Destaques do recurso

Modelos lineares gerais (GLM)

Descreva o relacionamento entre uma variável dependente e um conjunto de variáveis independentes. Use opções flexíveis de design e de contraste para estimar médias e variâncias, e testar e prever médias. Misture e combine preditores categóricos e contínuos para construir modelos. Use modelos mistos lineares para maior precisão ao prever resultados não lineares. Formule vários modelos, incluindo esquemas de parcelas subdivididas, modelos de diversos níveis com covariância de efeitos corrigidos e design de blocos completos randomizados.

Modelos lineares generalizados (GENLIN)

Forneça um modelo unificador que inclua modelos lineares clássicos com variáveis dependentes normalmente distribuídas, modelos logísticos e probit para dados binários e modelos loglineares para dados de conta, assim como vários outros modelos de tipo de regressão não padrão. Aplique muitos modelos estatísticos gerais úteis, incluindo regressão ordinal, regressão de Tweedie, regressão de Poisson, regressão de Gamma e regressão binomial negativa.

Modelos lineares mistos/modelos lineares hierárquicos (HLM)

Médias, variâncias e covariâncias de modelo em dados que exibem correlação e variabilidade não constante. Formular vários modelos, incluindo esquemas de parcelas subdivididas, modelos de diversos níveis com covariância de efeitos corrigidos e design de blocos completos randomizados. Selecione entre 11 tipos de covariância não espacial. Melhore a precisão com dados de medidas repetidas, incluindo situações nas quais há números diferentes de medidas repetidas, intervalos diferentes para casos diferentes ou ambos.

Procedimentos de Equações de estimativa generalizada (GEE)

Estenda modelos lineares generalizados para acomodar dados longitudinais correlacionados e dados em cluster. Correlações de modelo dentro dos assuntos.

Modelos lineares generalizados mistos (GLMM)

Acesse, gerencie e analise virtualmente qualquer tipo de conjunto de dados, inclusive dados de pesquisa de opinião, dados corporativos ou dados transferidos por download da web. Execute o procedimento do GLMM com valores ordinais para construir modelos mais precisos ao prever resultados não lineares, como o nível de satisfação de um cliente caindo na categoria baixa, média ou alta.

Procedimentos de análise de sobrevivência

Escolha a partir de um conjunto flexível e amplo de técnicas para entendimento de eventos terminais, como defeito da peça, morte ou sobrevivência. Use estimativas de Kaplan-Meier para calibrar o período de tempo de um evento. Selecione regressão Cox para executar regressão de risco proporcional com o tempo de resposta ou duração da resposta como variável dependente.

Detalhes técnicos

Requisitos de software

O IBM SPSS Advanced Statistics requer uma licença válida do IBM SPSS Statistics Base.

  • Pré-requisito: IBM SPSS Statistics

Requisitos de hardware

  • Processador: 2 GHz ou mais rápido
  • Exibição: 1024*768 ou superior
  • Memória: 4 GB de RAM obrigatórios, 8 GB de RAM ou mais recomendados
  • Espaço em disco: 2 GB ou mais

Veja como ele funciona

Compre agora e comece a utilizar