本產品可以為您的企業提供什麼協助
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,包括裂區設計、具有固定效應共變異數的多層次模型,以及隨機化完整區塊設計。
廣義線性模型 (GENLIN)
提供一個統一架構,其中包括典型的線性模型,搭配常態分佈的應變數、二進位資料的邏輯和機率模型,以及計數資料的對數線性模型,還有各種其他的非標準迴歸類型模型。套用許多一般統計模型,包括序數迴歸、 Tweedie 迴歸、 Poisson 迴歸、伽瑪迴歸及負數二項式迴歸。
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,包括裂區設計、具有固定效應共變異數的多層次模型,以及隨機化完整區塊設計。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) 程序
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、管理與分析幾乎所有類型的資料集,包括調查資料、公司資料庫,或從網路下載的資料。使用序數值來執行 GLMM 程序,以在預測非線性結果時建置更精確的模型,例如客戶的滿意度是否落在低、中或高等類別中。
多種 SPSS Statistics 套件
從兩種部署選項進行選擇:傳統授權或訂閱版。此模組屬於 SPSS Statistics 傳統授權套件的一部分。若要比較 SPSS Statistics 套件並瞭解此模組適合用在哪裡,請按一下下面的產品頁面鏈結。所有模組僅與傳統授權版本相容。訂閱版將相同功能封裝在三種選購的訂閱附加項目中。
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,例如組件的故障率、報銷率或存留率。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。