IBM SPSS Categoriesを使用すると、データ内の関係を視覚化して調査し、調査結果に基づいて結果を予測できます。分類回帰プロシージャーを使用して、数値と順序付きまたは順不同の分類予測子変数の組み合わせから公称、順序または数値の結果変数の値を予測します。このソフトウェアは、予測分析、統計学習、知覚マッピング、優先スケーリングなどの高度な手法を備えています。
このモジュールは、オンプレミスのSPSS Statisticsプロフェッショナル・エディションと、サブスクリプション・プランの「複合サンプリングとテスト」アドオンに付属します。
対応分析を使って、カテゴリー間の差異をより簡単に表示および分析します。
追加の変数に関する補足情報を取り込みます。
対称正規化を使用してバイプロットを作成すると、関連がわかりやすくなります。
多変量データとその関係をより完全に分析および解釈するのに役立つツールを利用するメリット。たとえば、消費者がお客様の製品やブランドの観点からどの特性に最も緊密に関係しているかを理解したり、お客様や競合他社が提供する他の製品と比較したお客様の製品に対するお客様の認識を判断することができます。
数値と順序付きまたは順不同の分類予測子変数の組み合わせから公称、順序の、または数値の結果変数の値を予測します。最良のスケーリングでの回帰を使用して、たとえば、ジョブ・カテゴリー、地理的領域、作業関連の移動量からジョブ満足度をどのように予測できるかを説明します。
倍数Rが最大になるように変数を定量化します。最良のスケーリングは、残余が非公称のとき、または予測変数が結果変数と直線的に関係しないときに数値変数に適用できます。リッジ回帰、ラッソ、エラスティックネットなどの正則化メソッドは、パラメーター推定値を安定させることで予測精度を向上させることができます。
ディメンション縮小手法を使用して、データ内の関係を確認します。サマリー・チャートには類似の変数またはカテゴリーが表示され、2個を超える変数間の関係についての洞察が得られます。
手法には、対応分析(CORRESPONDENCE)、分類回帰(CATREG)、多重対応分析(MULTIPLE CORRESPONDENCE)、CATPCA、非線形正準相関(OVERALS)、近接スケーリング(PROXSCAL)、優先スケーリング(PREFSCAL)などがあります。