Add-on-Module

SPSS® Statistics Basis-Edition

ADP Bereitet Daten automatisch für die Modellierung vor

ALSCAL. Multidimensionale Skalierung (MDS) und multidimensionale Entfaltung (MDU) unter Verwendung eines Algorithmus für alternierende kleinste Quadrate.

Bootstrap. Bootstrapping ist eine Alternative zu parametrischen Schätzungen, wenn die Annahmen dieser Methoden unbestätigt sind oder wenn eine parametrische Inferenz unmöglich ist oder sehr komplizierte Formeln zur Berechnung von Standardfehlern erfordert.

Cluster. Hierarchische Gruppierungen von Elementen, die auf Distanzmaßen von Unähnlichkeit oder Ähnlichkeit basieren Die Elemente, die in Gruppen zusammengefasst werden, sind in der Regel Fälle, obwohl Variablen auch in Gruppen zusammengefasst werden können.

Codebuch. Dokumentiert die Wörterverzeichnisinformationen wie Variablennamen, Variablenbeschriftungen, Wertbeschriftungen, fehlende Werte und Auswertungsstatistiken für alle oder angegebene Variablen und Mehrfachantwortsets im aktiven Dataset.

Korrelationen. Pearson-Korrelationen mit Signifikanzniveaus, univariaten Statistiken, Kovarianzen und Kreuzproduktabweichungen

Kreuztabellen. Kreuztabellen (Kontingenztabellen) und Zusammenhangsmaße.

Kurvenanpassung. Passt ausgewählte Kurven an ein Liniendiagramm an.

Deskriptive Statistiken. Univariate Statistik, einschließlich Mittelwert, Standardabweichung und Bereich.

Detectanomaly (Detectanomaly). Sucht anhand von Abweichungen von den Normwerten der Gruppe nach ungewöhnlichen Fällen.

Diskriminanz. Klassifiziert Fälle in eine von mehreren sich gegenseitig ausschließenden Gruppen basierend auf ihren Werten für ein Set von Prädiktorvariablen.

Prüfen. Deskriptive Statistiken, Stamm-Blatt-Diagramme, Histogramme, Boxplots, Normalverteilungsdiagramme, robuste Lageschätzungen und Tests auf Normalverteilung.

Faktor. Bestimmt die zugrunde liegenden Variablen oder Faktoren, welche die Korrelationsmuster innerhalb eines Sets beobachteter Variablen erklären.

Häufigkeiten. Tabellen mit Häufigkeiten und Prozentsätzen sowie univariaten Statistiken, einschließlich Mittelwert, Median und Modus.

Diagramm. Balkendiagramme, Kreisdiagramme, Liniendiagramme, Histogramme, Streudiagramme usw.

KNN. Klassifiziert und prognostiziert Fälle auf der Basis der Werte "nächster benachbarter" Fälle.

Linear. Erstellt ein Vorhersagemodell für ein stetiges Ziel.

Liste. Einzelfallliste.

Mittelwerte. Gruppenmittelwerte und zugehörige univariate Statistiken für abhängige Variablen in Kategorien von mindestens einer unabhängigen Variablen.

MehrAntworten. Häufigkeitstabellen und Kreuztabellen für Mehrfachantwortdaten.

Nicht parametrisch. Sammlung von nicht parametrischen Tests bei einer Stichprobe, unabhängigen Stichproben und zugehörigen Stichproben.

Nicht-par-korr.. Rangkorrelationskoeffizienten: Spearman-Rho und Kendall-Tau-b mit Signifikanzniveaus.

NPAR-Tests. Sammlung von nicht parametrischen Tests bei einer Stichprobe, unabhängigen Stichproben und zugehörigen Stichproben.

OLAP-Würfel. Auswertungsstatistik für metrische Variablen in Kategorien, die durch mindestens eine kategoriale Gruppierungsvariable definiert sind.

Unidirektional. Einfaktorielle Varianzanalyse.

Optimale Klassierung. Diskretisiert metrische Klassierungseingabevariablen, um Kategorien zu erzeugen, die in Bezug auf die Beziehung jeder Klassierungseingabevariablen zu einer angegebenen kategorialen Führungsvariablen "optimal" sind.

Partielle Korrelation. Partielle Korrelationskoeffizienten zwischen zwei Variablen, die an die Effekte einer oder mehrerer zusätzlicher Variablen angepasst werden.

Pflaume. Analysiert die Beziehung zwischen einer polytomen ordinalen abhängigen Variablen und einem Set von Prädiktoren.

Ähnlichkeiten. Maße für Ähnlichkeit, Unähnlichkeit oder Distanz zwischen Paaren von Fällen oder Variablenpaaren.

Schnelle Clustererstellung. Wenn die gewünschte Anzahl von Clustern bekannt ist, gruppiert diese Prozedur Fälle effizient in Cluster.

Verhältnisstatistik. Deskriptive Statistik für das Verhältnis zwischen zwei Variablen.

Regression. Multiple Regressionsgleichungen und zugehörige Statistiken und Diagramme.

Zuverlässigkeit. Schätzt Zuverlässigkeitsstatistiken für die Komponenten von additiven Skalen mit mehreren Items.

Bericht. Einzelfalllisten-und Gruppenzusammenfassungsstatistiken.

ROC. ROC-Kurve (Receiver Operating Characteristic) und eine Schätzung der Fläche unter der Kurve.

Simplan. Erstellt einen Simulationsplan zur Verwendung mit dem Befehl Simrun.

Simprep-Start-Simprep-Ende. Gibt einen Block von Rechenanweisungen und Variablendefinitionsanweisungen an, die ein angepasstes Modell für den Simplan-Befehl erstellen.

Simrun. Führt eine Simulation auf der Basis eines Simulationsplans aus, der mit dem Befehl Simplan erstellt wurde.

Zusammenfassung. Einzelfalllisten-und Gruppenzusammenfassungsstatistiken.

TTest. T-Tests bei einer Stichprobe, unabhängigen Stichproben und Stichproben mit paarigen Werten.

Twostep-Cluster. Gruppiert Beobachtungen auf der Basis eines Nahheitskriteriums in Cluster. Die Prozedur verwendet eine hierarchische agglomerative Clusterprozedur, bei der einzelne Fälle nacheinander zu Clustern kombiniert werden, deren Zentren weit voneinander entfernt sind.

Unianova Regressionsanalyse und Varianzanalyse für eine abhängige Variable nach einem oder mehreren Faktoren und/oder Variablen.

Validierte Daten. Identifiziert verdächtige und ungültige Fälle, Variablen und Datenwerte im aktiven Dataset.

Xgraph. Erstellt 3-D-Balkendiagramme, Bevölkerungspyramiden und Punktdiagramme.

Custom Tables und Advanced Statistics

2SLS. Zweistufige Regression der kleinsten Quadrate.

Coxreg Cox proportionale Hazard-Regression zur Analyse der Überlebenszeiten.

Tabellen. Erstellt Tabellen in einer, zwei oder drei Dimensionen und bietet eine große Flexibilität bei der Organisation und Anzeige des Inhalts.

Genlin Verallgemeinertes lineares Modell. Genlin ermöglicht es Ihnen, ein breites Spektrum von "verallgemeinerten" Modellen anzupassen, bei denen die Verteilung des Fehlerbegriffs nicht normal sein muss und die Beziehung zwischen der abhängigen Variablen und Prädiktoren nur durch eine angegebene Transformation linear sein muss.

Genlinmixed Verallgemeinerte lineare gemischte Modelle erweitern das lineare Modell, sodass das Ziel über eine angegebene Verknüpfungsfunktion linear zu den Faktoren und Kovariaten in Beziehung steht, das Ziel eine Nichtnormalverteilung aufweisen kann und die Beobachtungen korreliert werden können. Verallgemeinerte lineare gemischte Modelle decken eine breite Palette verschiedener Modelle ab, von einfacher linearer Regression bis hin zu komplexen Mehrebenenmodellen für nicht normalverteilte Longitudinaldaten.

Genlog. Eine allgemeine Prozedur für Modellanpassung, Hypothesentests und Parameterschätzung für jedes Modell, das kategoriale Variablen als Hauptkomponenten aufweist.

GLM. Allgemeines lineares Modell. Eine allgemeine Prozedur für die Analyse von Varianz und Kovarianz sowie Regression.

Hiloglinear. Passt hierarchische loglineare Modelle mithilfe eines iterativen Algorithmus zur proportionalen Anpassung an mehrdimensionale Kontingenztabellen an.

KM. Kaplan-Meier-Verfahren (Produktlimit) zur Beschreibung und Analyse der Zeitdauer bis zum Auftreten eines Ereignisses.

Logistische Regression. Regiert eine dichotome abhängige Variable auf einer Gruppe unabhängiger Variablen.

Gemischt. Das gemischte lineare Modell erweitert das allgemeine lineare Modell, das in der GLM-Prozedur verwendet wird, indem die Daten Korrelation und nicht konstante Variabilität aufweisen dürfen.

Nomreg Passt ein multinomiales Logit-Modell an eine polytome nominale abhängige Variable an.

NLR, CNLR. Nicht lineare Regression wird verwendet, um Parameterwerte und Regressionsstatistiken für Modelle zu schätzen, die in ihren Parametern nicht linear sind.

Überleben. Versicherungsmathematische Tabellen, Diagramme und zugehörige Statistiken.

Varcomp. Schätzt Varianzkomponenten für gemischte Modelle.

WLS Gewichtete kleinste Quadrate. Schätzt Regressionsmodelle mit unterschiedlichen Gewichtungen für verschiedene Fälle.

Forecasting und Decision Trees

MLP Passt das flexible Vorhersagemodell für eine oder mehrere Zielvariablen an, die kategorial oder metrisch sein können, basierend auf den Werten von Faktoren und Kovariaten.

RBF Passt das flexible Vorhersagemodell für eine oder mehrere Zielvariablen an, die kategorial oder metrisch sein können, basierend auf den Werten von Faktoren und Kovariaten. Trainiert im Allgemeinen schneller als MLP zu den geringen Kosten einiger Modellflexibilität.

Saison. Schätzt multiplikative oder additive saisonale Faktoren.

Spektren. Schätzungen der Periodogramm-und Spektraldichtefunktion für eine oder mehrere Zeitreihen.

Tsapply Lädt vorhandene Zeitreihenmodelle aus einer externen Datei und wendet sie auf Daten an.

TsModell. Schätzt Modelle für exponentielles Glätten, univariate autoregressive Integrated Moving Average (ARIMA) und multivariate ARIMA (oder Transferfunktionsmodelle) für Zeitreihen und erzeugt Vorhersagen.

Baumstruktur. Baumbasierte Klassifikationsmodelle.

Sampling and Testing

Catreg Kategoriale Regression mit optimaler Skalierung mit alternierenden kleinsten Quadraten.

CatPCA. Hauptkomponentenanalyse.

Konjoint. Analysiert Score-oder Rangdaten aus Conjoint-Studien mit vollständigem Konzept.

CSPlan. Erstellt eine Design-oder Analysespezifikation für komplexe Stichproben.

CSSelect. Wählt komplexe, wahrscheinlichkeitsbasierte Stichproben aus einer Grundgesamtheit aus.

CS-Beschreibungen. Schätzt Mittelwerte, Summen und Verhältnisse und berechnet ihre Standardfehler, Designeffekte, Konfidenzintervalle und Hypothesentests.

CSTabulat. Häufigkeitstabellen und Kreuztabellen sowie zugehörige Standardfehler, Designeffekte, Konfidenzintervalle und Hypothesentests.

CSGLM. Lineare Regressionsanalyse und Analyse von Varianz und Kovarianz.

CSLogistik. Logistische Regressionsanalyse für eine binäre oder multinomiale abhängige Variable unter Verwendung der verallgemeinerten Verknüpfungsfunktion.

CSOrdinal. Passt ein kumulatives Quotenmodell an eine ordinale abhängige Variable für Daten an, die gemäß einem komplexen Stichprobendesign erfasst wurden.

Overalls. Nicht lineare kanonische Korrelationsanalyse für zwei oder mehr Sets von Variablen

Korrespondenz . Zeigt die Beziehungen zwischen Zeilen und Spalten einer Zweiwegtabelle grafisch durch eine Streudiagrammmatrix an.

Mehrfachkorrespondenz. Quantifiziert nominale (kategoriale) Daten, indem den Fällen (Objekten) und Kategorien numerische Werte zugewiesen werden, sodass Objekte in derselben Kategorie nahe beieinander liegen und Objekte in verschiedenen Kategorien weit auseinander liegen.

Mehrfache Imputation. Führt mehrere Imputationen fehlender Werte durch. Viele andere Verfahren können ein mehrfach imputiert Dataset analysieren, um gepoolte Ergebnisse zu erzeugen, die genauer sind als die von MVA erzeugten einzeln imputierten Datasets.

MVA Analyse fehlender Werte. Beschreibt Muster fehlender Werte und Schätzungen (imputiert) fehlender Werte.

Orthoplan. Orthogonaler Haupteffektplan für eine Conjoint-Analyse mit vollständigem Konzept.

Plankarten. Full-Concept-Profile oder -Karten aus einer Plandatei für die Conjoint-Analyse

Proxskal. Multidimensionale Skalierung von Ähnlichkeitsdaten, um eine Darstellung der kleinsten Quadrate der Objekte in einem niedrigdimensionalen Raum zu finden.