IBM SPSS Categories memungkinkan Anda memvisualisasikan dan mengeksplorasi hubungan dalam data Anda dan memprediksi hasil berdasarkan temuan Anda. Perangkat lunak ini menggunakan prosedur regresi kategorik untuk memprediksi nilai variabel hasil nominal, ordinal, atau numerik dari kombinasi variabel prediktor kategorik numerik dan terurut atau tidak terurut. Perangkat lunak ini dilengkapi dengan teknik-teknik canggih seperti analisis prediktif, pembelajaran statistik, pemetaan perseptual, dan penskalaan preferensi.
Modul ini disertakan dalam edisi profesional statistik SPSS untuk di tempat, dan dalam add-on "Pengambilan sampel dan pengujian yang rumit" untuk paket langganan.
Gunakan analisis korespondensi untuk lebih mudah menampilkan dan menganalisis perbedaan antar kategori.
Memasukkan informasi tambahan tentang variabel tambahan.
Gunakan normalisasi simetris untuk menghasilkan biplot sehingga Anda dapat melihat asosiasi dengan lebih baik.
Manfaatkan alat bantu untuk membantu Anda menganalisis dan menginterpretasikan data multivariat dan hubungannya secara lebih lengkap. Misalnya, pahami karakteristik mana yang paling dekat dengan konsumen dalam hal produk atau merek Anda, atau tentukan persepsi pelanggan terhadap produk Anda dibandingkan dengan produk lain yang Anda atau pesaing Anda tawarkan.
Memprediksi nilai variabel hasil nominal, ordinal, atau numerik dari kombinasi variabel prediktor numerik dan kategorik terurut atau tidak terurut. Gunakan regresi dengan penskalaan optimal untuk menggambarkan, misalnya, bagaimana kepuasan kerja dapat diprediksi dari kategori pekerjaan, wilayah geografis, dan jumlah perjalanan yang berhubungan dengan pekerjaan.
Mengukur variabel sehingga Multiple R dimaksimalkan. Penskalaan optimal dapat diterapkan pada variabel numerik ketika residual tidak normal atau ketika variabel prediktor tidak berhubungan linier dengan variabel hasil. Metode regularisasi seperti regresi ridge, laso dan jaring elastis dapat meningkatkan akurasi prediksi dengan menstabilkan estimasi parameter.
Gunakan teknik reduksi dimensi untuk melihat hubungan dalam data Anda. Bagan ringkasan menampilkan variabel atau kategori yang serupa untuk memberi Anda wawasan tentang hubungan di antara lebih dari dua variabel.
Teknik-tekniknya meliputi analisis korespondensi (CORRESPONDENCE), regresi kategorikal (CATREG), analisis korespondensi berganda (MULTIPLE CORRESPONDENCE), CATPCA, korelasi kanonik nonlinier (OVERALS), penskalaan kedekatan (PROXSCAL), dan penskalaan preferensi (PREFSCAL).
- Untuk on premises: Beli edisi profesional
- Untuk paket Langganan: Beli add-on "Pengambilan sampel dan pengujian yang kompleks"
- Prosesor: 2 GHz atau lebih cepat
- Tampilan: 1024x768 atau lebih tinggi
- Memori: Diperlukan RAM 4 GB, disarankan RAM 8 GB atau lebih
- Ruang Disk: 2 GB atau lebih