使用功能齐全的 SPSS 试用版测试 Regression
IBM SPSS Regression 使您能够预测分类结果、创建回归模型、分析模型摘要，并且在研究消费者购买习惯、治疗反应、诊断措施有效性、信用风险分析以及其他普通回归和数据分析技术受限或不适用的情况下，将各种非线性回归程序应用于数据集。
研究消费者的购买习惯。优化营销战略和客户满意度。
分析剂量反应，以提高护理质量，改善患者疗效。
评估信用风险和异常值，并通过有针对性的产品/服务增强客户关系。
衡量学术成绩测试并支持机构研究。
检查客户行为以策划个性化优惠。
改善公民服务和安全。评估纳税合规性，最大限度地减少欺诈并减轻威胁。
根据一组预测变量的值预测某种特征或二进制结果是否存在。
使用 Logit 关联函数对一组预测变量的多分类有序反应的依赖关系进行建模。
根据一组预测变量的值对被试进行分类。这种类型的回归类似于逻辑回归，但更为通用，因为因变量不限于两个类别。
找出因变量和一组自变量之间关系的非线性模型。
使用概率和 Logit 模型来分析对刺激（例如药物剂量、价格或激励）的反应效力。此程序用于衡量刺激强度与对刺激表现出某种反应的病例比例之间的关系。
第一阶段，使用与误差项不相关的工具变量来计算一个或多个有问题预测变量的估计值。第二阶段，使用这些计算值来估算因变量的线性回归模型。
控制预测变量与基于时间的数据可能出现的误差项之间的相关性。权重估计程序用于测试一系列权重变换，并指示哪种权重最适合数据。
新的线性弹性网络扩展程序可以估算一个因变量和一个或多个自变量之间的正则化线性回归模型。
新的线性 Lasso 扩展可以估算一个因变量和一个或多个自变量之间的正则化线性回归模型中的 L1 损失。
新的线性岭扩展程序可以估算一个因变量和一个或多个自变量之间的正则化线性回归模型中的 L2 损失或平方损失。
脚注
* 用户评论可能是通过奖励措施而获得的。