Co może zrobić dla Twojej firmy

IBM® SPSS® Categories umożliwia wizualizowanie i eksplorowanie relacji istniejących w danych oraz przewidywanie wyników na podstawie spostrzeżeń. Procedury regresji dla danych jakościowych umożliwiają prognozowanie wartości nominalnych, porządkowych lub liczbowych zmiennych wynikowych na podstawie kombinacji liczbowych i (nie)porządkowych zmiennych predyktorów jakościowych. Oprogramowanie oferuje takie zaawansowane techniki, jak analizy predykcyjne, uczenie statystyczne, tworzenie map percepcji i skalowanie preferencji.

Ten moduł wchodzi w skład edycji SPSS Statistics Professionaldla wdrożeń lokalnych oraz dodatku „Complex sampling and testing Statistics” skierowanego do użytkowników subskrypcji.

Wyróżnione cechy i funkcje

Analiza różnic między kategoriami

Analiza korespondencji pomaga uwidocznić i analizować różnice między kategoriami.

Uwzględnienie informacji uzupełniających

Można w prosty sposób uwzględnić informacje uzupełniające o dodatkowych zmiennych.

Ujawnianie powiązań i relacji

Można na przykład zastosować normalizację symetryczną w celu wygenerowania biplotu, który lepiej uwidoczni powiązania.

Ułatwienia w pracy z danymi jakościowymi

Sięgnij po narzędzia ułatwiające bardziej kompleksowe analizowanie i interpretowanie danych wielowymiarowych oraz ich relacji. Możliwości obejmują między innymi badanie skojarzeń cech z marką produktu wśród próby konsumentów oraz ocenę postrzegania produktów na tle konkurencji.

Procedury regresji dla danych jakościowych

Procedury takie umożliwiają prognozowanie wartości nominalnych, porządkowych lub liczbowych zmiennych wynikowych na podstawie kombinacji liczbowych i (nie)porządkowych zmiennych predyktorów jakościowych. Regresja z optymalnym skalowaniem może opisać, na przykład, prognozę zadowolenia z pracy na podstawie kategorii pracy, regionu geograficznego i intensywności podróży służbowych.

Optymalne skalowanie

Techniki optymalnego skalowania kwantyfikują zmienne w sposób maksymalizujący wartość wielorakiego R. Optymalne skalowanie można stosować względem zmiennych liczbowych, gdy reszty są nienormalne lub gdy predyktory nie są powiązane relacją liniową ze zmienną wynikową. Metody regularyzacji, takie jak regresja grzbietowa, metoda lassa i siatki elastycznej, pozwalają na osiągnięcie większej dokładności prognoz dzięki ustabilizowaniu estymacji parametrów.

Przejrzysta prezentacja wyników na mapach percepcji

Techniki redukcji wymiarów ujawniają relacje istniejące w danych. Wykresy podsumowujące przedstawiają podobne zmienne lub kategorie, dając wgląd w relacje między więcej niż dwiema zmiennymi.

Sięgnij po techniki optymalnego skalowania i redukcji wymiarów

Do dostępnych technik należy analiza korespondencji (CORRESPONDENCE), regresja dla danych jakościowych (CATREG), wielowymiarowa analiza korespondencji (MULTIPLE CORRESPONDENCE), CATPCA, nieliniowa analiza korelacji kanonicznych (OVERALS), skalowanie odległości (PROXSCAL) i skalowanie preferencji (PREFSCAL).

Ilustracje przedstawiające produkt

Szczegóły techniczne

Wymagania programowe

  • Wdrożenia lokalne: zakup edycji Professional.
  • Subskrypcja: zakup dodatku „Complex sampling and testing”

Wymagania sprzętowe

  • Procesor: 2 GHz lub szybszy
  • Wyświetlacz: rozdzielczość 1024 x 768 lub wyższa
  • Pamięć: min. 4 GB pamięci RAM, zalecane 8 GB pamięci RAM
  • Miejsce na dysku: 2 GB lub więcej

Umów się na konsultację, by dowiedzieć się, jak rozwiązanie SPSS Categories może pomóc w realizacji Twoich celów biznesowych.

Umów się na konsultację, by dowiedzieć się, jak rozwiązanie SPSS Categories może pomóc w realizacji Twoich celów biznesowych. Umów się na konsultację

Next Steps

Wypróbuj SPSS Statistics bezpłatnie

Kup teraz i postaw pierwszy krok już dziś