SPSS -


		Kjøp


		Demo


		Brosjyrer/Whitepapers

Du kan gjøre bedre prediksjoner med kraftigere regresjonsprosedyrer. Når du trenger å bygge en bedre prediksjonsmodell enn den du får ved å bruke en enkel lineær regresjon, trenger du SPSS Regression Models. Du kan benytte sofistikerte modeller, med en rekke ikke-lineære modelleringsprosedyrer. Og, du kan bruke SPSS Regression Model til å predikere atferd, handlinger og holdninger med multivariat inndeling i skala.

Den nye multinominale logistiske regresjonsprosedyren predikerer et kategorisk resultat. Denne modulen kan for eksempel brukes til markedsanalyse, medisinsk forskning, til å analysere kredittrisiko hos lånekunder og mye mer.

Du kan frigjøre deg fra databegrensninger som ligger i ja- og nei-svar. Bruk multinominal logistisk regresjonsprosedyrer til å predikere kategoriske resultat med mer enn to kategorier. Dine prediksjoner kan enten være kategoriske eller kontinuerlige.

Ved å bruke Binary Logistic Regression kan du predikere dikotome variabler slik som for eksempel valgt eller ikke-valgt og kjøpt eller ikke-kjøpt. Disse prosedyrene gir mange stegvise metoder for å velge de viktigste kontinuerlige eller kategoriske samvariasjoner som på en best mulig måte predikerer dine responsvariabler.

Du kan få mer kontroll over modellen din og modelluttrykket med Constrained- og Unconstrained Unlinear Regression prosedyrer. Disse prosedyrene gir to modeller som beregner parametre av ikke-lineære modeller. Levenberg-Marquardt-algoritme analyserer unconstrained modeller. Den sekvens-kvadratiske programeringsalgoritmen gjør at du kan spesifisere innskrenkninger (constraints) ved parameterestimater. Det gir deg en egen tapsfunksjon, og gir kontrollerte estimater av standardavviket.

Når dataene dine ikke møter standardkrav for ordinær minste kvadrat (least squares), kan du bruke Weighted Least Square (WLS) og Two-Stage Least Squares (2SLS). Du kan legge mer vekt på mål innenfor en serie med WLS. 2SLS hjelper deg å kontrollere for korrelasjon mellom prediksjonsvariabler og feil som forekommer i tidsbaserte data.

Bruk Probit og Logit responsmodellering for å analysere ulike respons på stimuli for slikt som medisindose, priser eller insentiver. Probit beregner verdien av stimuli ved å bruke en Logit- eller Probit-transformasjon av proposjonsrespons.

SPSS® Regression Models