上海卡贝信息技术有限公司

 

IBM SPSS Categories

通过感知、制图、最优尺度和降维方法释放数据的全部潜力。

它对贵公司有何用途

IBM SPSS Categories 使您能够直观地了解并探索数据中的关系,并根据您的发现预测结果。该产品使用分类回归过程,根据数字及有序或无序分类预测变量的组合,预测名义变量、顺序变量或数字结果变量的值。该软件使用诸如预测分析、统计学习、感知图和优先尺度之类的先进技术。

解释您的多变量数据

使用多种方法,更轻松地分析和解释多变量数据及其关系。您不会再受到分类数据或高维数据的限制。

查看底层关系

使用感知图、双标图和三标图了解底层关联

使用名目数据和有序数据

通过使用类似于传统回归、主成分组件和典型相关的过程来预测结果并揭示关系,从而更深入地了解两种数据类型。

直观地解释数据集

了解大型的分数表、计数表、等级表、排名表或相似性表中行与列之间的关系。

清晰地呈现您的结果

摆脱笨拙的表格,使用启发性的感知图和双标图,清晰地呈现数据中的关系。

新增规则化方法

使用 Ridge 回归、Lasso 和 Elastic Net 稳定参数估计,从而提高预测准确性。

主要功能

  • 分析类别间的差异
  • 纳入补充信息
  • 发现关联和关系
  • 轻松使用分类数据
  • 使用分类回归过程
  • 利用最优尺度
  • 使用感知图清晰地呈现您的结果
  • 获取这些最优尺度和降维方法

功能聚焦

分析类别间的差异

使用对应分析更轻松地呈现和分析类别间的差异。

纳入补充信息

轻松纳入有关其他变量的补充信息。

发现关联和关系

例如,使用对称标准化生成双标图,以便您更清楚地查看关联。

轻松使用分类数据

得益于工具的使用,您能够更完整地分析和解释多变量数据及其关系。例如,了解具有哪些特征的消费者与您的产品或品牌关系最密切,或者确定与您或竞争对手提供的其他产品相比,客户对您产品的认知情况。

使用分类回归过程

根据数字及有序或无序分类预测变量的组合,预测名义变量、顺序变量或数字结果变量的值。使用最优尺度回归过程来描述有关情况,例如,如何根据工作类别、地理区域和出差天数预测工作满意度。

利用最优尺度

量化变量,以便实现 Multiple R 最大化。当残差为非正态或当预测变量与结果变量并非线性相关时,可以对数字变量应用最优尺度。Ridge 回归、Lasso 和 Elastic Net 等规则化方法可通过稳定参数估计来提高预测准确性。

使用感知图清晰地呈现您的结果

使用降维方法查看数据中的关系。摘要图表显示相似变量或类别,使您了解两个以上变量间的关系。

获取这些最优尺度和降维方法

方法包括对应分析 (CORRESPONDENCE)、分类回归 (CATREG)、多个对应分析 (MULTIPLE CORRESPONDENCE)、CATPCA、非线性典型相关 (OVERALS)、 近似尺度 (PROXSCAL) 和优先尺度 (PREFSCAL)。

相关下载

SPSS Categories英文版手册,PDF格式,987KB SPSS Categories中文版手册,PDF格式,2777KB


 

 


 

 

在线留言

尊敬的客户朋友,如您有任何意见建议,请通过下表反馈给我们,我们会尽快与您联系。

 

 

联系我们

 

微信公众号

咨询微信

企业店铺

400-621-1085

(节假日期间办公室座机如无人接听,请选择其他联系方式,感谢理解!祝您节日快乐!)

 

联系我们 快速链接 相关产品 上海卡贝信息技术有限公司

©2023  上海卡贝信息技术有限公司

产品中心

下载中心

站点地图

隐私政策

 

 

销售QQ咨询

产品QQ咨询

淘宝店铺

 

 

概述

版本区别

最新更新:29版

试用下载:25版

文档下载

购买咨询

IBM SPSS AMOS

GraphPad Prism

IBM SPSS Modeler

MedCalc

Stata

NCSS

Statgraphics

PASS

Analyse-it

ATLAS.ti

MAXQDA

NVivo

EndNote

Citavi

EViews

LISREL

HLM

IRTPRO

Winsteps

CANOCO

E-Prime

Inquisit

GTAP Data Base

LIMDEP

Mplus

NetMiner

UCINET

SAS