İşletmeniz için neler yapabilir
IBM ® SPSS ® Categories, verilerinizdeki ilişkileri görselleştirmenizi, keşfetmenizi ve bulgularınıza göre sonuçları tahmin etmenizi sağlar. Sayısal, sıralı ya da sırasız kategorik tahmin değişkenleri birleşiminden nominal, sıralı ya da sayısal sonuç değerlerini tahmin etmek için kategorik regresyon yordamlarını kullanır. Yazılım, tahmine dayalı analiz, istatistiksel öğrenme, algısal eşleme ve tercih ölçekleme gibi gelişmiş teknikler sunar.
Bu modül, şirket içi kullanıma yönelik SPSS Statistics Professional sürümünde ve Abonelik planlarına yönelik "Karmaşık örnekleme ve test" eklentisinde yer alır.
Öne çıkan özellikler
Kategoriler arasındaki farkları analiz edin
Kategoriler arasındaki farkları daha kolay görüntülemek ve çözümlemek için uygunluk analizini kullanın.
Tamamlayıcı bilgileri dahil edin
Ek değişkenler hakkında ek bilgi içerir.
İlişkileri açığa çıkarın
İlişkilendirmeleri daha iyi görebilmek amacıyla bir çift çizim üretmek için simetrik normalleştirme kullanın.
Kategorik verilerle kolayca çalışın
Çok değişkenli verilerinizi ve ilişkilerini daha kapsamlı olarak analiz etmenize ve yorumlamanıza yardımcı olacak araçlardan yararlanın. Örneğin, müşterilerinizin ürününüz ya da markanızla en fazla hangi özellikleri ilişkilendirdiğini anlamak ya da sizin veya rakiplerinizin sunduğu diğer ürünlere göre ürünlerinizin müşteriler tarafından nasıl algılandığını belirlemek üzere yazılımı kullanabilirsiniz.
Kategorik regresyon yordamlarını kullanın
Sayısal, sıralı ya da sırasız kategorik tahmin değişkenleri birleşiminden nominal, sıralı ya da sayısal sonuç değişkeni değerlerini tahmin edin. Örneğin iş kategorisinden, coğrafi bölge ve işle ilgili yapılan seyahat miktarından işle ilgili memnuniyetin nasıl tahmin edilebileceğini açıklamak için optimum ölçeklendirmeyle regresyonu kullanın.
Optimum ölçeklendirmeden yararlanın
Çoklu Regresyonun en üst düzeye çıkarılması için değişken miktarını belirleyin. Kalanlar normal olmadığında ya da tahmin değişkenleri sonuç değişkeniyle doğrusal ilişkiye sahip olmadığında optimum ölçeklendirme sayısal değişkenlere uygulanabilir. Ridge regression, Lasso ve Elastic Net gibi düzenleme yöntemleri, parametre tahminlerini dengeleyerek tahmin doğruluğunu iyileştirebilir.
Algısal eşleşmeleri kullanarak sonuçlarınızı anlaşılır şekilde sunun
Verilerinizdeki ilişkileri görmek için boyut azaltma tekniklerini kullanın. Özet grafikler, iki değişken arasındaki ilişkilere ilişkin kavrayış sağlamak için benzer değişkenleri ya da kategorileri gösterir.
Bu optimum ölçeklendirme ve boyut azaltma tekniklerini edinin
Uygunluk çözümlemesi (CORRESPONDENCE), kategorik regresyon (CATREG), çoklu uygunluk çözümlemesi (MULTIPLE CORRESPONDENCE), CATPCA, doğrusal olmayan kanonik korelasyon (OVERALS), yakınlık ölçeklendirmesi (PROXSCAL) ve tercih ölçeklendirmesi (PREFSCAL) teknikler arasındadır.
Ürün resimleri
Uygunluk verileri çıkış tablosu
Çıkış tablosundaki genel bakış satır noktaları
Satır noktalarının dağılım grafikleri
Uygunluğa dayalı bir regresyon tanımlama
Teknik ayrıntılar
Yazılım gereksinimleri
- Şirket içi kullanım için: Professional sürümünü satın alın
- Abonelik planları için: "Karmaşık örnekleme ve test" eklentisini satın alın
Donanım gereksinimleri
- İşlemci: 2 GHz veya daha hızlı
- Görüntü: 1024x768 ya da üstü
- Bellek: 4 GB RAM gerekli, 8 GB RAM ya da daha fazla önerilir
- Disk alanı: 2 GB ya da daha fazla