IBM SPSS Categories

Prognose von Ergebnissen und Aufzeigen von Beziehungen in kategorialen Daten

IBM SPSS Categories vereinfacht die Visualisierung und Untersuchung von Beziehungen in Ihren Daten sowie die Prognose von Ergebnissen auf Grundlage Ihrer Feststellungen. Mithilfe von innovativen Verfahren, z. B. vorausschauender Analyse, statistischem Lernen, Wahrnehmungszuordnung und Präferenzskalierung, können Sie sich ein Bild davon machen, welche Merkmale die Verbraucher am meisten mit Ihrem Produkt oder Ihrer Marke in Verbindung bringen und wie sie Ihre Produkte im Vergleich zu anderen wahrnehmen.

SPSS Categories umfasst innovative Analyseverfahren, die Ihnen folgende Vorteile bieten:

Einfache Analyse und Interpretation von multivariaten Daten und ihrer Beziehungen auf vollständigere Weise
Umwandlung von qualitativen in quantitative Variablen durch die Ausführung zusätzlicher statistischer Operationen zu kategorialen Daten
Grafische Anzeige von zugrunde liegenden Beziehungen, ganz gleich, welche Kategorien untersucht werden, einschließlich Marktsegmenten, medizinischer Diagnosen, politischer Parteien oder biologischer Arten

Einfache Analyse und Interpretation von multivariaten Daten

Nutzen Sie Verfahren für die kategoriale Regression, um die Werte einer nominalen, ordinalen oder numerischen Ergebnisvariable aus einer Kombination numerischer und (nicht) geordneter kategorialer Prädiktorvariablen zu prognostizieren.
Quantifizieren Sie die Variablen, um Multiple R mit optimalen Skalierverfahren zu maximieren.
Zeigen Sie Beziehungen in Ihren Daten mithilfe von Dimensionsreduktionsverfahren wie Wahrnehmungszuordnungen und Biplots deutlich an.
Gewinnen Sie Einblick in Beziehungen zwischen mehr als zwei Variablen mit Übersichtsdiagrammen, die ähnliche Variablen oder Kategorien anzeigen.

Umwandlung von qualitativen in quantitative Variablen

Prognostizieren Sie die Werte einer nominalen, ordinalen oder numerischen Ergebnisvariable aus einer Kombination von kategorialen Prädiktorvariablen.
Analysieren Sie Zweiwegtabellen, die einige Messwerte für die Korrespondenz zwischen Zeilen und Spalten enthalten sowie Zeilen und Spalten als Punkte in einer Übersicht anzeigen. Zudem lassen sich multivariate kategoriale Daten analysieren, indem mehr als zwei Variablen in Ihrer Analyse genutzt werden.
Nutzen Sie optimale Skalierung, um das Verfahren zur Analyse der Hauptkomponenten zu generalisieren, sodass Variablen mit heterogenem Messniveau verwendet werden können.
Vergleichen Sie mehrere Variablensätze in demselben Diagramm miteinander, nachdem die Korrelation zwischen den Sätzen entfernt wurde, und untersuchen Sie Beziehungen zwischen zwei Objektsätzen, z. B. Verbrauchern und Produkten, visuell.
Führen Sie eine mehrdimensionale Skalierung von einer oder mehreren Matrizen mit Ähnlichkeiten oder Unterschieden (Näherungen) durch.

Grafische Anzeige von zugrunde liegenden Beziehungen

Setzen Sie die Beziehungen zwischen Ihren Variablen in einen größeren Referenzrahmen mit optischer Skalierung.
Erstellen Sie Wahrnehmungszuordnungen, die ähnliche Variablen oder Kategorien in enger Nachbarschaft grafisch anzeigen, um Ihnen einzigartige Einblicke in die Beziehungen zwischen mehr als zwei kategorialen Variablen zu geben.
Nutzen Sie Biplots und Triplots, um sich die Beziehungen zwischen Fällen, Variablen und Kategorien anzusehen, um beispielsweise die Beziehungen zwischen Produkten, Kunden und demografischen Merkmalen zu definieren.
Visualisieren Sie Beziehungen zwischen Objekten weiter unter Verwendung von Präferenzskalierung, durch die Sie nicht metrische Analysen für ordinale Daten durchführen und aussagekräftigere Ergebnisse erzielen können.
Analysieren Sie Ähnlichkeiten zwischen Objekten und integrieren Sie Merkmale für Objekte in derselben Analyse.

Ressourcen

Datenblatt: IBM SPSS Categories (295KB)
Prognostizieren Sie Ergebnisse und machen Sie Beziehungen in kategorialen Daten sichtbar mit SPSS Categories-Software.