¿Es fiable el lenguaje R para el campo de la economía?

Question

Soy un estudiante de posgrado en economía que recientemente se convirtió a R desde otros paquetes estadísticos muy conocidos (estaba usando SPSS principalmente). Mi pequeño problema en este momento es que soy el único usuario de R en mi clase. Mis compañeros usan Stata y Gauss y uno de mis profesores incluso dijo que R es perfecto para la ingeniería, pero no para la economía. Dijo que muchos paquetes están construidos por personas que saben mucho de programación, pero no mucho de economía y por lo tanto no son fiables. También mencionó el hecho de que al no haber dinero involucrado en la construcción de un paquete R, no hay ningún incentivo para hacerlo correctamente (a diferencia de Stata, por ejemplo) y que él utilizó R durante un tiempo y obtuvo algunos resultados "ridículos" en sus intentos de estimar algunas cosas. Además, se quejó del generador de números aleatorios de R, del que dijo que era "desordenado".

Llevo poco más de un mes usando R y debo decir que me he enamorado de él. Todo esto que estoy escuchando de mi profesor no hace más que desanimarme.

Así que mi pregunta es: "¿Es R fiable para el campo de la economía?".

Answer 1

Yo tendría mucho cuidado con quien afirma un hecho pero nunca lo respalda con nada sustancial.

Es fácil darle la vuelta a sus argumentos.

Por ejemplo, las personas a las que se les paga por escribir código podrían tener MENOS incentivos para hacerlo bien porque se espera que su código sea correcto, mientras que el típico habitante del sótano quiere hacer un commit que impresione a los líderes del proyecto. Tal vez no le importe el tiempo extra que pase haciéndolo gratis si eso significa que se hace un trabajo de calidad.

Si el generador de números aleatorios es "desordenado" (que es un término vago; fácilmente sustituye un hecho real para respaldar su argumento), entonces debería ser capaz de demostrarlo o mostrarte a alguien que pueda hacerlo.

Si obtiene resultados incoherentes de un paquete, debería ser capaz de señalar los pasos que dio para obtener ese resultado. Si realmente se trata de un error y tienes buenos conocimientos de programación, ¡incluso puedes intentar arreglarlo por él!

Me doy cuenta de que mi respuesta no responde directamente a tu pregunta (lo siento). Simplemente, por la forma en que formula sus puntos, se puede ver que no hay carne en el asador. Si la hay, no dude en editarla en su pregunta para que la gente de aquí pueda discutirla más a fondo.

Answer 2

En la ReplicationWiki (en la que trabajo) se puede ver que R fue uno de los paquetes de software más utilizados para unos 2000 estudios empíricos publicado en algunas revistas bien establecidas ya en los años 2000-2013. Parece que se utilizó más en los años más recientes. Stata fue el más utilizado (>900 veces), seguido de MATLAB (280), SAS (60), GAUSS (60), Excel (50), R (30), FORTRAN (30), Mathematica (19), EViews (18), z-Tree (16), dynare (15), RATS (12), C (8), C++ (6), python (5, estudios más recientes), SPSS (5) y algunos otros. A menudo se utiliza más de un paquete.

Answer 3

Llevo media década utilizando R y también uso SAS, SPSS, Calc, WEKA y un par de herramientas más. Nunca he disfrutado con ninguna herramienta tanto como a través de R. Básicamente R es para aquellos que piensan de forma independiente y prueban algo en su propio aprendizaje. Cuando se trata de estadística, todo gira en torno a los métodos. Los usuarios pueden no saber cómo se definen y modelan los métodos en el software comercial y pueden ser correctos o incorrectos. R es para aquellos que quieren definir los métodos y utilizar los métodos que se adaptan a sus necesidades. Se trata de la libertad. Esta libertad no existe con el software comercial a pesar de gastar dinero y comprarlo. El conocimiento es propiedad de la comunidad (sociedad) y nadie puede reclamar su autoría. La investigación consiste en encontrar soluciones a los problemas. En lo que respecta a R, no hay que preocuparse por los métodos, ya que los usuarios son libres de definirlos y renovarlos. Por ejemplo, si existe algún problema específico del modelo o métodos definidos de forma errática, se puede arreglar arreglando o desarrollando un nuevo código. De este modo, el investigador no sólo desarrolla conocimientos, sino que también evoluciona.

La ventaja de R es que no es necesario ser un programador informático. Los métodos estadísticos consisten en escribir funciones sólo con sentencias de control y bucles (para empezar, lo de mayor nivel viene después). R tiene un entorno de programación muy fácil para los novatos.