O IBM® SPSS® Categories permite que você visualize e explore a relação em seus dados para prever resultados com base em suas descobertas. Ela usa procedimentos de regressão categórica para prever os valores de uma variável nominal, ordinal ou numérica de uma combinação de variáveis numéricas e classificadas ou de preditores categóricos não classificados. O software apresenta técnicas avançadas, como análise preditiva, aprendizado estatístico, mapeamento perceptual e escala de preferências.
Este módulo está incluso na edição profissional das estatísticas do SPSS para instalação local e no complemento "Amostragem e testes complexos" para planos de assinatura.
Economize 10% em uma assinatura e complementos ao escolher 12 meses com renovação automática
Use a análise de correspondência para exibir e analisar mais facilmente as diferenças entre as categorias.
Incorporar informações complementares sobre variáveis adicionais.
Use a normalização simétrica para produzir um biplot para que você possa ver melhor as associações.
Tire proveito de ferramentas que facilitam uma análise e compreensão mais abrangente de seus dados multivariados e suas relações de forma mais completa. Por exemplo, compreenda quais características os consumidores mais associam ao seu produto ou marca, ou determine a percepção do cliente sobre seus produtos em comparação com outros que você ou seus concorrentes oferecem.
Preveja os valores de uma variável de resultado nominal, ordinal ou numérica a partir da combinação de variáveis preditoras numéricas e categóricas ordenadas ou não ordenadas.Use regressão com escala ideal para descrever, por exemplo, como a satisfação no trabalho pode ser prevista a partir da categoria profissional, região geográfica e quantidade de viagens relacionadas ao trabalho.
Quantifique as variáveis de modo que o R múltiplo seja maximizado.O dimensionamento ótimo pode ser aplicado a variáveis numéricas quando os resíduos não são normais ou quando as variáveis preditoras não estão linearmente relacionadas com a variável de resultado. Métodos de regularização como a regressão de Ridge, lasso e rede elástica podem aprimorar a precisão da previsão estabilizando as estimativas de parâmetros.
Use técnicas de redução de dimensão para ver as relações de seus dados. Os gráficos de resumo exibem variáveis ou categorias similares para fornecer-lhe uma visão sobre as relações entre mais de duas variáveis.
As técnicas incluem análise de correspondência (CORRESPONDENCE), regressão categórica (CATREG), análise de múltipla correspondência (MULTIPLE CORRESPONDENCE), CATPCA, correlação canônica não linear (OVERALS), escala de proximidade (PROXSCAL) e escala de preferência (PREFSCAL).