Commons Knowledge

Als je onderzoek doet met grotere hoeveelheden data, wordt het noodzakelijk om je data-analyse niet meer in Excel te doen, maar een krachtigere software te vinden. Het kan een ontmoedigende taak lijken, vooral als je nog nooit hebt geprobeerd om grote gegevens te analyseren. Er zijn een aantal software systemen voor gegevensanalyse, maar het is niet altijd duidelijk welke het beste zal werken voor uw onderzoek. De aard van uw onderzoeksgegevens, uw technologische expertise en uw eigen persoonlijke voorkeuren zullen allemaal een rol spelen bij de vraag welke software voor u het beste zal werken. In dit artikel zal ik de voor- en nadelen van Stata, R, en SPSS met betrekking tot kwantitatieve data-analyse uitleggen en links geven naar aanvullende bronnen. Alle data-analysesoftware waarover ik het in dit bericht heb, is beschikbaar voor studenten, docenten en medewerkers van de University of Illinois via de computers van Scholarly Commons en u kunt een afspraak maken met CITL als u specifieke vragen hebt.

Rock your research with the right tools!

Onder onderzoekers wordt Stata vaak genoemd als de meest gebruikersvriendelijke data-analysesoftware. Stata is populair in de sociale wetenschappen, met name in de economie en de politieke wetenschappen. Het is een compleet, geïntegreerd statistisch softwarepakket, wat betekent dat het vrijwel elke statistische taak kan uitvoeren die je nodig hebt, inclusief visualisaties. Het heeft zowel een point-and-click gebruikersinterface als een opdrachtregelfunctie met een gemakkelijk te leren opdrachtsyntaxis. Bovendien heeft het een systeem voor versiebeheer, zodat u de syntax van bepaalde opdrachten kunt opslaan in een “do-bestand” om er later naar te verwijzen. Stata is niet gratis om op uw computer te hebben. In tegenstelling tot een open-source programma, kunt u niet uw eigen functies in Stata programmeren, dus u bent beperkt tot de functies die het al ondersteunt. Ten slotte zijn de functies beperkt tot numerieke of categorische gegevens; ruimtelijke gegevens en bepaalde andere typen kunnen niet worden geanalyseerd.

Aanvullende bronnen:

• STATA YouTube Channel: Een geweldige bron voor het oplossen van problemen in Stata.
• A Gentle Introduction to STATA door Alan C. Acock: Een geweldige referentie om aan de slag te gaan met Stata beschikbaar via de Scholarly Commons collectie.
• Stata.com Resources for learning STATA: Veel informatie over hoe specifieke functies in Stata uit te voeren.
• The University Library’s Guide on STATA: Een geweldige plek om links te vinden naar aanvullende bronnen over Stata.

R

R en zijn grafische gebruikersinterface metgezel R Studio zijn ongelooflijk populaire software om een aantal redenen. De eerste en waarschijnlijk belangrijkste reden is dat het een gratis open-source software is die compatibel is met elk besturingssysteem. Als zodanig is er een sterke en loyale gemeenschap van gebruikers die hun werk en advies online delen. Het heeft dezelfde kenmerken als Stata, zoals een point-and-click gebruikersinterface, een opdrachtregel, bestanden die kunnen worden opgeslagen, en sterke mogelijkheden voor gegevensanalyse en -visualisatie. Het heeft ook enkele mogelijkheden die Stata niet heeft omdat gebruikers met meer technische expertise nieuwe functies kunnen programmeren met R om het te gebruiken voor verschillende soorten gegevens en projecten. Het probleem waar veel mensen tegenaan lopen met R is dat het niet makkelijk te leren is. De programmeertaal die gebruikt wordt is niet intuïtief en foutgevoelig. Ondanks deze steile leercurve is er een overvloed aan gratis online bronnen om R te leren.

Aanvullende middelen:

• Inleiding tot de bibliotheekgids van R: Vind waardevolle overzichten en handleidingen in deze gids die is gepubliceerd door de Universiteitsbibliotheek van Illinois.
• Quick-R van DataCamp: Deze website biedt tutorials en voorbeelden van syntaxis voor een hele reeks data-analyse functies in R. Alles van het installeren van het pakket tot geavanceerde data visualisaties.
• Leer R op Code Academy: Een gratis self-paced online klas om R te leren gebruiken voor data science en verder.
• Nabble forum: Een forum waar individuen specifieke vragen kunnen stellen over het gebruik van R en antwoorden kunnen krijgen van de gebruikersgemeenschap.

SPSS

SPSS is een IBM-product dat wordt gebruikt voor kwantitatieve gegevensanalyse. Het heeft geen opdrachtregelfunctie, maar een gebruikersinterface die volledig point-and-click is en enigszins lijkt op Microsoft Excel. Hoewel het veel op Excel lijkt, kan het grotere gegevensreeksen sneller en met meer gemak verwerken. Een van de voornaamste klachten over SPSS is dat het onbetaalbaar duur is in het gebruik, met individuele pakketten die variëren van $1.290 tot $8.540 per jaar. Om de kostprijs te compenseren, is het ongelooflijk gemakkelijk te leren. Als niet-technisch persoon leerde ik het in minder dan een uur gebruiken door een online tutorial te volgen van de University of Illinois Library. Mijn mening over deze software is echter dat, tenzij je echt een krachtiger programma nodig hebt, je gewoon bij Excel moet blijven. Ze lijken te veel op elkaar om het zoeken naar deze gespecialiseerde software te rechtvaardigen.

Aanvullende bronnen:

• OpenLearn- Getting Started with SPSS: een gratis en open online cursus om te leren SPSS te gebruiken voor gegevensanalyse.
• LinkedIn Learning: SPSS Statistiek Essentials Training: Gratis online cursus om de basisbeginselen van SPSS te leren.
• How to use SPSS: A step-by-step guide to analysis and interpretation door Brian Cronk: Dit boek is een beginnershandleiding voor het gebruik van SPSS voor data-analyse, beschikbaar via de Scholarly Commons collectie.