本文由科學軟件網整理發布

利用數據分析解決嚴峻的業務和研究挑戰

IBMSPSS Statistics 是集成的系列產品，有助于應對整個分析流程，從規劃和數據收集到分析、報告和部署。提供數十種完全集成的模塊供您選擇，您可以找到增加收入、超越競爭對手和改善決策所需的專業化的功能。

IBM SPSS Statistics各模塊介紹

IBM SPSS Advanced Statistics

功能強大的建模技術，用于分析復雜的關系

IBM SPSS Advanced Statistics 提供單變量和多變量的建模技術，幫助用戶在處理描述復雜關系的數據時，得到最準確的結論。通過頻繁應用這些成熟的分析技術，可以從各學科（例如，醫學研究、制造、制藥和市場研究）使用的數據中獲得更深入的洞察力。

SPSS Advanced Statistics 提供以下功能：

· 一般線性模型 (GLM) 和混合模型程序。

· 廣義線性模型 (GENLIN)，包括廣泛使用的統計模型，例如針對正態分布數據的線性回歸、針對二元數據的邏輯模型，以及針對計數數據的對數線性模型。

· 線性混合模型（也稱為分層線性模型，HLM）擴展了 GLM 程序中使用的一般線性模型，使您能夠分析具有相關性和非恒定可變性（non-constant variability）的數據。

· 廣義估算方程 (GEE) 程序擴展了廣義線性模型，適用于關聯的縱向數據和聚類數據。

· 廣義線性混合模型 (GLMM)，用于分層數據和各種結果，包括序數值。

· 生存分析程序，用于檢驗生存期數據或持續時間數據。

線性混合模型的估算平均值

GLMM 提供估算的邊際均值，用于說明預測變量的影響。

廣義線性混合模型的模型摘要

GLMM 模型摘要展示了模型與數據的擬合程度。

廣義線性混合模型可視化

GLMM 提供了模型的可視表示，您可以直觀看到每個預測因素的強弱。在本示例中，promo 變量對銷售影響最大。

IBM SPSS Bootstrapping

創建更可靠的模型并生成更準確的結果

IBM SPSS Bootstrapping 是一種確保分析模型可靠且能生成準確結果的有效方式。它可用于測試整個 SPSS Statistics 產品家族中分析模型和程序的穩定性，包括描述性統計信息、平均值、交叉表、相關、回歸等。

SPSS Bootstrapping 支持您：

· 通過對原始樣本的替代項進行重抽樣，快速輕松地估算抽樣分布特征。

· 為數據集合創建數以千計的可替換版本，以更準確地了解哪些數據最有可能存在于總體中。

· 減少離群值和異常值的影響，幫助確保模型的穩定性和可靠性。

· 估算總體參數的標準誤和置信度區間，這些總體參數包括平均值、中值、比值、優勢率、相關系數、回歸系數等。

描述性表格

描述性表格提供了描述性的統計信息，以及這些統計信息的 bootstrap 置信區間。平均值的 bootstrap 置信區間 (86.39, 105.20) 與參數化的置信區間 (86.42, 105.30) 類似，表示“典型”員工大約具有 7 到 9 年的工作經驗。但是，工作經驗（月）呈偏態分布，因此平均值不能夠很理想地代表當前的“典型”工資，這里使用中值會稍好一些。

IBM SPSS Categories

預測結果，揭示分類數據中的關系

IBM SPSS Categories 方便地直觀呈現和探索數據中的關系，并根據您的發現預測結果。您可以使用先進的技術（例如，預測分析、統計學習、感知圖和首選項縮放），了解消費者心目中認為與您的產品或品牌相關性最高的特征有哪些，并了解消費者對于您的產品與其他產品之間關聯的認知。

SPSS Categories 包含先進的分析技術，用于幫助您：

· 更完整更輕松地分析和解釋多變量數據及這些數據之間的關系。

· 通過對分類數據執行額外的統計操作，將定性變量轉變為定量變量。

· 無論您調研的是何種類別類型，包括消費群、醫療診斷、政治黨派或生物物種，都能以圖形化方式顯示底層關系。

IBM SPSS Complex Samples

分析復雜樣本的統計數據并解釋調查結果

IBM SPSS Complex Samples 幫助市場研究人員、民意調查人員和社會學家通過將樣本設計整合到其調研分析中，提供更有效的統計推論。 SPSS Complex Samples 為您提供實施復雜樣本設計（例如，分層抽樣、整群抽樣或多階段抽樣）所需的專門規劃工具和統計信息。

· 將樣本設計整合到調研分析中，以獲得更準確的結果。

· 保留調查規劃參數供將來使用，從而加快分析速度，提高效率。

· 管理復雜的調查數據以開展徹底的詳細分析。

· 使用直觀的界面和實用的向導，更快速地分析數據和解釋調研結果。

分析規劃向導

要分析樣本數據，請使用由“分析規劃向導（Analysis Plan Wizard）”創建的分析設計，作為“復雜樣本描述性統計數據（Complex Sample Deives）”或“復雜樣本制表（Complex Sample Tabulate）”的輸入。

通用線性模型

構建線性回歸和方差分析模型，預測考慮樣本設計的情況下的數字結果。該程序在估算方差時將樣本設計考慮在內，抽樣方法包括等概率抽樣方法、PPS 抽樣方法以及 WR 與 WOR 抽樣方法。

參數估算

參數估算顯示每個預測變量對所花費金額造成的影響。截距項的值 518.249 說明，雜貨連鎖店可以預測，使用報紙以及有針對性的郵寄廣告上優惠券的家庭平均花費為 518.25 美元。參數估算有助于量化每個模型項的影響，但是估算的邊界均值表格也能輕松解釋模型結果。

抽樣規劃向導

指定抽樣框架以創建復雜樣本設計，該設計由復雜樣本附加模塊中的伴隨程序所使用。要對個例進行抽樣，請使用由抽樣規劃向導所創建的樣本設計，作為復雜樣本選擇程序的輸入。

IBM SPSS Conjoint

了解和衡量購買決策

IBM SPSS Conjoint 幫助市場研究人員增加對消費者喜好的了解，以便更有效地設計、定價和營銷成功產品。它支持研究人員對消費者決策過程進行建模，以便設計出包含對目標市場最重要的功能和屬性的產品。

SPSS Conjoint 可幫助研究人員：

· 使用設計生成器 ORTHOPLAN 設計產品屬性組合的正交陣列。

· 制作并打印卡片供調研受訪者對備選產品進行挑選、排序或評級。

· 使用結合分析（conjoint analysis，一種專門定制的回歸版本）分析研究數據。

正交設計

正交設計的輸出結果是每個剖面（profile）具有對應的一行，而各種因素顯示為列。腳注可使實驗人員（而非其他測試參與者）了解哪些個例（如果有）為保留個例。

該表指出，在使用三個不同選擇概率模型的情況下，選擇每個模擬個案作為首選的預測概率。

模擬個案

聯合分析的真正威力在于，能夠對未經主體評級的產品概要信息預測首選項。這些即所說的模擬個案。模擬個案、來自正交設計的概要信息（profile）以及檢驗用的概要信息（profile）都包含在計劃中。

實用程序評分

該表顯示了實用程序（效用值）評分及其每個因子級別的標準誤。實用程序值越高，表示首選項越好。

IBM SPSS Custom Tables

分析數據并在更短的時間內創建定制表

使用 IBM SPSS Custom Tables 能輕松針對不同受眾以不同樣式總結 IBM SPSS Statistics 數據。它結合了多種分析功能，您可以構建人們非常容易閱讀和明白的表，幫助您從數據中了解更多信息。

該軟件對于那些定期創建和更新報告的用戶很實用，尤其是那些從事調查或市場研究、社會科學、數據庫或直銷、院校研究工作的人。

SPSS Custom Tables 幫助您：

· 執行深入的分析，以便更好地了解自己的數據并為決策者提供改進的報告。

· 在構建表時進行預覽，確保在更短時間內創建精煉、準確的報告。

· 定制表的布局和外觀，以清晰準確地表達結果。

· 通過提供人們無需進一步處理即可作為行動依據的信息，保證結果的易用性。

拖放式表構建方法

SPSS Custom Tables 直觀的圖形用戶界面使您不再需要靠猜測來構建表。其拖放功能和預覽窗格使您可在單擊“確定”之前，對表格的內容和外觀進行檢查。

圖形用戶界面

直觀的界面可幫助您輕松構建復雜的表，包括嵌套和堆積表。

可定制的表格式

SPSS Custom Tables 提供一系列選項，幫助您控制表格的外觀，包括添加標題和文字說明、指定列寬以及排列和隱藏類別的功能。

多個匯總統計

將各種統計信息添加至各個表單元格（從針對分類變量的簡單計數到離差測定），并按照使用的任何匯總統計信息對類別進行排序。

IBM SPSS Data Preparation

改進數據準備過程，生成更準確的結果

IBM SPSS Data Preparation 執行先進技術，以簡化分析過程的數據準備階段，從而更快速、更準確地提供數據分析結果。分析人員可以從完全自動化的數據準備過程中進行選擇，從而最快地獲得結果，或者從其他幾種方法中進行選擇來準備更具有挑戰性的數據集。

利用該軟件，您可以輕松發現可疑或無效的個例、變量和數據值。驗證數據工具幫助您發現活動數據集中可疑和無效的個例、變量及數據值。

SPSS Data Preparation 有助于：

·