Puntos destacados del dispositivo

Modelos lineales generales (GLM)

Describa la relación entre una variable dependiente y un conjunto de variables independientes. Utilice opciones flexibles de diseño y contraste para estimar las varianzas y las medias, y para probar y predecir estas últimas. Mezcle y empareje indicadores continuos y categóricos para construir modelos. Utilice modelos mixtos lineales para incrementar la precisión al momento de pronosticar resultados no lineales. Formule docenas de modelos, que incluyan los modelos de diseño de parcela dividida y de multinivel con la covarianza de efectos fijos y el diseño de bloques completos aleatorizados.

Modelos lineales generalizados (GENLIN)

Provea una infraestructura unificadora, que incluya modelos lineales clásicos con variables dependientes distribuidas normalmente, modelos logísticos y de probit para datos binarios, y modelos loglineales para datos del conteo, además de otros modelos de tipo regresión no estándares. Aplique diversos modelos estadísticos generales útiles, que incluyan las regresiones: ordinal, Tweedie, Poisson, Gamma y binomial negativa.

Modelos mixtos lineales/modelos lineales jerárquicos (HLM)

Modele medias, varianzas y covarianzas en los datos que muestran correlación y variabilidad no constante. Formule docenas de modelos, que incluyan los modelos de diseño de parcela dividida y multinivel con la covarianza de efectos fijos y el diseño de bloques completamente aleatorios. Seleccione entre 11 tipos de covarianza no espacial. Mejore la precisión con datos medidos de forma repetida, incluyendo las situaciones en las que hay números diferentes de medidas repetidas, de intervalos diferentes para diferentes casos o para ambos.

Procedimientos de ecuaciones de estimación generalizada (GEE)

Extienda los modelos lineales generalizados para que acepten datos longitudinales correlacionados y datos agrupados en clusters.Modele correlaciones entre los temas.

Modelos mixtos lineales generalizados (GLMM)

Acceda, administre y analice virtualmente cualquier tipo de conjunto datos, incluyendo los datos de encuestas, de bases de datos corporativas o de datos descargados de la web. Ejecute el procedimiento GLMM con valores originales para desarrollar modelos más precisos cuando predicen resultados no lineales, como saber si el nivel de satisfacción de un cliente entrará en la categoría baja, media o alta.

Procedimientos de análisis de supervivencia

Elija entre un conjunto de herramientas flexible y completo para entender eventos tales como tasa de fracaso parcial, mortalidad o supervivencia. Utilice las estimaciones Kaplan-Meier para medir el tiempo que transcurre hasta un evento. Seleccione la regresión de Cox para realizar regresiones de riesgo proporcional que utilizan como variable dependiente el tiempo de respuesta o la duración de la respuesta.

Detalles técnicos

Requisitos de software

IBM SPSS Advanced Statistics requiere de una licencia válida de IBM SPSS Statistics Base license.

  • Requisito previo: IBM SPSS Statistics

Requisitos de hardware

  • Procesador: 2 GHz o más rápido
  • Monitor: 1024*768 o superior
  • Memoria: son necesarios 4 GB de RAM, se recomiendan 8 GB de RAM o más
  • Espacio en el disco: 2 GB o más

Vea cómo funciona