En vedette

Modèles linéaires généraux (GLM)

Analysez la relation entre une variable dépendante et un ensemble de variables indépendantes. Utilisez des fonctions souples de conception et d'analyse par contraste pour estimer les moyennes et les variances, ou pour tester et prévoir des moyennes. Combinez des prédicteurs catégoriels ou continus pour créer vos modèles. Utilisez les modèles mixtes linéaires pour prévoir plus précisément les résultats non linéaires. Définissez des douzaines de modèles, notamment la conception par subdivision de parcelles, les modèles à niveaux multiples avec covariance à effets fixes et le plan en blocs aléatoires.

Modèles linéaires généralisés (GENLIN)

Établissez un cadre unificateur comprenant des modèles linéaires classiques avec variables dépendantes distribuées normalement, des modèles logistiques et probits pour les données binaires et des modèles log-linéaires pour les données chiffrées, ainsi que divers autres modèles à régression non standards. Tirez parti de nombreux autres modèles statistiques généraux, comme des modèles de régression ordinale, Tweedie, Poisson, Gamma ou binomiale négative.

Modèles linéaires mixtes, ou modèles linéaires hiérarchiques (HLM)

Modélisez les moyennes, les variances et les covariances dans les données qui affichent la corrélation et la variabilité non constante. Définissez des douzaines de modèles, notamment la conception par subdivision de parcelles, les modèles à niveaux multiples avec covariance à effets fixes et le plan en blocs aléatoires. Sélectionnez l'un ou l'autre des 11 types de covariances non spatiales. Obtenez des résultats plus précis en travaillant avec des données de mesures répétées, dont des situations présentant différentes quantités de mesures répétées, différents intervalles pour différents cas, ou les deux.

Procédures d'équations d'estimation généralisées (GEE)

Étendez les modèles linéaires généralisés aux données longitudinales corrélées et aux données groupées. Modélisez les corrélations au sein des sujets.

Modèles linéaires mixtes généralisés (GLMM)

Accédez à pratiquement n'importe quel type de données (données de sondages, base de données d'entreprise ou fichier téléchargé à partir d'Internet) pour les gérer et les analyser. Exécutez la procédure GLMM avec des valeurs ordinales pour créer des modèles plus précis pour la prévision des résultats non linéaires, comme la probabilité que le degré de satisfaction d'un client soit faible, moyen ou élevé.

Procédures d'analyse de survie

Utilisez l'une ou l'autre des méthodes proposées dans un ensemble souple et complet pour arriver à comprendre des événements finals (défaillance d'une pièce, taux de mortalité ou de survie). Faites appel à la méthode Kaplan-Meyer pour estimer le temps susceptible de s'écouler avant un événement. Utilisez le modèle de Cox pour effectuer une régression à effet proportionnel en prenant comme variable dépendante le temps de réponse ou la durée.

Renseignements techniques

Exigences logicielles

IBM SPSS Advanced Statistics exige une licence valide d'IBM SPSS Statistics Base.

  • Logiciel préalable : IBM SPSS Statistics

Exigences matérielles

  • Processeur : 2 GHz ou plus
  • Affichage : 1 024 x 768 ou plus élevé
  • Mémoire : 4 Go de mémoire vive requis, 8 Go ou plus recommandé
  • Espace disque : 2 Go ou plus

Voir le fonctionnement

Acheter dès maintenant et commencer