SPSS Regression

Noch genauere Vorhersagen - dank leistungsstarker Regressionsprozeduren

IBM SPSS Regression ermöglicht Ihnen die Vorhersage kategoriebezogener Ergebnisse und die Anwendung einer breiten Palette von nicht linearen Regressionsprozeduren.

Sie können IBM SPSS Regression auf viele Geschäfts- und Analyseprojekte anwenden, in denen sich herkömmliche Regressionsverfahren als einschränkend oder als ungeeignet erweisen: zum Beispiel bei der Untersuchung des Kaufverhaltens von Konsumenten oder bei der Erforschung von Reaktionen auf Behandlungen, bei der Bewertung schulischer Leistungen und bei der Auswertung von Kreditrisiken.

IBM SPSS Regression umfasst die folgenden Prozeduren:
Multinomiale logistische Regression: Kategoriebezogene Ergebnisse mit mehr als zwei Kategorien vorhersagen
Binäre logistische Regression: Müheloses Klassifizieren Ihrer Daten in zwei Gruppen
Nicht lineare Regression und eingeschränkte nicht lineare Regression (CNLR): Schätzen Sie die Parameter der nicht linearen Modelle ein.
Gewichtete kleinste Quadrate: Verleiht Messungen innerhalb einer Serie mehr Gewicht.
Zweistufige kleinste Quadrate: Ermöglicht die Kontrolle bei Korrelationen zwischen Vorhersagevariablen und Fehlerbegriffen.
Probit-Analyse: Wertet den Wert von Stimuli mithilfe einer Logit- oder Probit-Konvertierung des reagierenden Anteils aus.