IBM SPSS Categories
Memprediksi hasil dan mengungkapkan hubungan menggunakan data kategorikal. Uji fungsi ini dengan uji coba SPSS dengan fitur lengkap, atau hubungi kami untuk membeli.
Coba SPSS Statistics secara gratis Lihat opsi harga
Layar produk, memprediksi hasil, dan mengungkapkan hubungan
Apa yang dapat dilakukan SPSS Categories untuk bisnis Anda

IBM SPSS Categories memungkinkan Anda memvisualisasikan dan mengeksplorasi hubungan dalam data Anda dan memprediksi hasil berdasarkan temuan Anda. Perangkat lunak ini menggunakan prosedur regresi kategorik untuk memprediksi nilai variabel hasil nominal, ordinal, atau numerik dari kombinasi variabel prediktor kategorik numerik dan terurut atau tidak terurut. Perangkat lunak ini dilengkapi dengan teknik-teknik canggih seperti analisis prediktif, pembelajaran statistik, pemetaan perseptual, dan penskalaan preferensi.

Modul ini disertakan dalam edisi profesional statistik SPSS untuk di tempat, dan dalam add-on "Pengambilan sampel dan pengujian yang rumit" untuk paket langganan.

 

Fitur unggulan
Analisis perbedaan antar kategori

Gunakan analisis korespondensi untuk lebih mudah menampilkan dan menganalisis perbedaan antar kategori.


Memasukkan informasi tambahan

Memasukkan informasi tambahan tentang variabel tambahan.


Mengungkap asosiasi dan hubungan

Gunakan normalisasi simetris untuk menghasilkan biplot sehingga Anda dapat melihat asosiasi dengan lebih baik.


Bekerja dengan mudah dengan data kategorikal

Manfaatkan alat bantu untuk membantu Anda menganalisis dan menginterpretasikan data multivariat dan hubungannya secara lebih lengkap. Misalnya, pahami karakteristik mana yang paling dekat dengan konsumen dalam hal produk atau merek Anda, atau tentukan persepsi pelanggan terhadap produk Anda dibandingkan dengan produk lain yang Anda atau pesaing Anda tawarkan.


Gunakan prosedur regresi kategoris

Memprediksi nilai variabel hasil nominal, ordinal, atau numerik dari kombinasi variabel prediktor numerik dan kategorik terurut atau tidak terurut. Gunakan regresi dengan penskalaan optimal untuk menggambarkan, misalnya, bagaimana kepuasan kerja dapat diprediksi dari kategori pekerjaan, wilayah geografis, dan jumlah perjalanan yang berhubungan dengan pekerjaan.


Manfaatkan penskalaan optimal

Mengukur variabel sehingga Multiple R dimaksimalkan. Penskalaan optimal dapat diterapkan pada variabel numerik ketika residual tidak normal atau ketika variabel prediktor tidak berhubungan linier dengan variabel hasil. Metode regularisasi seperti regresi ridge, laso dan jaring elastis dapat meningkatkan akurasi prediksi dengan menstabilkan estimasi parameter.


Sajikan hasil Anda dengan jelas menggunakan peta persepsi

Gunakan teknik reduksi dimensi untuk melihat hubungan dalam data Anda. Bagan ringkasan menampilkan variabel atau kategori yang serupa untuk memberi Anda wawasan tentang hubungan di antara lebih dari dua variabel.


Dapatkan teknik penskalaan dan pengurangan dimensi yang optimal ini

Teknik-tekniknya meliputi analisis korespondensi (CORRESPONDENCE), regresi kategorikal (CATREG), analisis korespondensi berganda (MULTIPLE CORRESPONDENCE), CATPCA, korelasi kanonik nonlinier (OVERALS), penskalaan kedekatan (PROXSCAL), dan penskalaan preferensi (PREFSCAL).


Detail teknis
Persyaratan perangkat lunak
  • Untuk on premises: Beli edisi profesional
  • Untuk paket Langganan: Beli add-on "Pengambilan sampel dan pengujian yang kompleks"

 

Lihat daftar lengkap persyaratan perangkat lunak

Persyaratan perangkat keras
  • Prosesor: 2 GHz atau lebih cepat
  • Tampilan: 1024x768 atau lebih tinggi
  • Memori: Diperlukan RAM 4 GB, disarankan RAM 8 GB atau lebih
  • Ruang Disk: 2 GB atau lebih
Lihat daftar lengkap persyaratan perangkat keras
Ambil langkah selanjutnya
Coba SPSS Statistics tanpa biaya Bandingkan produk dan harga
Cara lain untuk menjelajahi Dokumentasi Komunitas