主页
分析
SPSS
SPSS Statistics
Categories
IBM SPSS Categories 可确保您可视化和探索数据中的关系,并根据您的发现来预测结果。它使用分类回归程序以根据数值和有序或无序分类预测变量的组合来预测名义、序数或数值结果变量的值。该软件采用预测分析、统计学习、感知映射和偏好缩放等先进技术。
此模块包含在适用于本地的 SPSS Statistics Professional 版本和订阅计划的“复杂采样和测试”附加组件中。
使用对应分析更轻松地显示和分析不同类别之间的差异。
引入有关其他变量的补充信息。
使用对称归一化来生成双标图,以便更好地查看关联。
利用各种工具,帮助您更全面地分析和解释多变量数据及其关系。例如,了解消费者与您的产品或品牌最密切相关的特征,或者确定与您或竞争对手提供的其他产品相比,客户对您的产品的看法。
根据数值和有序或无序分类预测变量的组合来预测名义、序数或数值结果变量的值。例如,使用具备最佳缩放比例的回归来描述如何根据作业类别、地理区域和与工作相关的差旅量来预测工作满意度。
对变量进行量化以使复相关系数 (Multiple R) 实现最大化。当残差为非正态或当预测变量与结果变量非线性相关时,或许可将最佳缩放应用于数值变量。岭回归、套索和弹性网络等正则化方法可通过稳定参数估计来提高预测准确性。
使用降维技术查看数据中的关系。摘要图表可显示相似的变量或类别,以便您深入了解两个以上变量之间的关系。
这些技术包括对应分析 (CORRESPONDENCE)、分类回归 (CATREG)、多重对应分析 (MULTIPLE CORRESPONDENCE)、CATPCA、非线性典型相关性 (OVERALS)、近似缩放 (PROXSCAL) 和偏好缩放 (PREFSCAL)。