IBM SPSS Categories

Utilice el análisis de correspondencias para mostrar y analizar más fácilmente las diferencias entre categorías.

Incorpore información complementaria sobre variables adicionales.

Utilice la normalización simétrica para generar un diagrama de dispersión biespacial que le permita ver mejor las asociaciones.

Aproveche las herramientas para analizar e interpretar los datos multivariados y sus relaciones de forma más completa. Por ejemplo, comprenda qué características relacionan más los clientes con su producto o marca, o bien determine la percepción que tienen los clientes de sus productos en comparación con otros que ofrezca o de la competencia.

Prevea los valores de una variable de resultado nominal, ordinal o numérica a partir de una combinación de variables de predictor categórico ordenadas o desordenadas y numéricas. Utilice la regresión con el escalado óptimo para describir, por ejemplo, cómo prever la satisfacción laboral a partir de la categoría de trabajo, la región geográfica y la cantidad de viajes relacionados con el trabajo.

Cuantifique las variables para maximizar Multiple R. El escalado óptimo se puede aplicar a variables numéricas cuando los residuales son no normales o cuando las variables del predictor no están linealmente relacionadas con la variable de resultado. Los métodos de regularización, como la regresión de Ridge, Lasso y Elastic Net, pueden mejorar la precisión de las predicciones mediante la estabilización de las estimaciones de parámetros.

Utilice técnicas de reducción de dimensiones para ver 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.

Las técnicas incluyen análisis de correspondencias (CORRESPONDENCE), regresión categórica (CATREG), análisis de correspondencia múltiple (MULTIPLE CORRESPONDENCE), CATPCA, correlación canónica no lineal (OVERALS), escalado de proximidad (PROXSCAL) y escalado de preferencia (PREFSCAL).