Uji Advanced Statistics dengan uji coba SPSS berfitur lengkap
IBM SPSS Advanced Statistics menyediakan rangkaian lengkap alat analisis univariat dan multivariat untuk mengungkap insight yang lebih dalam dari data Anda, termasuk:
Modul ini tersedia dalam edisi Standar SPSS untuk penggunaan lisensi tradisional dan sebagai bagian dari IBM SPSS Custom Tables dan add-on IBM SPSS Advanced Statistics untuk paket berlangganan.
Menggambarkan hubungan antara variabel dependen dan satu set variabel independen. Terapkan opsi desain dan kontras yang fleksibel untuk memperkirakan rata-rata dan varians serta menguji dan memprediksi rata-rata. Memadukan dan mencocokkan prediktor kategorikal dan kontinu untuk membangun model. Gunakan model campuran linier untuk akurasi yang lebih tinggi saat memprediksi hasil nonlinier. Merumuskan lusinan model, termasuk desain split-plot, model bertingkat dengan kovarians efek tetap dan desain blok lengkap acak.
Menyediakan kerangka kerja pemersatu yang mencakup model linear klasik dengan variabel dependen yang terdistribusi secara normal, model logistik dan probit untuk data biner, dan model loglinear untuk jumlah data, serta berbagai model tipe regression nonstandar lainnya. Menerapkan berbagai model statistik umum, termasuk regression ordinal, regression Tweedie, regression Poisson, regression Gamma, dan regression binomial negatif.
Model mean, varian dan kovarian dalam data yang menampilkan korelasi dan variabilitas yang tidak konstan. Merumuskan lusinan model, termasuk desain split-plot, model bertingkat dengan kovarians efek tetap dan desain blok lengkap acak. Pilih dari 11 jenis kovarians non-spasial. Meningkatkan akurasi dengan data pengukuran berulang, termasuk situasi dengan jumlah pengukuran berulang yang berbeda, interval yang berbeda untuk kasus yang berbeda, atau keduanya.
Memperluas model linear umum untuk mengakomodasi data longitudinal yang berkorelasi dan data yang terkelompok. Korelasi model dalam mata pelajaran.
Mengakses, mengelola, dan menganalisis hampir semua jenis kumpulan data, termasuk data survei, basis data perusahaan, atau data yang diunduh dari web. Jalankan prosedur GLMM dengan nilai ordinal untuk membangun model yang lebih akurat saat memprediksi hasil nonlinier, seperti apakah tingkat kepuasan pelanggan akan masuk dalam kategori rendah, sedang, atau tinggi.
Pilih dari serangkaian teknik yang fleksibel dan komprehensif untuk memahami kejadian terminal seperti kegagalan komponen, kematian, atau tingkat kelangsungan hidup. Gunakan estimasi Kaplan-Meier untuk mengukur lamanya waktu suatu peristiwa. Pilih regresi Cox untuk melakukan regresi hazard proporsional dengan respon waktu ke respon atau respon durasi sebagai variabel dependen.