IBM SPSS Categories le permite visualizar y explorar relaciones en sus datos y pronosticar resultados en función de sus hallazgos. Utiliza procedimientos de regresión categórica para pronosticar los valores de una variable de resultado nominal, ordinal o numérica a partir de una combinación de variables predictoras categóricas numéricas y ordenadas o desordenadas. El software cuenta con técnicas avanzadas como análisis predictivo, aprendizaje estadístico, mapeo perceptual y escalado de preferencias.
Este módulo está incluido en la edición SPSS Statistics Professional local y en el complemento “Complex sampling and testing” para planes de suscripción.
Utilice el análisis de correspondencias para mostrar y analizar las diferencias entre categorías con mayor facilidad.
Incorpore información complementaria sobre variables adicionales.
Utilice la normalización simétrica para producir un diagrama de dispersión biespacial para poder ver mejor las asociaciones.
Benefíciese de herramientas que le ayudarán a analizar e interpretar sus datos multivariantes y sus relaciones de forma más completa. Por ejemplo, comprenda con qué características se relacionan más estrechamente los consumidores en términos de su producto o marca, o determine la percepción del cliente sobre sus productos comparados con otros productos que usted o sus competidores ofrecen.
Pronostique los valores de una variable de resultado nominal, ordinal o numérica a partir de una combinación de variables predictoras categóricas numéricas y ordenadas o desordenadas. Utilice la regresión con escala óptima para describir, por ejemplo, cómo se puede pronosticar la satisfacción laboral a partir de la categoría laboral, la región geográfica y la cantidad de viajes relacionados con el trabajo.
Cuantifique las variables para que se maximice la R múltiple. Se puede aplicar una escala óptima a variables numéricas cuando los residuos no son normales o cuando las variables predictivas no están relacionadas linealmente con la variable de resultado. Los métodos de regularización, como la regresión Ridge, el lazo y la red elástica, pueden mejorar la precisión del pronóstico al estabilizar las estimaciones de los parámetros.
Utilice técnicas de reducción de dimensiones para ver las relaciones en sus datos. Los gráficos de resumen muestran variables o categorías similares para brindarle información sobre las relaciones entre más de dos variables.
Las técnicas incluyen análisis de correspondencia (CORRESPONDENCE), regresión categórica (CATREG), análisis de correspondencia múltiple (MULTIPLE CORRESPONDENCE), CATPCA, correlación canónica no lineal (OVERALS), escalado de proximidad (PROXSCAL) y escalado de preferencias (PREFSCAL).