Pruebe Categories con una prueba SPSS completa o póngase en contacto con nosotros para comprarlo
IBM SPSS Categories le permite visualizar y explorar las relaciones en sus datos y pronosticar resultados en función de su análisis estadístico. Utiliza técnicas 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 procedimientos estadísticos como análisis predictivo, aprendizaje estadístico, mapeo perceptual y escalado de preferencias.
Este módulo está incluido en la edición IBM SPSS Statistics Professional para uso con licencia tradicional y como parte del complemento IBM SPSS Complex Sampling and Testing para planes de suscripción.
Utilice SPSS Categories para realizar análisis de correspondencia, lo que facilita la visualización y el análisis de las diferencias entre categories.
Incorpore información complementaria definiendo atributos personalizados para las variables. Esto le permite añadir contexto o metadatos adicionales no capturados por etiquetas estándar, valores de medición o valores omitidos. Estos atributos pueden almacenar más información, como notas descriptivas, unidades de medida o esquemas de codificación, proporcionando más contexto para el análisis de datos.
Utilice la normalización simétrica para producir un diagrama de dispersión biespacial para poder ver mejor las asociaciones.
Analice e interprete sus datos multivariantes y sus relaciones de forma más eficaz mediante un análisis de datos en profundidad. Por ejemplo, comprenda qué características de los consumidores están más estrechamente asociadas con su producto o marca en su conjunto de datos, o compare las percepciones de los clientes sobre sus productos con los que ofrece usted o sus competidores.
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).
- Para entornos locales: compre la edición Professional.
- Para planes de suscripción: compre el complemento Complex Sampling and Testing.
- Procesador: 2 GHz o superior
- Pantalla: 1024x768 o superior
- Memoria: 4 GB de RAM necesarios, 8 GB de RAM o más recomendados
- Espacio del disco: 2 GB o más