Scopri tutte le funzioni di modulo nelle versioni di licenza di SPSS Statistics

Scopri tutte le funzioni di modulo nelle versioni di licenza di SPSS Statistics Leggi il prospetto informativo della soluzione (PDF, 437 KB)

Cosa può fare per il tuo business

IBM® SPSS® Regression consente di prevedere i risultati categoriali e applicare diverse procedure di regressione non lineari. Puoi utilizzare queste procedure per progetti di business e di analisi in cui le tecniche di regressione ordinarie sono limitanti o inappropriate. Questo include studiare le abitudini di acquisto dei consumatori, le risposte ai trattamenti o l'analisi del rischio di credito. La soluzione ti aiuta a espandere le capacità di SPSS Statistics per la fase di analisi dei dati del processo analitico.

Questo modulo è incluso nei pacchetti SPSS Standard, Professional e Premium.

Funzioni in evidenza

Regressione logistica binaria

Prevedi la presenza o l'assenza di un risultato caratteristico o binario in base ai valori di una serie di variabili predittive. È simile ad un modello di regressione lineare ma è indicato per i modelli in cui la variabile dipendente è dicotomica e in cui si presume che segua una distribuzione binomiale. I coefficienti stimati possono essere utilizzati per stimare i rapporti di probabilità per ciascuna delle variabili indipendenti nel modello.

Modelli di risposta logit

Utilizza la funzione di link logit per modellare la dipendenza di una risposta ordinale politomica su una serie di predittori. Nel modello di logit, il log-odds del risultato è modellato come una combinazione lineare delle variabili predittive.

Regressione logistica multinomiale

Classifica i soggetti in base ai valori di una serie di variabili predittive. Questo tipo di regressione è simile alla regressione logistica ma è più generale perché la variabile dipendente non è limitata a due categorie.

Regressione non lineare

Trova un modello non lineare del rapporto tra la variabile dipendente e una serie di variabili indipendenti. A differenza della regressione lineare tradizionale, che si limita a stimare modelli lineari, la regressione non lineare può stimare i modelli con relazioni arbitrarie tra variabili indipendenti e dipendenti. Ciò si ottiene utilizzando gli algoritmi di stima iterativi.

Analisi delle risposte probit

Utilizza la modellazione delle risposte probit e logit per analizzare la valenza delle risposte agli stimoli, come dosi dei farmaci, prezzi o incentivi. Questa procedura misura il rapporto tra la forza di uno stimolo e la percentuale di casi che esibisce una certa risposta allo stimolo. È utile per le situazioni in cui hai un output dicotomico che si pensa sia influenzato o causato dai livelli di alcune variabili indipendenti ed è particolarmente adatta ai dati sperimentali.

Minimi quadrati in due fasi

Nella prima fase, utilizza variabili strumentali non correlate con i termini di errore per calcolare i valori stimati del predittore o dei predittori problematici. Nella seconda fase, utilizza quei valori calcolati per stimare un modello di regressione lineare della variabile dipendente. Poiché i valori calcolati sono basati su variabili non correlate agli errori, i risultati del modello in due fasi sono ottimali.

Minimi quadrati ponderati

Controlla le correlazioni tra le variabili predittive e i termini di errore che possono verificarsi con i dati basati sul tempo. La procedura di stima del peso prova una serie di trasformazioni del peso e indica quale darà il miglior adattamento ai dati.

Regressione quantile

Modella la relazione tra una serie di variabili predittive (indipendenti) e percentili specifiche (o "quantili") di una variabile di destinazione (dipendente), nella maggior parte dei casi la mediana. La regressione quantile ha due vantaggi principali rispetto alla regressione dei minimi quadrati ordinaria: Non fa supposizioni sulla distribuzione della variabile di destinazione e tende a resistere all'influenza delle osservazioni non fa supposizioni sulla distribuzione della variabile target e tende a resistere all'influenza delle osservazioni periferiche.

Immagini del prodotto

Dettagli tecnici

Come comprare SPSS Statistics Regression

  • Per gli ambienti on premises: Aggiungi alla tua SPSS Statistics base edition o acquetta la standard edition
  • Per i piani di sottoscrizione: Acquista il componente aggiuntivo "Custom Tables and Advanced Statistics"

Requisiti hardware

  • Processore: 2 GHz o superiore
  • Schermo: 1.024 x 768 o superiore
  • Memoria: 4 GB di RAM richiesti, 8 GB di RAM o più consigliati
  • Spazio su disco: almeno 2 GB

Next Steps

Prova SPSS Statistics gratuitamente

Acquista ora per iniziare oggi stesso