|
|
IBM SPSS Advanced Statistics在分析复杂关系时，使用单变量和多变量建模方法，获得更准确的结论。
它对贵公司有何用途 利用为复杂关系而设计的统计信息，改善分析准确性和结论可靠性。作为 IBM SPSS Statistics 的模块，IBM SPSS Advanced Statistics 提供复杂的单变量和多变量分析方法及模型集合：广义线性混合模型(GLMM)、广义线性模型 (GLM)、混合模型过程、广义线性模型 (GENLIN) 和广义估计方程 (GEE) 过程。从各学科（例如，医学研究、制造、医药和市场研究）使用的数据中获取更深入洞察，帮助解决现实存在的问题。 不局限于基本分析 改善对多个结果或随着时间推移所获得结果的分析，分析具有分层结构的数据或估算事件发生前的时间长度。 构建灵活的模型 GLM 过程使您能够描述因变量和自变量集之间的关系。模型包括线性回归、ANOVA、ANCOVA、MANOVA 和 MANCOVA。 利用嵌套结构数据提高工作效率 线性混合模型过程基于 GLM 过程中使用的模型而扩展，使您能够分析具有相关性和非恒定可变性的数据。 应用更加复杂的模型 如果您的数据不符合更简单的方法所需要的假定，就需应用对数线性和分层对数线性分析，对计数数据的多路表进行建模。 分析事件历史记录、持续时间数据 您可以检验生命周期或持续时间数据，理解诸如部件故障、死亡或生存的终端事件。 主要功能
功能聚焦 一般线性模型 (GLM) 描述因变量与一组自变量之间的关系。使用灵活的设计和对比选项，估算平均值和方差，并测试和预测平均值。混合并匹配分类和连续预测变量，以构建模型。使用线性混合模型，以在预测非线性结果时提高准确性。用公式表示数十个模型，包括裂区实验设计（split-plot design）、具有固定效应协方差的多层统计分析模型（multi-level models with fixed-effects covariance）和完全随机区组设计（randomized complete blocks design）。 广义线性模型 (GENLIN) 提供一个统一框架，包含因变量服从正态分布的经典线性模型、针对二元数据的逻辑模型和概率单位模型、针对计数数据的对数线性模型，以及各种其他非标准的回归类型的模型。应用众多使用的一般统计模型，包括序数回归、Tweedie 回归、Poisson 回归、Gamma回归和负二项回归。 线性混合模型/分层线性模型 (HLM) 可对显示相关性和非恒定可变性的数据的平均值、方差和协方差进行建模。用公式表示数十个模型，包括裂区实验设计（split-plot design）、具有固定效应协方差的多层统计分析模型（multi-level models with fixed-effects covariance）和完全随机区组设计（randomized complete blocks design）。从 11 个非空间协方差类型中进行选择。通过重复的度量数据提高准确性，包括重复度量的不同数字和/或不同案例的不同时间间隔的情况。 广义估计方程 (GEE) 过程 扩展广义线性模型，使其适用于关联的纵向数据和聚类数据。对象中的模型关联 广义线性混合模型 (GLMM) 访问、管理和分析几乎任何类型的数据集，包括调研数据、企业数据库或从 Web 下载的数据。采用序数值运行 GLMM 过程，以在预测非线性结果（例如，客户的满意度级别处于低、中还是高级别）时构建更准确的模型。 生存分析过程 从灵活全面的一组技术中进行选择，以了解零件故障率、死亡率或存活率等终止事件。使用 Kaplan-Meier 估算对事件的时间长度加以测量。选择 Cox 回归执行比例风险回归，以响应时间（time-to-response）或疗效持续时间（duration response）作为因变量。 相关下载
在线留言尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
|
|
|||||||||||||||||||||||||||||
400-621-1085
