IBM SPSS Statistics Subscription

Описание версий IBM SPSS

Варианты поставки SPSS Statistics

Описание модулей SPSS Statistics
IBM SPSS STATISTICS BASE
 Интерфейс, доступ и управление данными
 Редактор данных с метками данных
 Конструктор импорта/экспорта баз данных через ODBC и OLE DB
 Конструктор импорта/экспорта текстовых файлов, Excel, Lotus 1-2-3, dBas, SAS, Stata, SPSS/PS+, данных Data Collection
 Одновременная работа с несколькими наборами данных
 Автоматизированное задание и копирование свойств данных
 Пользовательские свойства переменных
 Поиск дублирующихся наблюдений
 Имена переменных до 64 байт, метки переменных до 256 байт, метки значений до 120 байт, текстовые строки до 32 767 байт
 Интерфейс на русском языке
 Отображение/скрытие переменных
 Отображение/скрытие меток значений
 Редактор синтаксиса, генерация синтаксиса из диалоговых окон
 Матричные вычисления
 Редактор скриптов, интеграция с внешними приложениями
 Интеграция с языками Python, R
 Настраиваемые диалоговых окон
 Поддержка Unicode
 Контекстная справка, учебник, репетитор по статистике, примеры
IBM SPSS Statistics Standard
IBM SPSS Statistics Professional
IBM SPSS Statistics Premium
IBM SPSS Statistics Base
√
√
√
IBM SPSS Advanced Statistics
√
√
√
IBM SPSS Regression
√
√
√
IBM SPSS Custom Tables
√
√
IBM SPSS Data Preparation
√
√
IBM SPSS Missing Values
√
√
IBM SPSS Forecasting
√
√
IBM SPSS Decision Trees
√
√
IBM SPSS Direct Marketing
√
IBM SPSS Complex Samples
√
IBM SPSS Conjoint
√
IBM SPSS Neural Networks
√
IBM SPSS Bootstrapping
√
IBM SPSS Categories
√
IBM SPSS Exact Tests
√
IBM SPSS
Visualization Designer
√
IBM SPSS SamplePower
√
Подготовка данных
 Вычисление новых переменных на основе арифметических, логических, текстовых, статистических функций, дат и времени, обработки пропущенных значений, случайных чисел
 Конструктор реструктуризации данных
 Условные преобразования, фильтрация данных, случайный отбор
 Функции агрегирования с записью результатов в новый или текущий набор данных
 Взвешивание
 Перекодирование текстовых и числовых значений
 Визуальная категоризация
 Автоматизация преобразований множества переменных
Анализ данных
 Описательные статистики (частоты, отношения, процентили, меры центральной тенденции и разброса, таблицы сопряженности, анализ множественных ответов, OLAP)
 t-критерии, одномерный многофакторный дисперсионный анализ, непараметрические критерии, критерии однородности
 Корреляции (парные, частные)
 Расстояния между точками данных
 Анализ главных компонент
 Факторный анализ
 Кластерный анализ методом k-средних
 Иерархический кластерный анализ
 Двухэтапный кластерный анализ
 Метод ближайшего соседа
 Дискриминантный анализ
 Линейная регрессия
 Автоматические линейные модели
 Порядковая регрессия
 Гребневая регрессия
 Подгонка кривых
 Многомерное шкалирование (процедура ALSCAL)
 Канонические корреляции
 Скоринг
Диаграммы
 Конструктор диаграмм
 Столбиковые, линейные, с областями, круговые, ящичные, биржевые
 Рассеяния (перекрытие, матрицы, трехмерные, аппроксимация, доверительные интервалы, выделение групп)
 Плотности (гистограммы, пирамиды населения, точеные)
 Диагностические (вероятностные, индивидуальные значения и последовательности, автокорреляционные функции, ROC)
 Контроля качества: Парето, X-среднего, размах, стандартное отклонения, индивидуальные, скользящее среднее
 Вторичные оси и наложение диаграмм
 Язык настраиваемых диаграмм Graphic Production Language
 Шаблоны диаграмм
 Экспорт в BMP, EMF, EPS, JPG, PCT, PNG, TIF, WMF
Управление результатами
 Вывод в одно или несколько окон, навигация
 Вывод в многомерные мобильные таблицы
 Шаблоны таблиц
 Система управления выводом (OMS)
 Экспорт в Microsoft Word, Excel, PowerPoint, текстовые файлы, форматы PDF, JPEG и др.
IBM SPSS ADVANCED STATISTICS
 Общие линейные модели (дисперсионный, ковариационный анализ)
 Многомерные ОЛМ
 Фиксированные, случайные и смешанные факторы
 Повторные измерения
 Обобщенные линейные модели и обобщенные уравнения оценки
 Обобщенные смешанные линейные модели
 Оценка компонент дисперсии в моделях со смешанными факторами
 Иерархические и общие логлинейные модели
 Логит-логлинейный анализ
 Таблицы дожития, анализ Каплана-Мейера
 Регрессия Кокса с зависящими от времени ковариатами
IBM SPSS BOOTSTRAPPING
 Бутстреп-оценки в статистических процедурах Описательные, Частоты, Разведочный анализ, Средние, Таблицы сопряженности, процедуры t-критериев, корреляций
 Бутстреп-оценки в процедурах моделирования Однофакторный дисперсионный анализ, процедуры общих и обобщенных линейных моделей, регрессии (Линейная, Логистическая, Мультиномиальная логистическая, Порядковая, Регрессия Кокса), Дискриминантный анализ
IBM SPSS CATEGORIES
 Многомерное шкалирование (процедура PROXSCAL)
 Категориальный анализ главных компонент
 Простой и множественный анализ соответствий
 Категориальная регрессия на основе оптимального шкалирования
 Многомерная развертка
IBM SPSS COMPLEX SAMPLES
 Планирование сложной выборки
 Подготовка данных в соответствии с планом выборки
 Описательные статистики: средние, суммы, отношения, их стандартные ошибки, эффекты плана, доверительные интервалы и статистические критерии
 Частотные таблицы и таблицы сопряженности, стандартные ошибки долей, эффекты плана, доверительные интервалы и статистические критерии
 Линейная регрессия, дисперсионный, ковариационный анализ
 Бинарная и мультиномиальная логистическая регрессия
 Регрессия Кокса
IBM SPSS CONJOINT
 Генерация ортогональных планов
 Полнопрофильный совместный (conjoint) анализ на индивидуальном и групповом уровнях
 Моделирование долей рынка
IBM SPSS CUSTOM TABLES
 Визуальный конструктор таблиц
 Задание вычисляемых категорий, итогов и подытогов
 χ2-критерий независимости
 z-критерий сравнения долей
 t-критерий сравнения средних значений
IBM SPSS DATA PREPARATION
 Правила проверки на основе допустимых значений, количества пропусков, контроля дублей, коэффициента вариации и т.д.
 Контроль логики данных
 Идентификация наблюдений с ошибками
 Поиск необычных наблюдений на основе отклонения от подобных
 Оптимальная категоризация
IBM SPSS DECISION TREES
 Деревья решений: алгоритмы CHAID, исчерпывающий CHAID, C&RT, QUEST
 Интерактивная диаграмма дерева, вывод столбиковых диаграмм и таблиц данных в узлах
 Таблицы риска и классификации
 Диаграммы выигрыша, подъема, отклика, дохода, ROI
 Выделение обучающей и контрольной выборок
 Экспорт правил в виде SQL-запроса, синтаксиса, текста
 Экспорт модели в XML
IBM SPSS DIRECT MARKETING
 RFM-анализ на основе транзакционных и агрегированных данных
 Сегментирование клиентов
 Профилирование клиентов, откликнувшихся на предложение
 Географический анализ уровней отклика
 Выявление клиентов, склонных к покупке
 Сравнительная статистика эффективности кампаний
IBM SPSS EXACT TESTS
 Точные 1-, 2- и k-выборочные критерии для независимых и зависимых выборок
 Критерии согласия
 Критерии независимости в таблицах сопряженности
 Меры связи
 Доверительные интервалы и значимость методами Монте-Карло
IBM SPSS FORECASTING
 Прогнозирование временных рядов: автоматический и ручной подбор модели АРПСС (ARIMA) и экспоненциального сглаживания
 Применение моделей к новым и обновленным данным
 Мультипликативные и аддитивные сезонные составляющие
 Спектральный анализ
IBM SPSS MISSING VALUES
 Сводка по пропускам и структурам пропущенных значений
 Различия по целевым переменным между наблюдениями с пропущенными и валидными значениями (t-критерий, таблицы сопряженности)
 Частоты совпадений пропусков
 Множественная импутация
IBM SPSS NEURAL NETWORKS
 Нейронная сеть на основе многослойного перцептрона (MLP) с автоматическим и ручным выбором архитектуры
 Нейронная сеть на основе радиальных базисных функций (RBF)
 Выделение обучающей, контрольной, валидационной выборок
IBM SPSS REGRESSION
 Бинарная и мультиномиальная логистическая регрессия
 Нелинейная регрессия без ограничений, с ограничениями
 Двухэтапный МНК
 Взвешенный МНК
 Пробит-регрессия
IBM SPSS Visualization Designer
 Встроенные шаблоны визуализации
 Мощный визуальный дизайнер
 Расширенные возможности встроенных шаблонов, возможность создания своего собственного
 Поддержка широкого спектра источников данных, в том числе с разделителями, IBM SPSS Statistics файлов данных и общих источников, таких как базы данных DB2 ®, SQL Server ™, Oracle ® и Sybase ®
IBM SPSS AMOS
 Задание моделей структурных уравнений в виде диаграмм (путевые, причинные, лонгитюдные модели) с наблюдаемыми и латентными переменными
 Задание ограничений на параметры
 Подтверждающий факторный анализ
 Анализ структуры средних значений
 Латентно-классовый анализ
 Байесовы оценки на основе порядковых и цензурированных данных
 Оценки с применением бутстреп и методов Монте-Карло.
 Совместимость с языками Visual Basic и C#