모든 기능을 갖춘 SPSS 평가판으로 Categories를 테스트해 보거나 문의를 통해 구입하세요.
IBM SPSS Categories를 사용하면 데이터의 관계를 시각화 및 탐색하고 통계 분석을 바탕으로 결과를 예측할 수 있습니다. SPSS Categories는 범주형 회귀 기법을 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 통계 프로시저를 제공합니다.
이 모듈은 기존 라이선스 사용을 위해 IBM SPSS Statistics Professional 에디션에 포함되어 있으며, 구독 요금제의 일부로 IBM SPSS 복합 표본추출 및 테스트 추가 기능에 포함되어 있습니다.
SPSS Categories를 사용하여 대응일치 분석을 수행하면 카테고리 간의 차이점을 더 쉽게 시각화하고 분석할 수 있습니다.
변수에 대한 맞춤 속성을 정의하여 보충 정보를 통합합니다. 이를 통해 표준 레이블, 측정 값 또는 결측값으로 캡처되지 않는 추가 컨텍스트 또는 메타데이터를 추가할 수 있습니다. 이러한 속성은 설명 메모, 측정 단위 또는 코딩 체계와 같은 추가 정보를 저장하여 데이터 분석을 위한 더 많은 컨텍스트를 제공할 수 있습니다.
대칭 정규화를 사용하여 Bi-플롯을 생성하면 연관성을 더 잘 파악할 수 있습니다.
심층적인 데이터 분석을 통해 다변량 데이터와 그 관계를 보다 효과적으로 분석하고 해석해 보세요. 예를 들어, 데이터 세트에서 제품 또는 브랜드와 가장 밀접하게 연관된 소비자 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 카테고리를 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.
- 온프레미스의 경우: Professional 에디션을 구매하세요.
- 요금제 구독의 경우: 복합 표본추출 및 테스트 추가 기능을 구매하세요.
- 프로세서: 2 GHz 이상
- 디스플레이: 1024x768 이상
- 메모리: 4GB RAM 필요, 8GB RAM 이상 권장
- 디스크 공간: 2GB 이상