Pruebe Categories con una prueba completa de SPSS o contáctenos para comprar
IBM SPSS Categories le permite visualizar y explorar las relaciones en sus datos, ayudándole a predecir resultados basados en su análisis estadístico. Utiliza técnicas de regresión categórica para predecir los valores de variables de resultado nominales, ordinales o numéricas a partir de una combinación de variables predictoras categóricas numéricas y ordenadas o desordenadas. El software presenta procedimientos estadísticos como análisis predictivo, aprendizaje estadístico, mapeo perceptual y escalado de preferencias.
Este módulo se incluye en la edición IBM SPSS Statistics Professional para uso de licencia tradicional y como parte del complemento IBM® SPSS Complex Sampling and Testing para planes de suscripción.
Utilice SPSS Categories para realizar análisis de correspondencia, lo que facilita la visualización y el análisis de las diferencias entre categories.
Incorpore información complementaria definiendo atributos personalizados para las variables. Esto le permite agregar contexto adicional o metadatos no capturados por etiquetas estándar, valores de medición o valores faltantes. Estos atributos pueden almacenar más información, como notas descriptivas, unidades de medida o programación, proporcionando más contexto para el análisis de datos.
Utilizar la normalización simétrica para producir un biplot y poder ver mejor las asociaciones.
Analice e interprete sus datos multivariantes y sus relaciones de manera más efectiva a través de un análisis de datos en profundidad. Por ejemplo, comprenda qué características de los consumidores están más estrechamente asociadas con su producto o marca en su conjunto de datos, o compare las percepciones de los clientes sobre sus productos con los que usted o sus competidores ofrecen.
Haga una predicción de los valores de una variable de resultado nominal, ordinal o numérica a partir de una combinación de variables predictoras categóricas numéricas y ordenadas o desordenadas. Utilice la regresión con una escala óptima para describir, por ejemplo, cómo se puede predecir la satisfacción laboral desde la categoría laboral, la región geográfica y la cantidad de traslados relacionados con el trabajo.
Cuantifique las variables para maximizar el múltiplo R. El escalado óptimo se puede aplicar a variables numéricas cuando los residuos no son normales o cuando las variables predictoras no están linealmente relacionadas con la variable de resultado. Los métodos de regularización, como la regresión de cresta, la regresión linear de Lasso y la red elástica, pueden mejorar la precisión de la predicción al estabilizar las estimaciones de parámetros.
Utilice técnicas de reducción de dimensiones para ver las relaciones en los datos. Los gráficos de resumen muestran variables o categorías similares para proporcionarle información sobre las relaciones entre más de dos variables.
Las técnicas incluyen análisis de correspondencias (CORRESPONDENCE), regresión categórica (CATREG), análisis de correspondencia múltiple (MULTIPLE CORRESPONDENCE), CATPCA, correlación canónica no lineal (OVERALS), escala de proximidad (PROXSCAL) y escala de preferencias (PREFSCAL).
- Para entornos locales: compre la edición Professional.
- Para planes de subscripción: compre el complemento de ejemplificación y pruebas complejas.
- Procesador: 2 GHz o más rápido
- Pantalla: 1024x768 o superior
- Memoria: se requieren 4 GB de RAM, se recomiendan 8 GB de RAM o más
- Espacio en disco: 2 GB o más