Ich suche ein Statistik-Softwarepaket, das ich in einem Einführungskurs in die Statistik für ein sozialwissenschaftliches Studienprogramm verwenden kann. Die Studierenden haben keine statistischen Vorkenntnisse und auch keine Erfahrung mit Programmiersprachen. Ziel ist es, ihnen grundlegende statistische Konzepte (als Mittelwerte, Varianz, Summe der Quadrate, p-Werte usw. und schließlich lineare Regression) vorzustellen und sie in die Lage zu versetzen, anhand von Beispieldatensätzen selbst grundlegende Analysen durchzuführen. Der Kurs sollte sich mit Lernkonzepten befassen, indem Statistiken erstellt werden, anstatt Formeln auswendig zu lernen (obwohl ich Formeln für wichtig halte).
Daher suche ich nach einer Alternative zur üblichen Syntax (als normales R) oder einer Point-and-Click-Software (als SPSS oder Rcmdr). Die Software sollte leicht zu erlernen sein und über eine übersichtliche grafische Benutzeroberfläche verfügen, die Datensätze visualisiert und die Standardgrafiken und -tabellen bietet. Am besten wäre es, wenn alle verschiedenen Schritte einer Analyse visualisiert würden (z. B. Lesen und Bearbeiten von Daten, Berechnung von beschreibenden Maßen, Erstellen von beschreibenden Tabellen und Diagrammen, Berechnung von Inferenzmaßen, Zeichnen von Inferenzgraphen, Export in einen Bericht).
Haben Sie Vorschläge für (Open-Source- oder kostenlose) Statistiksoftware, die zum Lernen und ersten Üben von Statistiken geeignet ist?
BEARBEITEN
Vielen Dank für Ihre Vorschläge. Ich habe mich mit gretl und zwei anderen Programmen befasst, die ich während meiner eigenen Online-Anfrage gefunden habe: RapidMiner und Statistical Lab . [1]
Ich habe festgestellt, dass gretl
die Benutzeroberfläche und die Ausgabe klarer und fokussierter sind als z. B. Rcmdr, SPSS oder Stata. Daher ist es aus meiner Sicht ein gut qualifiziertes Instrument, um mit dem Unterrichten von Statistik zu beginnen.
Die GUI des Flussdiagramms von RapidMiner
undStatistical Lab
beeindruckte mich, als sie die einzelnen Schritte einer statistischen Analyse visualisierten (beginnend mit dem Laden von Daten). Ich denke, dies könnte für viele Studenten hilfreich sein, die mit dem üblichen Fokus auf mathematische Erklärungen zu kämpfen haben. Natürlich scheint mir RapidMiner mit Funktionen, Menüs und Schaltflächen für Anfänger zu überladen zu sein, während das statistische Labor viel fokussierter ist. Das große Plus des Statistical Lab ist der konsolenähnliche "R-Calculator" mit einem "R-Code-Assistenten", der bei der Erstellung einer echten R-Syntax hilft, auf die sich das Statistical Lab R
für seine Berechnungen stützt .
Schließlich beschloss ich, im ersten Semester mit dem Statistical Lab zu beginnen, während ich die Grundkonzepte vorstellte und zu RStudio wechselte vorstellte und im zweiten Semester (und Rcmdr) wechselte.
[1]: Gnumeric, SciPy, Scilab, GNU Octave und andere scheinen mir weniger sozialwissenschaftlich ausgerichtet zu sein.