IBM® SPSS® Regressionを使用すると、分類的結果を予測し、さまざまな非線形回帰プロシージャーを適用できます。これらのプロシージャーは、通常の回帰手法では限界があるか不適切なビジネス・プロジェクトや分析プロジェクトに使用できます。これには、消費者の購買習慣、治療への反応、クレジット・リスクの分析などの研究が含まれます。このソリューションは、分析プロセスのデータ分析段階でSPSS Statisticsのケイパビリティーを拡張するのに役立ちます。
このモジュールは、SPSS Standard、Professional、Premiumに含まれています。
12カ月の自動更新を選択すると、サブスクリプションとアドオンが10％割引になります。
ソリューションの概要を読む
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。これは線形回帰モデルに似ていますが、従属変数が二分的であり、二項分布に従うと想定されるモデルに適しています。推定された係数を使用して、モデル内の各独立変数のオッズ比を推定できます。
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。ロジット・モデルでは、結果の対数オッズが予測変数の線形結合としてモデル化されます。
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。線形モデルの推定に限定される従来型の線形回帰とは異なり、非線形回帰は、独立変数と従属変数の間の任意の関係を持つモデルを推定することができます。これは、繰り返し推定アルゴリズムを使用して実現します。
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応答の効力を分析します。このプロシージャーでは、刺激の強さと、その刺激に対して特定の応答を示すケースの比率との関係を測定します。これは、いくつかの独立変数のレベルによって影響を受ける、または引き起こされると考えられる二値出力がある状況に役立つもので、特に実験データに適しています。
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、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。計算された値は誤差と相関のない変数に基づいているため、2段階モデルの結果は最良とされます。
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。重み付け推定プロシージャーでは、さまざまな重み変換をテストし、どれがデータに最もよく適合するかを示します。
予測子変数（独立変数）の集合と、ターゲット変数（従属変数）の特定のパーセンタイル（または「分位数」 ）（多くの場合中央値）の関係をモデル化します。分位点回帰は、通常の最小2乗回帰よりも2つの主なメリットがあります。それは、ターゲット変数の分布について仮定をしないこと、および範囲外の観察の影響に抵抗する傾向があることです。