焦點特色

一般線性模型 (GLM)

說明應變數與一組自變數之間的關係。使用彈性設計和對照選項來估計平均數和變異數,並且檢定和預測平均數。混合並比對類別及連續的預測因子,以便建立模型。使用線性混合模型來預測非線性結果,以提升精確度。制定數十種模型的公式,包括裂區設計、含固定效應共變數的多層次模型,以及隨機完全區集設計。

廣義線性模型 (GENLIN)

提供統一的架構,包括含常態分佈應變數的古典線性模型、二進位資料的邏輯斯與機率單位模型、計數資料的對數線性模型,以及其他各種非標準的迴歸型模型。應用多種實用的一般統計模型,包括序數迴歸、Tweedie 迴歸、瓦松迴歸 (Poisson Regression)、Gamma 迴歸以及負二項迴歸

線性混合模型/階層式線性模型 (HLM)

資料中的模型平均數、變異數和共變數,會呈現相關性和非一致性變異。制定數十種模型的公式,包括裂區設計、含固定效應共變數的多層次模型,以及隨機完全區集設計。從 11 種非空間共變數類型進行選取。對於重複的測量資料,包括含有不同數目之重複測量及/或不同案例使用不同間隔的情況,能提高精確度。

廣義估計方程式 (GEE) 流程

將廣義線性模型加以擴充,以納入相關的長期性資料與集群性資料。模型相關性會依主題而定。

廣義線性混合模型 (GLMM)

存取、管理和分析幾乎所有類型的資料集,包括意見調查資料、公司資料庫,或從網路下載的資料。預測非線性結果時(例如客戶滿意度以及低、中、高的落點),執行含序數值的 GLMM 流程,以建立更精確的模型。

存活分析流程

從彈性且多元的技術集中選擇,以瞭解事件的最終發展,例如組件的故障、死亡或存活率。使用 Kaplan-Meier 估計法來衡量事件的時間長度。選取 Cox 迴歸以執行使用反應時間或期間反應作為應變數的比例風險迴歸。

技術詳細資料

軟體需求

IBM SPSS Advanced Statistics 需要一個有效的 IBM SPSS Statistics Base 軟體使用權。

  • 必要條件:IBM SPSS Statistics

硬體需求

  • 處理器:2 GHz 或以上速度
  • 顯示器:1024 x 768 或以上解析度
  • 記憶體:4 GB RAM 為必備,但建議 8 GB RAM 或以上容量
  • 磁碟空間:2 GB 或以上容量。

瞭解如何運作

立即購買與開始使用