SPSS Categories

Comment prévoir les résultats et repérer des relations au sein desdonnées catégorielles

Avec IBM^MD SPSS^MD Categories, il est facile de visualiser et d'étudier les relations qui se dessinent parmi vos données, mais aussi, ce constat terminé, de faire des prévisions. Des méthodes évoluées (analyse prédictive, apprentissage statistique, établissement de cartes perceptuelles, échelonnement des préférences...) vous permettront de déterminer les caractéristiques que les consommateurs associent à votre produit ou votre marque, et de savoir comment vos produits sont perçus par rapport aux autres.

Les méthodes d'analyse mises en œuvre par SPSS Categories vous aideront à :

Analyser et interpréter les données multivariées, ainsi que leurs relations, rapidement et de manière exhaustive
Transformer les variables qualitatives en variables quantitatives en effectuant des opérations statistiques supplémentaires sur les données catégorielles
Afficher sous forme graphique les relations sous-jacentes, quels que soient les types de catégorie considérés (que l'étude porte sur des segments de marché, des diagnostics médicaux, des partis politiques ou des espèces vivantes)

Analyse et interprétation aisées des données multivariées

Utilisez les procédures de régression catégorielles pour prévoir les valeurs que pourra prendre une variable dépendante nominale, ordinale ou numérique, étant donné telle ou telle combinaison de variables indépendantes catégorielles numériques, ordonnées ou non.
Quantifiez les variables afin de tirer le meilleur profit de la méthode Multiple R, grâce à des techniques optimales d'établissement d'échelles.
Discernez sans ambiguïté les relations présentes dans vos données, à l'aide des outils de réduction des dimensions que sont par exemple les cartes perceptuelles et les diagrammes de double projection.
Obtenez de l'information sur les relations entre plus de deux variables, grâce à des tableaux récapitulatifs affichant les variables ou les catégories similaires.

Transformation des variables qualitatives en variables quantitatives

Prévoyez les valeurs que pourra prendre une variable dépendante nominale, ordinale ou numérique, étant donné telle ou telle combinaison de variables indépendantes catégorielles.
Analysez les tableaux à double entrée où il existe un certain degré de correspondance entre les lignes et les colonnes, et affichez lignes et colonnes sous forme de points sur une carte. Analysez les données catégorielles multivariées en permettant l'utilisation de plus de deux variables dans vos analyses.
Utilisez la fonction d'optimisation des échelles afin de généraliser la procédure d'analyse en composantes principales, de façon à prendre en compte les variables associées à des niveaux de mesure mixtes.
Comparez plusieurs ensembles de variables à un autre dans le même graphique après avoir supprimé la corrélation au sein des ensembles, et examinez visuellement les relations entre deux ensembles d'objets (consommateurs et produits, par exemple).
Effectuez l'échelonnement multidimensionnel d'une ou de plusieurs matrices présentant des similarités ou des dissimilarités (concept de proximité).

Affichage graphique des relations sous-jacentes

Inscrivez les relations entre vos variables dans un cadre de référence plus vaste, grâce à la fonction d'échelonnement optimal.
Créez des cartes perceptuelles présentant sous forme graphique les variables ou catégories similaires les unes à côté des autres, pour examiner les relations entre plus de deux variables nominales.
Servez-vous des diagrammes de double ou de triple projection pour étudier les relations entre cas, variables et catégories (pour déterminer par exemple les liens entre produits, clients et caractéristiques démographiques).
Visualisez encore plus précisément les relations entre les objets, grâce à la fonction d'échelonnement des préférences, qui permet de mener des analyses non métriques sur les données ordinales et d'obtenir des résultats plus parlants.
Analysez les similarités entre objets et incorporez les caractéristiques de ces derniers au cours de la même analyse.

Logiciels IBM

Voir ce que ce logiciel intelligent peut faire pour vous