Что нового в версии 26?

Процедуры анализа
Квантильная регрессия
Моделирует взаимосвязь между набором переменных предикторов (независимых) и определенными процентилями (или "квантилями") целевой переменной (зависимой), чаще всего медианой. Дополнительную информацию смотрите в разделе Квантильная регрессия.
Квантильная регрессия не делает предположений о распределении целевой переменной, проявляет тенденцию компенсировать влияние наблюдений-выбросов и широко используется для исследований в практических областях, таких как экология, здравоохранение и финансовая экономика.
ROC-анализ
Оценивает точность предсказаний модели путем постройки графика чувствительности в зависимости от значения (1 минус специфичность) теста классификации (поскольку порог различен по всему диапазону результатов диагностического теста). ROC-анализ поддерживает вычисление данных площади под кривой, кривых точность-полнота (precision-recall, PR) и опции для сравнения двух ROC-кривых, сгенерированных либо для независимых групп, либо для парных объектов. Дополнительную информацию смотрите в разделе ROC-анализ.
Байесовская статистика
Однофакторный дисперсионный анализ с повторными измерениями
Эта новая процедура измеряет один фактор одного и того же объекта в каждый отдельный момент времени или при каждом условии. Предполагается, что для каждого объекта есть единственное наблюдение для каждого момента времени или условия (то есть взаимодействие обработки объектов не учитывается).
Усовершенствования единственной биномиальной выборки.
В одновыборочной процедуре байесовского вывода (для биномиально-распределенных данных) можно взять за основу биномиальное распределение. Рассматривается параметр π, вероятность успеха при данном числе испытаний, которые могут оканчиваться успехом или неудачей. Испытания не зависят друг от друга, и вероятность π остается неизменной во всех испытаниях. Биномиально-распределенную случайную величину можно считать суммой данного числа независимых испытаний, подчиняющихся распределению Бернулли.
Усовершенствования единственной пуассоновской выборки
В одновыборочной процедуре байесовского вывода (для биномиально-распределенных данных) можно взять за основу распределение Пуассона. Распределение Пуассона - полезная модель для редких событий; в ней предполагается, что для коротких интервалов вероятность того, что событие наступит в течение данного интервала, пропорциональна времени ожидания. Когда байесовский статистический вывод делается на основе распределения Пуассона, сопряженное априорное распределение выбирается в семействе Гамма-распределений.
Анализ надежности
Процедура обновлена и теперь предоставляет опции для статистики каппы с несколькими аттестующими по Флейсу, которые оценивают согласие межреспондентных оценок, чтобы определить надежность среди различных экспертов. Более высокое согласие предоставляет более высокий показатель доверия в рейтингах, отражающих истинные обстоятельства. Опции для статистики каппы с несколькими аттестующими по Флейсу доступны в диалоговом окне Анализ надежности: Статистики.
Усовершенствования команд
Команда MATRIX-END MATRIX
  • Длинные имена переменных (до 64 байт) можно использовать для матриц или векторов (таких как COMPUTE, CALL, PRINT, READ, WRITE, GET, SAVE, MGET, MSAVE, DISPLAY, RELEASE и т.п.).
  • Имена переменных, включенные в векторный или матричный объект, усекаются до 8 байт. Это вызвано тем, что структура матрицы/вектора - массив чисел, и каждое число может соответствовать строке, содержащей не более 8 байт. Длинные имена (до 64 байт) поддерживаются, только если это явно указано.
  • Длинные имена переменных поддерживаются в командах GET и SAVE, если они заданы явно в подкоманде /VARIABLES (и если они заданы в подкоманде /STRINGS для команды SAVE). Имена переменных для команд GET и SAVE усекаются до 8 байт, если на них ссылаются через вектор в подкоманде /NAMES.
  • Операторы GET, SAVE, MGET или MSAVE поддерживают как ссылки на наборы данных, так и спецификации физических файлов.
  • MATRIX-END MATRIX теперь поддерживает статистические функции, которые ранее поддерживались только в команде COMPUTE (например, IDF.CHISQ, CDF.NORMAL, NCDF.F и т.п.).
Команда GENLINMIXED
  • Новые структуры с типом ковариационной матрицы ARH1 & CSH, Случайные эффекты. Опции CSH и ARH1 добавлены в подкоманду /RANDOM (ключевое слово COVARIANCE_TYPE).
  • Новые структуры с типом ковариационной матрицы ARH1 & CSH, Повторяющиеся эффекты. Опции CSH и ARH1 добавлены в подкоманду /DATA_STRUCTURE (ключевое слово COVARIANCE_TYPE).
  • Метод степеней свободы Кенварда-Роджера. К подкоманде /BUILD_OPTIONS (ключевое слово DF_METHOD) добавлена опция KENWARD_ROGER.
  • Типы ковариации Кронекера. Опции UN_AR1, UN_CS, UN_UN добавлены в подкоманду /DATA_STRUCTURE (ключевое слово COVARIANCE_TYPE).
  • Создать ключевое слово KRONECKER_MEASURES. Ключевое слово используется для определения списка переменных для подкоманды /DATA_STRUCTURE. Ключевое слово должно использоваться, только когда COVARIANCE_TYPE - это один из трех типов Кронекера. Правила для KRONECKER_MEASURES совпадают с REPEATED_MEASURES. Когда действуют обе спецификации, у них могут быть, а могут не быть общие поля, но их значения не могут в точности совпадать (независимо от совпадения или несовпадения их порядка).
Команда MIXED
  • В подкоманде CRITERIA введено ключевое слово DFMETHOD.
  • В подкоманде REPEATED добавлено ключевое слово KRONECKER. Ключевое слово должно использоваться, только когда COVTYPE - это один из трех следующих типов Кронекера.
  • К ключевому слову COVTYPE подкоманды REPEATED добавлены опции UN_AR1, UN_CS и UN_UN.
Возможность INSERT HIDDEN
В интерфейсе командной строки производственного режима при передаче заданий на сервер SPSS Statistics можно использовать возможность INSERT HIDDEN. Когда интерфейс командной строки Производственного объекта используется вместе с планировщиком задач Microsoft Windows/MacOS Automator для планирования заданий, можно эффективно заменить IBM® SPSS Collaboration and Deployment Services для обработки задания SPSS Statistics.