IBM SPSS Categories

Utilizza l'analisi delle corrispondenze per visualizzare più facilmente e analizzare le differenze tra le categorie.

Incorpora informazioni supplementari su ulteriori variabili.

Usa la normalizzazione simmetrica per produrre un biplot in modo da vedere meglio le associazioni.

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.

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.

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.

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.

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).