IBM® SPSS® Categories를 사용하면 데이터의 관계를 시각화 및 탐색하고 발견한 내용을 바탕으로 결과를 예측할 수 있습니다. SPSS Categories는 범주형 회귀 프로시저를 사용하여 명목형, 순서형 또는 숫자형 결과 변수의 값을 예측하며, 이러한 예측은 숫자 변수와 정렬되거나 정렬되지 않은 범주형 예측 변수의 조합을 기반으로 합니다. 이 소프트웨어는 예측 분석, 통계 학습, 지각 매핑 및 다차원 확장과 같은 고급 기술을 제공합니다.
이 모듈은 온프레미스용 SPSS Statistics Professional 에디션과 구독 요금제의 '복합 표본추출 및 테스트' 추가 기능에 포함되어 있습니다.
자동 갱신으로 12개월 선택 시 구독 및 추가 기능 10% 할인
대응 분석을 사용하여 범주 간의 차이를 더 쉽게 표시하고 분석할 수 있습니다.
추가 변수에 대한 보충 정보를 통합합니다.
대칭 정규화를 사용하여 Bi-플롯을 생성하면 연관성을 더 잘 파악할 수 있습니다.
다변량 데이터와 그 관계를 보다 완벽하게 분석하고 해석하는 데 도움이 되는 툴을 활용해 보세요. 예를 들어 소비자가 제품 또는 브랜드와 관련하여 가장 밀접하게 연관된 특성을 파악하거나, 귀사 또는 경쟁사가 제공하는 다른 제품과 비교하여 귀사 제품에 대한 고객의 인식을 파악할 수 있습니다.
명목형, 순서형 또는 숫자형 결과 변수의 값을 예측하며, 이러한 예측은 숫자 변수와 정렬되거나 정렬되지 않은 범주형 예측 변수의 조합을 기반으로 합니다. 예를 들어 최적화 척도법이 적용된 회귀분석을 사용하여 직종, 지역, 업무 관련 출장 횟수로부터 직무 만족도를 예측하는 방법을 설명할 수 있습니다.
다중 R이 최대화되도록 변수를 정량화합니다. 잔차가 정규 분포를 따르지 않거나 예측 변수가 결과 변수와 선형적으로 관련되지 않은 경우 최적화 척도법이 숫자 변수에 적용될 수 있습니다. Ridge, Lasso, elasticNet 회귀분석과 같은 정규화 방법을 사용하면 매개변수 추정값을 안정화하여 예측 정확도를 높일 수 있습니다.
차원 축소 기법을 사용하여 데이터의 관계를 파악할 수 있습니다. 요약 차트는 유사한 변수 또는 범주를 표시하여 두 개 이상의 변수 간의 관계에 대한 인사이트를 제공합니다.
기법으로는 대응일치 분석(CORRESPONDENC), 범주형 회귀분석(CATREG), 다중 대응일치 분석(MULTIPLE CORRESPONDENCE), CATPCA, 비선형 표준 상관관계(OVERALS), 근접 척도법(PROXSCAL) 및 다차원 확장(PREFSCAL) 등이 있습니다.