功能強(qiáng)大的建模技術(shù),用于分析復(fù)雜的關(guān)系
標(biāo)簽:大數(shù)據(jù)BI數(shù)據(jù)分析開(kāi)發(fā)商: IBM
產(chǎn)品類(lèi)型:軟件
產(chǎn)品功能:大數(shù)據(jù)分析工具
平臺(tái)語(yǔ)言:
開(kāi)源水平:不提供源碼
本產(chǎn)品的分類(lèi)與介紹僅供參考,具體以商家網(wǎng)站介紹為準(zhǔn),如有疑問(wèn)請(qǐng)來(lái)電 023-68661681 咨詢。
IBM SPSS Advanced Statistics 提供單變量和多變量的建模技術(shù),幫助用戶在處理描述復(fù)雜關(guān)系的數(shù)據(jù)時(shí),得到最準(zhǔn)確的結(jié)論。通過(guò)頻繁應(yīng)用這些成熟的分析技術(shù),可以從各學(xué)科(例如,醫(yī)學(xué)研究、制造、制藥和市場(chǎng)研究)使用的數(shù)據(jù)中獲得更深入的洞察力。
SPSS Advanced Statistics 提供以下功能:
聲明:本產(chǎn)品中文介紹為慧都網(wǎng)版權(quán)所有,未經(jīng)慧都公司書(shū)面許可,嚴(yán)禁拷貝、轉(zhuǎn)載!
* 關(guān)于本產(chǎn)品的分類(lèi)與介紹僅供參考,精準(zhǔn)產(chǎn)品資料以官網(wǎng)介紹為準(zhǔn),如需購(gòu)買(mǎi)請(qǐng)先行測(cè)試。
描述因變量與一組自變量之間的關(guān)系。模型包括線性回歸、方差分析 (ANOVA)、協(xié)方差分析 (ANCOVA)、多變量方差分析 (MANOVA) 和多變量協(xié)方差分析 (MANCOVA)。
使用靈活的設(shè)計(jì)與對(duì)比選項(xiàng),估算平均值和方差,并測(cè)試和預(yù)測(cè)平均值。
混合并匹配分類(lèi)預(yù)測(cè)因素和連續(xù)預(yù)測(cè)因素,以構(gòu)建模型,從眾多模型構(gòu)建可能性中進(jìn)行選擇。
預(yù)測(cè)非線性結(jié)果(例如,客戶可能購(gòu)買(mǎi)什么商品)時(shí),通過(guò)考慮分層和嵌套數(shù)據(jù)結(jié)構(gòu),使用線性混合模型獲得更為準(zhǔn)確的結(jié)果。
用公式表示數(shù)十個(gè)模型,包括裂區(qū)實(shí)驗(yàn)設(shè)計(jì)(split-plot design)、具有固定效應(yīng)協(xié)方差的多層統(tǒng)計(jì)分析模型(multi-level models with fixed-effects covariance)和完全隨機(jī)區(qū)組設(shè)計(jì)(randomized complete blocks design)。
提供一個(gè)統(tǒng)一的框架,包含因變量服從正態(tài)分布的經(jīng)典線性模型、針對(duì)二元數(shù)據(jù)的 logistic 模型和 probit 模型、針對(duì)計(jì)數(shù)數(shù)據(jù)的對(duì)數(shù)線性模型,以及各種其他非標(biāo)準(zhǔn)的回歸類(lèi)型的模型。
應(yīng)用眾多實(shí)用的常規(guī)統(tǒng)計(jì)模型,包括序數(shù)回歸、Tweedie 回歸、Poisson 回歸、Gamma 回歸和負(fù)二項(xiàng)回歸線性
可對(duì)帶有相關(guān)性和非恒定可變性的數(shù)據(jù)的平均值、方差和協(xié)方差進(jìn)行建模,如歸屬于教室中的學(xué)生(students nested within classrooms)或歸屬于家庭中的消費(fèi)者(consumers nested within families)。
用公式表示數(shù)十個(gè)模型,包括裂區(qū)實(shí)驗(yàn)設(shè)計(jì)、具有固定效應(yīng)協(xié)方差的多層模型和完全隨機(jī)區(qū)組設(shè)計(jì)。
從 11 個(gè)非空間協(xié)方差類(lèi)型中選擇,包括 first-order ante-dependence、heterogeneous 和一階自回歸。
在與重復(fù)測(cè)量數(shù)據(jù)一起使用時(shí)獲得更準(zhǔn)確的結(jié)果,包括不同數(shù)目的重復(fù)測(cè)量和/或不同個(gè)例的不同時(shí)間間隔的情況。
擴(kuò)展廣義線性模型,使其適用于關(guān)聯(lián)的縱向數(shù)據(jù)和聚類(lèi)數(shù)據(jù)。
對(duì)象中的模型關(guān)聯(lián)
訪問(wèn)、管理和分析幾乎任何類(lèi)型的數(shù)據(jù)集,包括調(diào)研數(shù)據(jù)、企業(yè)數(shù)據(jù)庫(kù)或從 Web 下載的數(shù)據(jù)。
采用序數(shù)值運(yùn)行 GLMM 程序,以在預(yù)測(cè)非線性結(jié)果(例如,客戶滿意度處于低、中還是高水平)時(shí),構(gòu)建更準(zhǔn)確的模型。
從靈活全面的一組技術(shù)中進(jìn)行選擇,以了解零件故障率、死亡率或存活率等終止事件。
使用 Kaplan-Meier 估算對(duì)事件的時(shí)間長(zhǎng)度加以測(cè)量。
選擇 Cox 回歸執(zhí)行比例風(fēng)險(xiǎn)回歸,以響應(yīng)時(shí)間(time-to-response)或療效持續(xù)時(shí)間(duration response)作為因變量。
線性混合模型的估算平均值
GLMM 提供估算的邊際均值,用于說(shuō)明預(yù)測(cè)變量的影響。
廣義線性混合模型的模型摘要
GLMM 模型摘要展示了模型與數(shù)據(jù)的擬合程度。
廣義線性混合模型可視化
GLMM 提供了模型的可視表示,您可以直觀看到每個(gè)預(yù)測(cè)因素的強(qiáng)弱。在本示例中,promo 變量對(duì)銷(xiāo)售影響最大。
參數(shù)估算表
這是用于計(jì)算總體模型影響和個(gè)別模型影響的傳統(tǒng)參數(shù)估算表。各系數(shù)顯示了每個(gè)模型參數(shù)與測(cè)試后得分之間的關(guān)系。對(duì)于連續(xù)字段,系數(shù)表示連續(xù)字段值中的單位增量的測(cè)試得分可能發(fā)生的變化。對(duì)于分類(lèi)字段,該系數(shù)表示相對(duì)于參考字段的參考類(lèi)別,測(cè)試得分可能發(fā)生的變化。
更新時(shí)間:2016-01-29 11:59:32.000 | 錄入時(shí)間:2016-01-29 11:53:31.000 | 責(zé)任編輯:胡濤