¿Qué puede hacer por su empresa?
IBM® SPSS® Categories le permite visualizar y explorar relaciones en sus datos y predecir los resultados en función de sus conclusiones. Utiliza los procedimientos de regresión categórica para predecir los valores de una variable de resultados ordinales y numéricos a partir de una combinación de variables numéricas predictivas categóricas ordenadas o no ordenadas. El software incluye técnicas avanzadas como análisis predictivo, aprendizaje estadístico, correlación perceptual y escalamiento de preferencias.
Este módulo se incluye en la edición de SPSS Statistics Professional para la instalación en local, y en el complemento "Complex sampling and testing" para planes de suscripción.
Recursos destacados
Analice las diferencias entre las categorías
Utilice el análisis de correspondencias para mostrar y analizar más fácilmente las diferencias entre categorías.
Incorpore información suplementaria
Incorpore información complementaria sobre variables adicionales.
Descubra asociaciones y relaciones
Utilice la normalización simétrica para generar un diagrama de dispersión biespacial que le permita ver mejor las asociaciones.
Trabaje fácilmente con los datos categóricos
Aproveche las herramientas para analizar e interpretar los datos multivariados y sus relaciones de manera más completa. Por ejemplo, comprenda cuáles son las características que los consumidores asocian más estrechamente a su producto y la marca, o para determinar la percepción del cliente con respecto a sus productos en comparación con otros que usted o sus competidores ofrecen.
Utilice los procedimientos de regresión categórica
Prediga los valores de una variable de resultado nominal, ordinal o numérica, a partir de una combinación de variables predictivas categóricas ordenadas o desordenadas. Utilice la regresión con la escala óptima para describir, por ejemplo, cómo se puede predecir la satisfacción a partir de la categoría laboral, región geográfica y la suma de viajes relacionados con el trabajo.
Aproveche la escala óptima
Cuantifique las variables para maximizar Multiple R. Es posible aplicar la escala óptima a las variables cuando los residuales no son normales o cuando las variables predictivas no se relacionan con la variable de resultados. Los métodos de regulación, tales como la regresión Ridge, Lasso y Elastic Net, pueden mejorar la precisión de la predicción al estabilizar las estimaciones de parámetros.
Presente sus resultados claramente, utilizando los mapas de percepción
Utilice las técnicas de reducción de dimensiones para consultar las relaciones en sus datos. Los gráficos de resumen muestran variables o categorías similares para proporcionarle información sobre las relaciones entre más de dos variables.
Obtenga las técnicas de escala óptima y reducción de dimensiones
Las técnicas incluyen el análisis de correspondencia (CORRESPONDENCE), regresión categórica (CATREG), análisis de múltiples correspondencias (MULTIPLE CORRESPONDENCE), CATPCA, correlación canonical no lineal (OVERALS), escala de proximidad (PROXSCAL) y escala de preferencias (PREFSCAL).
Imágenes del producto
Tabla de resultados de datos de correspondencias
Puntos de fila de visión general en la tabla de resultados
Gráficos de dispersión de puntos de fila
Definición de una regresión basada en correspondencia
Detalles técnicos
Requisitos de software
- Para entornos locales: Compre la edición Professional
- Para planes de suscripción: Compre el complemento “Complex sampling and testing”
Requisitos de hardware
- Procesador: 2 GHz o más rápido
- Pantalla: 1024x768 o superior
- Memoria: se necesita de 4 GB de RAM, 8 GB de RAM o más recomendada
- Espacio en disco: 2 GB o más