概要

IBM SPSS Categoriesを使用すると、データ内の関係性を視覚化して調査し、そこから得た考察に基づいて結果を予測できます。カテゴリー回帰を使用して、複数の数値および(非)順序カテゴリー型予測変数から、名義型、順序型、または数値型の目的変数の値を予測します。このソフトウェアは、予測分析、統計的学習、知覚マップ、選好尺度などの高度な手法を使用します。

多変量データの解釈

多様な手法を利用して、多変量データとその関係性を従来よりも高いレベルで簡単に分析して解釈します。カテゴリー・データや高次元データによる制約がなくなります。

隠れた関係性の表示

知覚マップ、バイプロット、トリプロットを使用して、明白な関連性をさらに正確に把握します。

名義データと順序データの使用

従来型の回帰、主成分、正準相関のようなプロシージャーを用いて両方のタイプのデータに対する理解を深め、結果を予測して、関係性を解明します。

データの視覚的な把握

スコア、度数、格付け、順位、または類似性を表した大規模なテーブル内の行と列の関係性を確認できます。

結果の明確な表示

扱いにくい表の使用をやめて、知覚マップやバイプロットの手法を使用することで、データ内の関係性を明確に把握できます。

新しい正則化法の追加

Ridge回帰、Lasso、Elastic Netによってパラメーター推計値を安定化することで、予測精度を高めます。

主要な機能

  • カテゴリー間の相違の分析
  • 補足情報の取り込み
  • 関連性と関係性の解明
  • カテゴリー・データの簡単な処理
  • カテゴリー回帰の使用
  • 最適尺度法の活用
  • 知覚マップを使用した結果の明確な表示
  • 最適尺度法と次元縮小手法の取得

製品イメージ

カテゴリー間の相違の分析
カテゴリー間の相違の分析
補足情報の取り込み
補足情報の取り込み
関連性と関係性の解明
関連性と関係性の解明
カテゴリー・データの簡単な処理
カテゴリー・データの簡単な処理
カテゴリー回帰の使用
カテゴリー回帰の使用
最適尺度法の活用
最適尺度法の活用

仕組みを見る

購入・お問い合わせ