Atlikite tikslesnes analizes ir gaukite patikimesnius rezultatus, naudodami algoritmus, pritaikytus daugiamatėms, sudėtingų sąryšių duomenims. Čia rasite tokius metodus, kaip:
Naudodami IBM SPSS Advanced Statistics kartu su IBM SPSS Statistics Base, Jūs galite gauti tikslius rezultatus, kad ir kokie būtų duomenys. Visos funkcijos pasiekiamos vienoje aplinkoje, per vieną vartotojo sąsają.
Apibendrinti tiesiniai modeliai (GENLIN): GENLIN apima ne tik plačiai naudojamus statistinius modelius, tokius kaip: tiesinė regresija nenormaliai pasiskirsčiusiems stebėjimams, logistiniai modeliai, dvinariams duomenims, log-ties modeliai eilės skalės duomenims, bet ir kitus modelius, kadangi modelio apibrėžimas šioje funkcijoje yra atviras. Visgi nekoreliuotų duomenų prielaida neleidžia naudoti GENLIN koreliuotiems duomenims.
Apibendrintos prognozavimo lygtys (GEE): išplėstas GLM variantas, leidžiantis naudoti koreliuotus longitudinius duomenis, ar duomenų sankaupas.
Bendrieji tiesiniai modeliai (GLM):GLM leidžia naudoti tiek diskrečiuosius, tiek tolydžiuosius duomenis ir jų kombinacijas. Ši procedūra neriboja duomenų tipų, todėl Jūs galite kurti daugybę modelių, tinkančių visoms Jūsų reikmėms.
Mišrūs tiesiniai modeliai (hierarchiniai tiesiniai modeliai (HLM)): dirbant su koreliuotais ir heteroskedastiškais duomenimis (pavyzdžiui vartotojų ir šeimų junginiais),hierarchiniai tiesiniai modeliai yra nepakeičiami, skaičiuojant vidurkius, skaidą ar kovariaciją. Taip pat Jūs galite rinktis iš 11 neerdvinių kovariacijos tipų, pavyzdžiui pirmos eilės, heterogeninių, ar pirmos eilės autoregresinių. Sukurti modeliai bus daug tikslesni, nes jie atsižvelgs į hierarchinę duomenų struktūrą.
Mišrūs tiesiniai modeliai taip pat gali būti naudojami dirbant su pakartotinių matavimų duomenimis Skirtingai nei standartiniai metodai, mišrūs tiesiniai modeliai leidžia panaudoti visus duomenis ir gauti tikslesnius rezultatus.
Naujiena! Apibendrinti tiesiniai mišrieji modeliai (GLMM): leidžia sukurti dar tikslesnius modelius prognozuojant netiesinius rezultatus (pavyzdžiui, siekiant sužinoti, kurį produktą yra verta siūlyti klientui, nes yra labiausiai tikėtina, kad jis jį įsigys) dirbant su hierarchinėmis duomenų struktūromis.
Mišraus poveikio (angl.- mixed-effects) modeliai suteikia galingą ir lankstų įrankį analizuojant hierarchinio pobūdžio kategorinius ar tolydžiuosius (angl.- continuous) duomenis. Galimų analizių pavyzdžiai: pakartotinių matavimų duomenų apdirbimas, longitudinės studijos, įdėtinio tipo projektavimas (angl.- nested designs). Šis statistinės analizės metodas naudotojui leidžia kurti įvairius rezultatų scenarijus.
Interaktyvių vizualizacijų pagalba modelio prognozės ir rezultatai yra aiškiau ir lengviau suprantami.