiǎn)的是，其它人可以下載一個(gè) SAS 宏或者 P 程序包來使用，盡管他們不知道其內(nèi)在工作原理，甚至不知道其正確性。所以，有了對(duì)宏及函數(shù)適當(dāng)?shù)牧私?，再來分享它們并?yīng)用于具體的需求是很方便的。

用戶支持

SAS：

優(yōu)點(diǎn)：SAS 有豐富的網(wǎng)上參考資料，專業(yè)的技術(shù)支持，專業(yè)的培訓(xùn)課程，許多優(yōu)秀的出版書籍，一個(gè)緊密的用戶組及網(wǎng)絡(luò)社區(qū)。SAS 的問題可以直接反映給技術(shù)支持部門，他們會(huì)與用戶一起來解決。

R:

優(yōu)點(diǎn)：R 有很好的示例手冊，網(wǎng)上參考材料，R 郵件列表和 R 聚會(huì)。

缺點(diǎn)：用戶們?nèi)Q于其它用戶對(duì)于軟件的看法及建議。因?yàn)?R 的開發(fā)者散布于全球各地，所以全球的用戶是缺乏聯(lián)系的。程序包(Package)并不是由 R 軟件的開發(fā)核心團(tuán)隊(duì)來編寫的，所以導(dǎo)致了程序的不完善甚至有時(shí)候會(huì)對(duì)結(jié)果的正確性有所懷疑。另外，很難去直接尋找一個(gè)針對(duì)具體問題的人員或者團(tuán)隊(duì)。

數(shù)據(jù)處理

SAS：

優(yōu)點(diǎn)：SAS 可以處理任意類型和格式的數(shù)據(jù)。DATA 步的設(shè)計(jì)純粹就是為了數(shù)據(jù)的管理，所以 SAS 擅長處理數(shù)據(jù)。利用豐富的選項(xiàng)，SAS 可以將大數(shù)據(jù)處理的很好，拼表以及 PROC SQL 也可以減少運(yùn)行時(shí)間。

缺點(diǎn)：在 DATA 步驟中 SAS 中的DATA步有非明示的循環(huán)算法，因此使用者的編程思維需要改變以符合SAS的運(yùn)行邏輯。

R:

優(yōu)點(diǎn)：R 在最初就被認(rèn)為是更加適合大數(shù)據(jù)的。它對(duì)于矩陣的操作和排序的設(shè)計(jì)是非常高效的。R 也可以很好的進(jìn)行各種基于分析的數(shù)據(jù)模擬。

缺點(diǎn)：R 的設(shè)計(jì)更加關(guān)注統(tǒng)計(jì)計(jì)算以及畫圖功能，所以數(shù)據(jù)的管理是比較耗時(shí)的，而且不如在 SAS 中那么明晰。其中一個(gè)主要的原因就是：對(duì)于各種不同類型的數(shù)據(jù)，在 R 中進(jìn)行很好的數(shù)據(jù)處理是比較難以掌握的。

數(shù)據(jù)處理的重要性經(jīng)常在統(tǒng)計(jì)編程中被忽視了，但是它確實(shí)是非常關(guān)鍵的，因?yàn)閷?shí)際的數(shù)據(jù)非常糟糕，不能直接應(yīng)用于分析。純粹地使用 R 的學(xué)生們對(duì)于得到的數(shù)據(jù)往往有不切實(shí)際的期望，而學(xué)習(xí) SAS 是一個(gè)有效的方法去解決怎樣整理原始的數(shù)據(jù)。SAS可以對(duì)大而繁雜的數(shù)據(jù)集進(jìn)行管理和分析，而 R更著重于進(jìn)行分析。

當(dāng)處理復(fù)雜數(shù)據(jù)時(shí)，R 的面向?qū)ο蟮臄?shù)據(jù)結(jié)構(gòu)會(huì)遇到很多問題，并且R還缺乏一個(gè)內(nèi)在的循環(huán)過程。在SAS中，應(yīng)用標(biāo)準(zhǔn)化工具經(jīng)常會(huì)進(jìn)行如下操作：合并含有大量缺失數(shù)據(jù)的復(fù)雜數(shù)據(jù)集，再生成及修改其中的變量。而在R中，進(jìn)行復(fù)雜的數(shù)據(jù)處理操作是沒有標(biāo)準(zhǔn)化的，而且經(jīng)常會(huì)導(dǎo)致更加復(fù)雜的過程。

SAS與R軟件運(yùn)行時(shí)間的快慢對(duì)比取決于任務(wù)。如SAS可以通過設(shè)置 MEMLIB，從而像R一樣使用內(nèi)存(而非硬盤)來提升運(yùn)行速度。但在R中，沒有這樣的硬件驅(qū)動(dòng)，只能使用內(nèi)存來執(zhí)行。

報(bào)表

SAS：

優(yōu)點(diǎn)：SAS 通過很多有用的過程步來生成詳細(xì)漂亮的報(bào)表。

缺點(diǎn)：能提供更詳盡報(bào)表的過程如 TABULATE、REPORT 等，在能正確而有效的使用前，將為有一個(gè)艱難的學(xué)習(xí)曲線等待你跨越。

R:

優(yōu)點(diǎn)：報(bào)表方面，R擁有諸多利器。Sweave包可以創(chuàng)造包含文字、表格和圖形的 PDF 文件，其中圖形可以LaTeX 和 R 命令來裝扮。另一個(gè)新的程序包 Knitr 可以快速生成格式限制較少的網(wǎng)頁內(nèi)容。

缺點(diǎn)：R 沒有一個(gè)模式化的方式來生成報(bào)表，所以需要在編程上花一些功夫。報(bào)表的生成對(duì)于 R 來說是一個(gè)比較新的方向，所以它不如 SAS 來的簡單和快速。在 R 中，Sweave 和 Knitr 是報(bào)表這方面的領(lǐng)先的程序包，但是學(xué)習(xí)起來也比較困難。

重度報(bào)表使用用戶應(yīng)該了解這些以上不同，盡管學(xué)習(xí) SAS 的報(bào)表功能需要花費(fèi)一些時(shí)間，但是一旦掌握了就很有價(jià)值并有很高的靈活性。而從最基礎(chǔ)學(xué)習(xí) R 的報(bào)表功能也許不需要像 SAS 那樣花那么多時(shí)間。

結(jié)論

我們可以看到解決 R 與 SAS 的辯論是三合一的。第一，就像在任何一個(gè)統(tǒng)計(jì)編程社區(qū)一樣，我們知道這個(gè)PK是沒有一個(gè)最終贏家。兩種軟件各有優(yōu)缺點(diǎn)。他們有共存的必要，而學(xué)術(shù)上的教學(xué)中，他們也有共存的必要。如果學(xué)生們能夠明確他們的需求并合理的應(yīng)用，那樣會(huì)獲得更好的效果。如果只給學(xué)生教授一種軟件是有局限性的，這樣會(huì)使他們難以發(fā)揮學(xué)習(xí)另外一種軟件的潛力。第二，用戶們需要保持他們的工具箱與時(shí)俱進(jìn)。SAS 和 R 都有一些很不錯(cuò)的學(xué)習(xí)網(wǎng)站去介紹最新的技術(shù)上的進(jìn)步。第三，最理想的是學(xué)習(xí)兩種軟件并將其融合于分析中。對(duì)于 R 的用戶們，通過轉(zhuǎn)化 R 到SAS 的用戶界面，可以同時(shí)使用 2 種軟件。通過使用兩種軟件可以使處理及分析數(shù)據(jù)變得事半功倍，而且使所有的用戶都滿意。