Testez la fonctionnalité Catégories grâce à une version d'essai complète de SPSS ou contactez-nous pour l'acheter
IBM SPSS Categories vous permet de visualiser et d’explorer les relations entre vos données, en vous aidant à anticiper les résultats en fonction de vos conclusions. Il utilise des techniques de régression catégorielle pour anticiper les valeurs d’une variable de sortie nominale, ordinale ou numérique à partir d’une combinaison de variables de prédicteur indépendant numériques et ordonnées ou non ordonnées. Le logiciel inclut des fonctionnalités statistiques telles que l’analyse prédictive, l’apprentissage statistique, le mappage perceptuel et le dépliage multidimensionnel.
Ce module est inclus dans l’édition IBM SPSS Statistics Professional pour une utilisation sous licence traditionnelle et dans le cadre du module complémentaire IBM SPSS Complex Sampling and Testing pour les plans d’abonnement.
Utilisez SPSS Categories pour effectuer une analyse des correspondances, ce qui facilite l’analyse et la visualisation des différences entre les catégories.
Intégrez des informations supplémentaires en définissant des attributs personnalisés pour les variables. Cela vous permet d’ajouter du contexte ou des métadonnées supplémentaires non capturées par les étiquettes standard, les valeurs de mesure ou les valeurs manquantes. Ces attributs peuvent stocker des informations supplémentaires, telles que des notes descriptives, des unités de mesure ou des schémas de codage, fournissant ainsi davantage de contexte pour l’analyse des données.
Utilisez la normalisation symétrique pour produire un tracé double afin de mieux visualiser les associations.
Analysez et interprétez plus efficacement vos données multivariées et leurs relations grâce à une analyse approfondie des données. Par exemple, déterminez quelles sont les caractéristiques des consommateurs les plus étroitement associées à votre produit ou à votre marque dans votre jeu de données, ou déterminez comment les clients perçoivent vos produits par rapport aux autres produits que vous proposez ou à ceux de vos concurrents.
Anticipez les valeurs d’une variable de sortie nominale, ordinale ou numérique à partir d’une combinaison de variables de prédicteur indépendant numériques, ordonnées ou non ordonnées. Utilisez la régression avec une mise à l’échelle optimale pour décrire, par exemple, comment la satisfaction au travail peut être anticipée à partir de la catégorie d’emploi, de la région géographique et du nombre de déplacements liés au travail.
Quantifiez les variables de manière à maximiser le R multiple. Le codage optimal peut être appliqué aux variables numériques lorsque les valeurs résiduelles sont anormales ou lorsque les variables de prédicteur ne sont pas liées de manière linéaire à la variable de sortie. Les méthodes de régularisation telles que la régression Ridge, Lasso et Elastic net peuvent améliorer la précision des prévisions en stabilisant les estimations des paramètres.
Utilisez des techniques de réduction des dimensions pour visualiser les relations dans vos données. Les graphiques récapitulatifs affichent des variables ou des catégories similaires pour vous fournir des informations sur les relations entre plus de deux variables.
Les techniques comprennent l’analyse de correspondance (CORRESPONDENCE), la régression catégorielle (CATREG), l’analyse de correspondance multiple (MULTIPLE CORRESPONDENCE), la CATPCA, la corrélation canonique non linéaire (OVERALS), le positionnement multidimensionnel (PROXSCAL) et le dépliage multidimensionnel (PREFSCAL).
- Pour le déploiement sur site : achetez l’édition Professional.
- Pour les plans d’abonnement : achetez le module complémentaire Complex Sampling and Testing.
- Processeur : 2 GHz ou supérieur
- Affichage : 1024*768 ou supérieur
- Mémoire : 4 Go de RAM requis, 8 Go de RAM ou supérieur recommandé
- Espace disque : 2 Go et plus