Il n'y a pas de "meilleur". Chacun a des avantages et des inconvénients.
J'ai une grande expérience de SAS et de R. Donc, de ces deux-là :
SAS a une bien meilleure documentation, de meilleurs messages d'erreur, un excellent support technique, une sortie plus facile vers Word et Excel, une intégration plus facile avec Office en général, il est plus à même de traiter des données énormes et a des routines qui sont plus minutieusement vérifiées que certains des packages de R. Mais il coûte beaucoup d'argent (sauf si vous êtes un étudiant ou si vous avez droit à cette licence) et il n'a pas toutes les dernières statistiques et n'est pas aussi programmable et n'est pas open source.
R est gratuit, a toutes les dernières méthodes statistiques, est meilleur pour les graphiques construits sur mesure, est open source, a une sortie plus facile vers [math]LaTeX [/math] mais il n'a pas de support technique payant, a des messages d'erreur qui sont opaques, a quelques pages d'aide qui semblent écrites pour prouver à quel point la personne qui écrit est intelligente, et n'a pas de détection de bogues généralement implémentée - certains paquets sont géniaux, mais il n'y a pas de garantie.
Quelques impressions sur d'autres logiciels (beaucoup moins informés que ce qui précède) SPSS est peut-être le plus facile à utiliser, mais c'est le plus limité. Python a les avantages et les inconvénients d'être un langage de programmation à part entière. J'ai entendu de très bonnes choses sur Stata. J'ai vu des choses étonnantes faites avec MATLAB, mais c'était par un brillant programmeur.