El software IBM SPSS Statistics ofrece un potente conjunto de características estadísticas que permiten a su organización aprovechar al máximo la valiosa información que proporcionan sus datos. Al profundizar en sus datos, puede descubrir información para mejorar la toma de decisiones, ampliando mercados, mejorando los resultados de la investigación, permitiendo el cumplimiento de la normativa, gestionando el riesgo y maximizando el ROI, por nombrar algunas.
Para acceder fácilmente a las características de IBM SPSS Statistics, las hemos dividido en categorías, siguiendo el modelo del plan de compra en línea de IBM SPSS Statistics. Para obtener más información sobre la adquisición de las características de su interés, le recomendamos que consulte nuestros planes de precios o se ponga en contacto con un representante de ventas.
Pruebe el tour interactivo del producto SPSS Statistics para ver con qué facilidad puede extraer conocimientos procesables para optimizar sus decisiones.
Característica clave
Le ayudamos a conseguir más con mayor rapidez y eficiencia.
Características de la suscripción a SPSS Base
La edición IBM SPSS Base ofrece sólidas herramientas de gestión y visualización de datos, y capacidades avanzadas de análisis estadístico como estadística descriptiva, regresión lineal, técnicas estadísticas bivariadas e integración con R y Python.
Características de Custom Tables y Advanced Statistics
Las características presentadas en el grupo Custom Tables y Advanced Statistics permiten a los usuarios diseñar y compartir fácilmente tablas interactivas. Puede analizar los datos de forma más exhaustiva con análisis no lineales, logísticos, de regresión por mínimos cuadrados en dos etapas, de modelos lineales generalizados y de supervivencia.
Características de Forecasting y Decision Trees
Las características incluidas en el grupo Forecasting y Decision Trees proporcionan capacidades de previsión ARIMA (modelo autorregresivo integrado de media móvil) y de suavizamiento exponencial. Cree árboles de decisión mediante los cuatro algoritmos de crecimiento de árboles establecidos de IBM. También puede crear modelos predictivos de redes neuronales, así como realizar análisis RFM para probar campañas de marketing.
Características de Complex Sampling y Testing
Puede analizar muestras de pequeño tamaño, manejar los datos que faltan y realizar muestreos complejos. Puede emplear la regresión con escalado óptimo y técnicas como el lazo y la red elástica, y utilizar características como el análisis de componentes principales categóricos, el escalado y desdoblamiento multidimensional y el análisis de correspondencias múltiples.