你们中的某些人是否使用Google Docs电子表格来进行和与他人共享统计工作？

我知道你们大多数人可能会觉得Google文档仍然是一种原始工具。它不是Matlab或R，甚至不是Excel。但是，我对这种基于Web的软件的强大功能感到困惑，该软件仅使用浏览器的操作功能（并且与许多工作方式非常不同的浏览器兼容）。

活跃在该论坛中的Mike Lawrence已使用Google Docs与我们共享了一个电子表格，并在其中做了一些漂亮的工作。我个人已经复制了一个非常全面的假设测试框架（包括众多参数和非参数测试），最初是在Google文档的Excel中完成的。

我很想知道您是否尝试过Google文档，并在有趣的应用程序中将其推到了极限。我也很想听听您在使用Google文档时遇到的错误或缺陷

我将这个问题指定为“用于社区Wiki”，表示对此没有最佳答案。它比任何东西都更重要。

我对google电子表格的主要用途是使用google表单，用于收集数据，然后轻松地将其导入R。这是我半年前写的一篇帖子：

Google电子表格+ Google表格+ R =轻松收集和导入数据进行分析

另外，如果您要进行协作，我选择的工具是DropBox。几个月前，我写了一篇关于它的文章：

使用DropBox在计算机之间同步文件

我现在已经在有5位共同作者的项目中使用了大约半年的时间，而且它非常宝贵（同步3位贡献者的数据文件，每个人都可以看到我正在生成的输出的最新版本，并且每个人都在寻找在与文章相同的.docx文件中）。

这两篇文章都提供了视频教程和口头指示。

作为R，bash，Python，asciidoc，（La）TeX，开源软件或任何un * x工具的发烧友，我无法提供客观的答案。而且，由于我经常反对使用任何类型的MS Excel或电子表格（嗯，您看到了数据或数据的一部分，但是还有什么呢？），所以我不会为辩论做出积极的贡献。我不是唯一的一个，例如

• 电子表格成瘾，来自P. Burns。
• MS Excel的精度和准确性，2004 R邮件列表中的帖子
• L. Knusel，关于Microsoft Excel 97中统计分布的准确性，计算统计和数据分析，26：375-377，1998。（pdf）
• BD McCullough＆B. Wilson，关于Microsoft Excel 2000和Excel XP中统计程序的准确性，计算统计与数据分析，40：713–721，2002。
• M. Altman，J。Gill和MP McDonald，《社会科学家统计计算中的数值问题》，威利，2004年。[例如，第12-14页]

我的一位同事由于缺乏向后兼容性等原因而失去了所有宏。另一位同事试图导入遗传数据（大约700位受试者在800,000个标记（120 Mo）上进行了基因分型），只是为了“看看它们”。Excel失败了，记事本也放弃了...我可以用vi“查看它们”，并使用sed / awk或perl脚本快速重新格式化数据。因此，我认为在讨论电子表格的有用性时需要考虑不同的层次。您要么处理小型数据集，要么只希望应用基本的统计资料，也许还可以。然后，您可以信任结果，也可以始终要求提供源代码，但是使用NIST基准对所有内联过程进行快速测试也许会更简单。我不认为这仅是因为它不是真正的统计软件（IMHO）而不是一种进行统计的好方法，尽管作为上述列表的更新，MS Excel的较新版本似乎已经证明了其准确性的提高。统计分析，请参见Keeling和Pavur，《九种统计软件包的可靠性比较研究》（CSDA 2007 51：3811）。

尽管如此，在10或20（生物医学，心理学，精神病学）中，大约有一篇论文包含用Excel制作的图形，有时不删除灰色背景，水平的黑线或自动图例（Andrew Gelman和Hadley Wickham肯定和看到我的时候）。但更笼统地说，根据FlowingData 最近的一项调查，它往往是最常用的“软件” ，这让我想起了Brian Ripley的老话（他是MASS R软件包的合著者，并且写了一本关于模式识别的好书，以及其他）：

我们不要自欺欺人：最广泛使用的统计软件是Excel（B。Ripley，通过Jan De Leeuw），http：//www.stats.ox.ac.uk/~ripley/RSS2002.pdf

现在，如果您觉得它为您提供了一种快速简便的方法来完成统计信息，那为什么不呢？问题是在这样的环境中仍然有些事情无法完成（或者至少很棘手）。我想到了自举，置换，多元探索性数据分析等。除非您非常精通VBA（既不是脚本语言也不是编程语言），否则我倾向于认为即使是较小的数据操作也可以在R（或Matlab或Python）下更好地处理，从而为您提供正确的处理工具例如所谓的data.frame）。最重要的是，我认为Excel不会为数据分析员带来很好的做法（但它也适用于任何“候机楼”，请参阅有关Medstats的有关维护数据处理记录的讨论，记录分析和数据编辑），我发现《实用统计》上的这篇文章相对说明了一些Excel的陷阱。尽管如此，它仍然适用于Excel，但我不知道它如何转换为GDocs。

关于共享您的工作，我倾向于认为Github（或源代码为Gist）或Dropbox（尽管EULA可能会劝阻某些人）是很好的选择（修订历史记录，必要时进行授权管理等）。我不鼓励您使用基本上以二进制格式存储数据的软件。我知道可以将其导入到R，Matlab，Stata，SPSS中，但我认为：

• 数据应明确为文本格式，并可以由其他统计软件读取；
• 分析应该是可重现的，这意味着您应该为分析提供一个完整的脚本，并且该脚本应随时在另一个操作系统上运行（我们在这里接近理想的情况...）。
• 您自己的统计软件应实现公认的算法，并应有一种简便的方法对其进行更新，以反映当前统计建模中的最佳做法；
• 您选择的共享系统应包括版本控制和协作功能。

而已。

“我也很想知道您在使用Google文档时遇到的错误或缺陷。”

我将仅回答原始问题的这一部分。我对Google文档电子表格（GSheets）的探索一直与数学和统计功能有关。最后，我的评估是，在这方面，Google Spreadsheets在2012年的表现要劣于1997年的恶意Excel。

见证：Google表格显然使用erfc（x）= 1-erf（x）来计算erf（x）接近1的参数的erfc（x）。它们通过平方减去平方的平均值来评估标准偏差或方差平均 这是不好的数字实践。组合函数和离散概率，例如poisson（n，x）= pow（x，n）* exp（-x）/ n！逐因子评估，导致不必要的溢出。使用斯特林逼近系数逐因子评估阶乘，从而导致进一步不必要的溢出。仅通过做有限的和就可以计算出累积的泊松分布，因此舍入后的归一化特性会丢失；对于累积二项式分布也是如此。累积正态分布完全混乱了；它超出[0,1]范围。相对于其他软件包中相同功能的实现，通常会丢失准确性。四舍五入等基本功能的描述通常是乱码，难以理解。解释是一个猜谜游戏。

我已经在Google Docs产品论坛上的两组帖子中记录了这些问题：

（2011-11-13及更高版本）normdist仍然抛出负值 https://productforums.google.com/d/topic/docs/XfBPtoKJ1Ws/

（2012-05-06及更高版本）GSheets中的统计和数学函数存在错误和其他问题， 网址为https://productforums.google.com/d/topic/docs/rxFCHYeMhrU/