Pruebe la regresión con una versión de prueba completa de SPSS
La ilustración muestra la pantalla del producto que predice resultados categóricos
Desbloquee insights de datos avanzados con SPSS Regression

IBM® SPSS Regression le permite predecir resultados categóricos, crear modelos de regresión, analizar resúmenes de modelos y aplicar diversos procedimientos de regresión no lineal a conjuntos de datos al estudiar hábitos de compra de los consumidores, respuestas a tratamientos, eficacia de medidas de diagnóstico, análisis de riesgo crediticio y otras situaciones en las que las técnicas ordinarias de regresión y análisis de datos resultan limitadas o inapropiadas.

Explore todas las características del producto
Casos de uso en la industria ¿Crea modelos predictivos, pero encuentra que las herramientas habituales para realizar análisis de regresión son demasiado limitantes? Si es así, SPSS es un software versátil e intuitivo que se puede utilizar para realizar análisis de regresión en todas las industrias, incluyendo:
Marketing

Estudie los hábitos de compra de los consumidores. Optimice las estrategias de marketing y la satisfacción del cliente.

 

Atención médica

Analice las respuestas a las dosis para mejorar la calidad de la atención y lograr mejores resultados para los pacientes.

Banca y finanzas

Evalúe los riesgos crediticios y los valores atípicos, y mejore las relaciones con los clientes a través de ofertas específicas.

Educación

Mida las pruebas de rendimiento académico y apoye la investigación institucional.

 

 

Minoristas

Examina el comportamiento del cliente para curar ofertas personalizadas.

 

 

Gobierno

Mejore los servicios y la seguridad ciudadana. Evalúe el cumplimiento del pago de impuestos, reduzca el fraude y mitigue las amenazas.

 

 

Qué puede hacer
Regresión logística binaria

Prevea la presencia o ausencia de una característica o resultado binario con base en los valores de un conjunto de variables predictivas.

Lea los documentos
Modelos de respuesta Logit

Utilice la función de enlace logit para modelar la dependencia de una respuesta ordinal politómica de un conjunto de predictores.

Lea los documentos
Regresión logística multinomial

Clasifique sujetos en función de los valores de un conjunto de variables predictivas. Este tipo de regresión es como la regresión logística, pero es más general porque la variable dependiente no está restringida a dos categorías.

Lea los documentos
Regresión no lineal

Encuentre un modelo no lineal de la relación entre la variable dependiente y un conjunto de variables independientes.

Lea los documentos
Análisis de respuesta de Probit

Utilice modelos de respuesta probit y logit para analizar la potencia de las respuestas a estímulos, como dosis de medicamentos, precios o incentivos. Este procedimiento mide la relación entre la fuerza de un estímulo y la proporción de casos que muestran una determinada respuesta al estímulo.

Lea los documentos
Mínimos cuadrados en dos etapas

En la primera etapa, utilice variables instrumentales que no estén correlacionadas con los términos de error para calcular los valores estimados de uno de los predictores más problemáticos. En la segunda etapa, utilice esos valores calculados para estimar un modelo de regresión lineal de la variable dependiente.

Lea los documentos
Mínimos cuadrados ponderados

Controle las correlaciones entre las variables predictivas y los términos de error que pueden ocurrir con datos basados en el tiempo. El procedimiento de estimación de peso prueba una variedad de transformaciones de peso e indica cuál es la idónea para los datos.

Lea los documentos
Red elástica

El nuevo procedimiento de extensión de red elástica lineal estima modelos de regresión lineal regularizados para una variable dependiente sobre una o más variables independientes.

Lea los documentos
Lasso

La nueva extensión de Lasso lineal estima la pérdida de L1 en modelos de regresión lineal regularizados para una variable dependiente de una o más variables independientes.

 

Lea los documentos
Ridge

El nuevo procedimiento de extensión lineal de Ridge estima L2 o modelos de regresión lineal regularizados de pérdida cuadrática para una variable dependiente en una o más variables independientes.

 

Lea los documentos
Comentarios sobre el producto*
Siguientes pasos

Experimente la interfaz intuitiva y las características sin costo.

Pruebe SPSS Statistics sin costo Ver opciones de precios
Más formas de explorar Explore todas las características del producto Comunidad Documentación Recursos Soporte
Notas de pie de página

* Las opiniones de los usuarios pueden haberse obtenido mediante un incentivo.