Cosa può fare per il tuo business
IBM® SPSS® Categories ti consente di visualizzare ed esplorare le relazioni nei tuoi dati e di prevedere i risultati in base a quello che trovi. Utilizza procedure di regressione categoriale per prevedere i valori di una variabile di risultati nominali, ordinali o numerici da una combinazione di variabili dei predittori categoriali numeriche, ordinate e non ordinate. Il software presenta tecniche avanzate quali l'analisi predittiva, l'apprendimento statistico, l'associazione percettiva e lo scaling delle preferenze.
Questo modulo è incluso in SPSS Statistics Professional editionper gli ambienti on premises e nel componente aggiuntivo “Complex sampling and testing” per i piani di abbonamento.
Funzioni in evidenza
Analizzare le differenze tra le categorie
Utilizza l'analisi delle corrispondenze per visualizzare più facilmente e analizzare le differenze tra le categorie.
Integrare informazioni supplementari
Incorpora informazioni supplementari su ulteriori variabili.
Scoprire associazioni e relazioni
Usa la normalizzazione simmetrica per produrre un biplot in modo da vedere meglio le associazioni.
Lavorare in modo semplice con i dati categoriali
Sfrutta gli strumenti per poter analizzare e interpretare in modo facile e completo i dati multivariati e le loro relazioni. Ad esempio, comprendere quali caratteristiche i clienti associano più spesso a un brand o prodotto oppure per determinare la percezione dei prodotti da parte dei clienti, rispetto ad altri prodotti della concorrenza.
Usare procedure di regressione categoriale
Prevedi i valori di una variabile di risultati nominali, ordinali o numerici da una combinazione di variabili dei predittori categoriali numeriche, ordinate e non ordinate. Usa la regressione con scaling ottimale per descrivere, ad esempio, in che modo è possibile prevedere la soddisfazione dei dipendenti partendo da categoria lavorativa, regione geografica e la frequenza di viaggi di lavoro.
Sfruttare lo scaling ottimale
Quantifica le variabili per massimizzare la tecnica Multiple R. Lo scaling ottimale può essere applicato a variabili numeriche quando i residui sono fuori dalla norma o quando le variabili dei predittori non sono correlate in modo lineare alla variabile di risultati. I metodi di regolarizzazione come la regressione di Ridge, Lasso ed Elastic Net possono migliorare la precisione di previsione stabilizzando le stime dei parametri.
Presentare i risultati chiaramente mediante mappe percettuali
Usa le tecniche di riduzione delle dimensioni per vedere le relazioni dei dati. I grafici di riepilogo visualizzano variabili o categorie simili per fornirti insight nelle relazioni tra più di due variabili.
Ottenere le tecniche di riduzione delle dimensioni e scaling ottimale
Le tecniche includono l'analisi delle corrispondenze (CORRESPONDENCE), la regressione categoriale (CATREG), l'analisi delle corrispondenze multiple (MULTIPLE CORRESPONDENCE), CATPCA, correlazione canonica non lineare (OVERALS), scaling di prossimità (PROXSCAL) e scaling delle preferenze (PREFSCAL).
Immagini del prodotto
Dettagli tecnici
Requisiti software
- Per gli ambienti on premises: Acquista la Professional edition
- Per i piani di abbonamento: Acquista il componente aggiuntivo “Complex sampling and testing”
Requisiti hardware
- Processore: 2 GHz o superiore
- Schermo: 1024x768 o superiore
- Memoria: 4 GB di RAM richiesti, 8 GB di RAM o più consigliati
- Spazio su disco: almeno 2 GB