让我分享一个对比的观点。我是经济学家。我使用 SAS 接受了计量经济学培训。我在金融服务部门工作，就在今晚我更新了基于 R 的模型，我们明天将使用这些模型来将数百万美元置于风险之中。

你的教授完全错了。但他犯的错误非常普遍，值得讨论。您的教授似乎在做的是混合 R 软件（S 语言的 GNU 实现）与 R 中实现的包（或其他代码）的想法。我可以使用 SAS IML 编写线性回归的废话实现。事实上，我就是这么做的。这是否意味着SAS是垃圾？当然不是。SAS 很垃圾，因为他们的定价不透明，贵得离谱，而且他们的内部顾问过度承诺，​​交付不足，并为乐趣收取溢价。但我离题了...

R 的开放性是一把双刃剑：开放性允许任何汤姆、迪克或哈利在经济大楼的地下室抽大麻时写出他们想到的任何算法的废话实现。同样的开放性允许实践经济学家公开共享代码并改进彼此的代码。R 的许可规则意味着我可以编写并行化代码以在 Amazon 的云上并行运行 R，而不必担心 30 节点集群的许可费用。这是基于模拟的分析的巨大胜利，这是我所做工作的重要组成部分。

您的教授的评论“许多软件包是由对编程了解很多但对经济学了解不多的人构建的”毫无疑问是正确的。但是 CRAN 上有 3716 个包。你可以肯定其中许多不是经济学家写的。就像您可以确定 CPAN 中的 105,089 个模块中的许多不是由经济学家编写的一样。

谨慎选择您的软件。确保您了解并测试了您正在使用的工具。还要确保您了解您选择的任何实施背后的真正经济学。被锁定在一个封闭的软件解决方案中比仅仅支付许可费更昂贵。

它并不比其他软件更可靠。基本和推荐的 R 可能比贡献的包更不容易出错，但这取决于作者。

但是R最大的好处就是可以自己检查是不是！它是免费软件，不像 Stata 或 SPSS 或类似软件。因此，即使它不可靠，最终也会被发现。专有软件可能并非如此。您甚至可以帮助使其更可靠。

对于您教授的其余评论，他显然是错误的，并且是传播FUD的人。但请允许我说，根据该领域使用的模型和假设以及做出的预测，不可靠的软件应该是经济学家最不关心的问题。

如果你喜欢它，请坚持使用 R，也许你和教授甚至可以为开发好的经济学软件做出贡献。这是一个可能有趣的起点http://cran.r-project.org/web/views/Econometrics.html和http://cran.r-project.org/web/views/TimeSeries.html

你的教授提出了一些大胆的主张。我怀疑问题出在不熟悉 R 语言，而不是产生的实际结果。我在一家进行大量计量经济学建模的公司工作，我们在 R 中做所有事情。我还让我的经济学家同事转而使用 R。

关于我个人经验的经济学领域，可靠性问题可能会反过来。例如，EVIEWS 版本 5 在处理面板数据时存在一些奇怪的错误。它报告了池化 OLS 的通常 Durbin-Watson 统计数据，这在面板数据设置中是完全错误的。用于处理面板数据的 R 包也有其问题，但这里的金钱论点非常支持 R。

最近我在学习非平稳面板时间序列方法。讲师使用 RATS 软件。在演示一些代码时，他建议单击一些可以多次清理工作区的图标，以防万一。谈论可靠性。

我是一名经济学家，我从事研究工作 4 年了，主要从事应用计量经济学。那里有大量的计量经济学软件包，而且它们都有空间。在我看来，在经济学中，Stata 几乎用于除时间序列之外的所有内容，Rats、Eviews 和 Ox 用于时间序列，Matlab 和 Gauss 用于更底层的编程。

R 的优势在于它几乎可以做其他程序所做的所有事情，而且它是免费和开放的。它需要更多的编程和更少的固定程序，但它最终可以完成任务。我大部分时间都使用Stata，但如果我必须选择一个软件来做所有事情，我会选择R。

R 在大多数计量经济学问题上都非常可靠，但我可以提供一些为 R 编写的不可靠例程的示例。我遇到了 3SLS 和需求系统估计例程的问题。数值优化例程不如 Stata 或 Gauss 中的稳健。另一方面，R 在分位数回归等问题上要好得多。尽管如此，凭借对 R 的良好工作知识，您可以找出 R 用户编写的例程中的问题，修复它，然后继续工作。所以我不认为某些特定例程缺乏可靠性是根本不使用 R 的令人信服的理由。

我的建议是继续使用 R，但要有在您的领域广泛使用的其他程序的经验，例如用于微观计量经济学的 Stata 或用于时间序列的 Rats。