フル機能のSPSSトライアル版でRegressionを試す
IBM® SPSS Regressionは、分類的結果の予測や回帰モデルの作成、モデル要約の分析、さまざまな非線形回帰手法のデータセットへの適用を可能にします。これにより、消費者の購買行動、治療への反応、診断手法の有効性、信用リスク分析など、通常の回帰分析や一般的なデータ分析手法では制約がある、あるいは適していないような状況でも対応できます。
消費者の購買習慣を分析し、マーケティング・ストラテジーと顧客満足度を最適化しましょう。
服薬反応を分析して、ケアの質を改善し、患者の転帰を改善します。
信用リスクと外れ値を評価し、対象を絞ったオファーを通じてカスタマー・リレーションシップを強化します。
学業成績テストを測定し、機関の研究をサポートします。
顧客の行動を調査して、パーソナライズされたオファーを作成します。
市民サービスと安全性を向上します。納税義務の遵守状況を評価し、不正行為を最小限に抑え、脅威を軽減します。
一連の予測子変数の値に基づいて、特性または2進数結果の存在または不在を予測します。
ロジット・リンク関数を使用して、一連の予測子の多項順序応答の依存性をモデル化します。
一連の予測変数の値に基づいて対象者を分類します。このタイプの回帰はロジスティック回帰に似ていますが、従属変数が2つのカテゴリーに制限されないため、より一般的なものです。
従属変数と一連の独立変数との間の関係の非線形モデルを見つけます。
プロビットおよびロジット応答モデリングを使用して、薬の投与量、価格、インセンティブなどの刺激に対する反応の強さを分析します。この手法は、刺激の強さと、それに対して特定の反応を示すケースの割合との関係を測定します。
最初の段階では、誤差項と相関のない操作変数を使用して、1つ以上の問題のある予測子の推定値を計算します。第2段階では、これらの計算値を使用して従属変数の線形回帰モデルを推定します。
時間ベースのデータで発生する可能性のある予測子変数と誤差項の間の相関関係を管理します。重み推定手法は、さまざまな重み変換をテストし、どの変換がデータに最も適合するかを示します。
新しい線形エラスティック・ネット拡張手法は、1つ以上の独立変数に対する従属変数の正則化線形回帰モデルを推定します。
新しい線形ラッソ拡張手法は、1つ以上の独立変数に対する従属変数の正則化線形回帰モデルにおいて、L1損失を推定します。
新しい線形リッジ拡張手法は、1つ以上の独立変数に対する従属変数の正則化線形回帰モデルにおいて、L2損失（または二乗損失）を推定します。
脚注
* ユーザー・レビューは、インセンティブを介して収集されている場合があります。