IBM SPSS Advanced Statistics

Beschreiben Sie die Beziehung zwischen einer abhängigen Variable und einer Reihe von unabhängigen Variablen. Verwenden Sie hierfür flexible Design- und Kontrastoptionen, um Durchschnittswerte und Varianzen zu schätzen und Durchschnittswerte zu testen und vorherzusagen. Stellen Sie nach Bedarf kategoriale und stetige Prädiktoren zusammen, um Modelle zu erstellen. Verwenden Sie lineare gemischte Modelle, um bei der Vorhersage nicht linearer Ergebnisse eine höhere Genauigkeit zu erzielen. Formulieren Sie Dutzende von Modellen, einschließlich Split-plot-Design, Modelle mit mehreren Ebenen und Kovarianz mit fixen Effekten sowie randomisiertes vollständiges Blockdesign.

Stellen Sie ein verbindendes Framework bereit, das klassische lineare Modelle mit normal verteilten abhängigen Variablen, Logistik- und Probit-Modelle für binäre Daten und loglineare Modelle für Zähldaten sowie verschiedene andere vom Standard abweichende Regressionsmodelle umfasst. Wenden Sie viele allgemeine statistische Modelle an, einschließlich ordinaler Regression, Tweedie-Regression, Poisson-Regression, Gamma-Regression und negativer binomialer Regression.

Modellmittelwerte, Varianzen und Kovarianzen in Daten, die Korrelationen und nicht konstante Variabilität anzeigen. Formulieren Sie Dutzende von Modellen, einschließlich Split-plot-Design, Modelle mit mehreren Ebenen und Kovarianz mit fixen Effekten sowie randomisiertes vollständiges Blockdesign.Wählen Sie aus elf nicht räumlichen Kovarianztypen. Verbessern Sie die Genauigkeit mit Messwiederholungsdaten (einschließlich Situationen mit unterschiedlichen Anzahlen an Messwiederholungen) und/oder unterschiedlichen Intervallen für unterschiedliche Fälle.

Erweitern Sie verallgemeinerte lineare Modelle so, dass sie korrelierte Longitudinaldaten und in Gruppen zusammengefasste Daten aufnehmen. Modellieren Sie Korrelationen innerhalb von Subjekten.

Sie können auf Datasets nahezu jeder Art zugreifen, sie verwalten und analysieren, einschließlich Umfragedaten, Unternehmensdatenbanken, aus dem Web heruntergeladene Daten. Führen Sie die GLMM-Prozedur mit ordinalen Werten aus, um genauere Modelle zu erstellen, wenn nicht lineare Ergebnisse vorhergesagt werden, z. B. ob die Kundenzufriedenheit in die Kategorie "Niedrig", "Mittel" oder "Hoch" fallen wird.

Klicken Sie auf nachstehenden Link, um eine PDF mit allen Modulen und Funktionen in den Lizenzversionen aufzurufen.

Wählen Sie aus zwei Bereitstellungsoptionen aus: traditionelle Lizenz oder Subskription. Dieses Modul ist Teil der traditionellen SPSS Statistics-Lizenzpakete. Wenn Sie SPSS Statistics-Pakete vergleichen und erfahren möchten, wo sich dieses Modul einfügt, klicken Sie auf nachstehenden Produktseitenlink. Module sind nur mit traditionellen Lizenzversionen kompatibel. Die Subskriptionsversion schließt die gleichen Funktionen in drei optionalen Subskriptions-Add-ons ein.

Wählen Sie aus einer flexibel einsetzbaren und umfassenden Reihe von Verfahren, um terminale Ereignisse wie Teileschaden, Schaden mit Todesfolge oder Fortbestandsraten besser zu verstehen. Nutzen Sie Kaplan-Meier-Schätzungen, um die Zeitdauer eines Ereignisses zu messen. Nutzen Sie die Cox-Regression, um proportionale Hazard-Regressionen mit "time-to-response" oder "duration response" als abhängigen Variablen durchführen zu können.