使用全功能 SPSS 试用版测试 Categories，或联系我们购买
IBM® SPSS Categories 可帮助您可视化和探索数据中的关系，并根据您的统计分析来预测结果。它使用分类回归技术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。该软件具备预测分析、统计学习、感知映射和偏好缩放等统计程序。
本模块已纳入适用于传统许可的 IBM SPSS Statistics Professional Edition 中，也包含在订阅套餐的 IBM SPSS Complex Sampling 和 Testing 附加组件中。
使用 SPSS Categories 进行对应分析，更轻松地显示和分析不同类别之间的差异。
通过定义变量的自定义属性来合并补充信息。这样，将能够添加通过标准标签、测量值或缺失值未捕获的其他上下文或元数据。这些属性可以存储更多信息，例如描述性注释、测量单位或编码方案，从而为数据分析提供更多上下文。
使用对称归一化来生成双标图，以便更好地查看关联。
通过深入的数据分析，更有效地分析和解释多元数据及其关系。例如，在数据集中了解哪些消费者特征与公司的产品或品牌关系最为密切，或者了解客户对于公司产品与公司另外提供或竞争对手提供的产品相比较的看法。
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)。
- 对于本地部署用户：请购买专业版。
- 对于订阅计划用户：请购买“复杂测试和采样”附加组件。
- 处理器：2 GHz 或更快
- 显示：1024x768 或更高
- 内存：至少需 4 GB RAM，建议采用 8 GB RAM 或更高
- 磁盘空间：2 GB 或更高