-
-
-
-
-
-
-
- 010-56548231
-
IBM SPSS Statistics 32—大數(shù)據(jù)分析軟件
IBM SPSS Statistics Premium Edition 集所有功能于一身的版本，專為有多種高級分析需求的科研人員和大型企業(yè)而設計。
IBM SPSS Statistics Premium Edition 幫助數(shù)據(jù)分析人員、規(guī)劃人員、預測人員、調(diào)查研究人員、程序評估人員及數(shù)據(jù)庫營銷人員等在分析過程的每個階段輕松地完成任務。它完全集成了 Statistics 功能，以及用于整個企業(yè)/科研項目內(nèi)各種專門的分析任務的相關(guān)產(chǎn)品。該軟件能夠顯著提高生產(chǎn)力，有助于特定項目和業(yè)務目標取得出色成果。
IBM SPSS Statistics Premium Edition 包括以下功能：
一、線性模型
提供各種回歸和高級統(tǒng)計程序，旨在適應描述復雜關(guān)系的數(shù)據(jù)的固有特征。
? Statistics Premium 包含廣義線性混合模型 (GLMM)，用于分層數(shù)據(jù)。
? 該軟件具有通用線性模型 (GLM) 和混合模型程序。
? 它包含廣義線性模型 (GENLIN)，包括廣泛使用的統(tǒng)計模型，例如針對正態(tài)分布響應的線性回歸、針對二元數(shù)據(jù)的邏輯模型，以及針對計數(shù)數(shù)據(jù)的對數(shù)線性模型。GENLIN 還通過其非常通用的模型公式提供眾多實用的統(tǒng)計模型。
? 廣義估計方程 (GEE) 程序擴展了廣義線性模型的能力，使它們能使用關(guān)聯(lián)的縱向數(shù)據(jù)和聚類數(shù)據(jù)。
二、非線性模型
能夠?qū)⑤^為復雜的模型應用于數(shù)據(jù)。
? 多項式邏輯回歸 (MLR) 可預測具有兩個以上類別的分類結(jié)果。
? 二元邏輯回歸可將數(shù)據(jù)分為兩個組。
? 非線性回歸 (NLR) 和受限非線性回歸 (CNLR) 可估算非線性模型的參數(shù)。
? 概率分析使用響應比例的分對數(shù)（Logit）轉(zhuǎn)換或概率單位變換來計算模擬值。
三、地理空間
分析支持用戶對位置和時間數(shù)據(jù)進行集成、探索和建模。
? Statistics Premium 中的地理空間分析技術(shù)可幫助揭示地理空間數(shù)據(jù)中隱藏的關(guān)系和趨勢。
? 空間-時間預測 (STP) 技術(shù)可使線性模型適應 2D 和 3D 空間內(nèi)位置隨時間推移進行的度量，支持用戶預測這些領(lǐng)域的長期變化趨勢。
? 使用廣義空間關(guān)聯(lián)規(guī)則 (GSAR) 發(fā)現(xiàn)空間和非空間屬性之間的關(guān)聯(lián)，此規(guī)則使用歷史數(shù)據(jù)（例如，事件發(fā)生位置、事件類型和事件發(fā)生時間）來描述發(fā)生的事件，例如犯罪或疾病爆發(fā)。
四、模擬功能
幫助分析人員自動模擬許多可能的結(jié)果（輸入不確定時），同時改進風險分析和決策制定。
? 蒙特卡羅模擬方法可以幫助您在現(xiàn)有數(shù)據(jù)不充分的情況下，根據(jù)現(xiàn)有的數(shù)據(jù)和/或已知的參數(shù)創(chuàng)建模擬數(shù)據(jù)集。
? 可對非數(shù)值型變量（如“男”和“女”）進行模擬，無需將其記錄為數(shù)值變量。
? 現(xiàn)有的預測模型和數(shù)據(jù)可用作模擬的起點，包括從 Automatic Linear Modeling (ALM) 和 IBM SPSS Modeler 導出的模型。
? 生成輸入數(shù)據(jù)時，會自動確定并使用分類輸入之間的關(guān)聯(lián)。
? 使用一組不同的隨機值，反復計算結(jié)果，生成可能結(jié)果值的分布，使用戶能夠選擇最優(yōu)值。
? SPSS Statistics 可被用于分析模擬結(jié)果，以直觀的形式呈現(xiàn)結(jié)果以及為決策者推薦的行動。
五、定制表
使用戶能夠輕松理解其數(shù)據(jù)，并針對不同受眾以不同風格快速匯總結(jié)果。
? 包含推論性統(tǒng)計信息時，針對人口統(tǒng)計組、客戶群、時間段或其他分類變量比較平均值或比例。
? 該軟件可創(chuàng)建匯總統(tǒng)計信息（從針對分類變量的簡單計數(shù)到離差測定)，并按照使用的任何匯總統(tǒng)計信息對類別進行排序。
? 它包括三種主要的測試：獨立性卡方測試、列平均值比較（t 測試）和列比例比較（z 測試）。
? 交互式的表構(gòu)建器提供拖放功能來創(chuàng)建數(shù)據(jù)透視表。
? 它排除了特定類別，能顯示缺少值的單元格，并將小計添加到表中。
? 表可實時預覽并在創(chuàng)建時進行修改。表可導出至 Microsoft Word、Excel、PowerPoint 或 HTML，以便在報表中使用。
六、數(shù)據(jù)準備
簡化了分析過程的數(shù)據(jù)準備階段。
? Statistics Premium 可識別可疑或無效的案例、變量和數(shù)據(jù)值。
? 該軟件允許您查看缺失數(shù)據(jù)的模式并匯總變量分布。
? Optimal Binning 為那些為名義屬性設計的算法找到最佳可能結(jié)果。
? 自動數(shù)據(jù)準備 (Automated Data Preparation，ADP) 工具通過一個高效的步驟即可檢測和糾正質(zhì)量錯誤，找到缺少值的原因。
? 建議和可視化幫助您確定要使用的數(shù)據(jù)。
七、數(shù)據(jù)有效性和缺失值檢查
提升了獲得有顯著統(tǒng)計意義結(jié)果的幾率。
? Statistics Premium 可使用六種診斷報表從多個角度檢查數(shù)據(jù)，然后估算匯總統(tǒng)計信息并確定缺少值的原因。
? 該軟件可快速診斷因缺少數(shù)據(jù)而帶來的嚴重問題。
? 它使您能夠用估算值替換缺失的值。
? 它顯示每種缺失值的類型以及每個個例的所有極值的快照。
? 通過將缺失值替換為估算值以包含所有組（甚至包括響應力較低的組）來消除隱含的偏差。
八、分類數(shù)據(jù)和數(shù)字數(shù)據(jù)
可用于預測結(jié)果并以圖形方式顯示關(guān)系。
? 該軟件可通過感知圖、雙重圖和三重圖來發(fā)現(xiàn)底層的關(guān)系。
? 它使用類似于傳統(tǒng)回歸、主成份組件和典范相關(guān)的程序來預測結(jié)果并顯示關(guān)系 - 幫助您處理并理解名義數(shù)據(jù)（例如，薪資）和順序數(shù)據(jù)（例如，教育程度）。
? Statistics Premium 使您能夠以可視化方式解釋數(shù)據(jù)集，并在大型的分數(shù)、計數(shù)、等級、排名或相似性表中了解行與列之間的關(guān)系。
? 該軟件可處理數(shù)字數(shù)據(jù)中的非標準殘留數(shù)據(jù)或者預測變量（例如，客戶或產(chǎn)品屬性）與結(jié)果變量（例如，購買/不購買）之間的非線性關(guān)系。
? 提供了多種適用于數(shù)字數(shù)據(jù)和歸類數(shù)據(jù)的方法，包括 Ridge Regression、Lasso、Elastic Net、變量選擇和模型選擇。
九、決策樹
可更方便地標識組、發(fā)現(xiàn)各個組之間的關(guān)系和預測未來事件。
? Statistics Premium 以可視化方式確定模型的流動方式，因此您可發(fā)現(xiàn)特定的子組和關(guān)系。
? 該軟件直接在 IBM SPSS Statistics 中創(chuàng)建分類樹，因此，您可以使用結(jié)果直接在數(shù)據(jù)內(nèi)對案例進行分段和分組。
? 它包括四種確立的樹形增長算法：
① CHAID - 快速、統(tǒng)計型的多向樹算法，用于快速有效地探索數(shù)據(jù)，并針對所期望的結(jié)果構(gòu)建分段和概要信息。
② 窮舉式 CHAID - CHAID 的一種變體，用于檢查每個預測項所有可能的分支。
③ 分類和回歸樹 (C&RT) - 完整的二叉樹算法，可對數(shù)據(jù)進行分區(qū)，并生成準確的同構(gòu)子集。
④ QUEST - 一種統(tǒng)計算法，可快速有效地選擇不包含偏差的變量，并構(gòu)建準確的二叉樹。
? 選擇或分類/預測規(guī)則使用 IBM SPSS Statistics 語法、SQL 語句或簡單文本（通過語法）生成。
十、預測
功能幫助您更快地分析歷史數(shù)據(jù)并預測趨勢。
? Statistics Premium 確保組織決策者可以理解和使用您提供的信息。
? 它會自動確定最適合的 ARIMA 或指數(shù)平滑模型來分析您的歷史數(shù)據(jù)。
? 時間因果關(guān)系建模 (TCM) 技術(shù)可幫助揭示大量時間序列中隱藏的因果關(guān)系，并確定每一個目標序列的最佳預測變量。
? 一次可對數(shù)以百計不同的時間序列進行建模，而不是每次只能對一個變量建模。
? 模型集中保存至一個文件，以便在數(shù)據(jù)發(fā)生變化時可更新預測，而無需重新設置參數(shù)或者重新估算模型。
? 可編寫腳本以自動使用新數(shù)據(jù)來更新模型。
十一、結(jié)構(gòu)方程式建模
工具使您能夠以更準確的方式構(gòu)建結(jié)構(gòu)方程式模型，比使用直觀的拖放功能設計的標準多變量統(tǒng)計模型更準確。
? Statistics Premium 測試假設情況，并確認觀測變量與潛變量之間的關(guān)系 - 獲得比回歸分析更深入的洞察。
? 它使您能夠構(gòu)建更能切實反映復雜關(guān)系的模型，因為無論是觀測變量（例如，來自調(diào)查的非實驗性數(shù)據(jù)）還是潛變量（例如，滿意度和忠誠度），都可用于預測任何其他數(shù)值變量。
? 該軟件的可視框架用于比較、確認并完善模型。
? 多變量分析包含并擴展了標準方法 - 包括回歸、因子分析、相關(guān)分析以及方差分析。
? 該產(chǎn)品包含三種數(shù)據(jù)歸因方法：回歸、隨機回歸和貝葉斯算法 (Bayesian)。
十二、引導程序
簡化了對模型穩(wěn)定性和可靠性的測試，使生成的結(jié)果更加準確可靠。
? Statistics Premium 通過對原始樣本的替換項進行重新采樣，對某個估算項的采樣分布進行估算。
? 它會估算填充參數(shù)（例如，平均值、中值、比例、比值比、相關(guān)系數(shù)、回歸系數(shù)等）的標準誤差和置信度區(qū)間。
? 該軟件使您可以創(chuàng)建數(shù)以千計的數(shù)據(jù)集備用版本，以便進行更準確的分析。
十三、高級采樣評估和測試
通過將樣本設計整合到調(diào)查分析中，生成從統(tǒng)計意義而言更為有效的推論。
? Statistics Premium 提供處理復雜樣本設計（例如，分層、分群或多階段采樣）所需的專業(yè)規(guī)劃工具和統(tǒng)計信息。
? 由于它將樣本設計整合到了調(diào)查分析中，因此可幫助您獲得更理想的結(jié)果。
? 用戶可使用分析和預測算法（包括預測事件的時間），在復雜的樣本設計中更準確地處理數(shù)字和分類結(jié)果。
? 向?qū)Ш喕擞媱潉?chuàng)建、數(shù)據(jù)分析和結(jié)果說明過程。
十四、直接市場營銷和產(chǎn)品決策工具
可幫助市場營銷人員更輕松地發(fā)現(xiàn)適合的客戶，提升營銷活動效果。
? Statistics Premium 通過為相似或截然不同的客戶或聯(lián)系人創(chuàng)建集群，對這些人進行細分。
? 該軟件利用一些共有特征對客戶或聯(lián)系人建檔，以提高市場營銷產(chǎn)品和活動的針對性。
? 它可設計傾向性分數(shù)，以確定購買可能性最高的人群。
? 測試包性能與控制包性能不相上下。
? 對營銷活動的響應通過郵政編碼來標識。
? 將營銷活動響應數(shù)據(jù)與 Salesforce.com 集成，以跟蹤商機線索和報告銷售成果。
十五、高端圖表（High-end charts）
使用戶可以在一系列平臺和智能設備上方便地創(chuàng)建和共享吸引人的可視化效果，并與之進行交互。
? Statistics Premium 擁有數(shù)十個內(nèi)置的可視化模版，幫助您就分析結(jié)果進行溝通。
? 通過“拖放”方式創(chuàng)建圖表，無需編程技能。
? 可以定制樣式表和圖形模板，以便在整個企業(yè)范圍內(nèi)設置新的圖形標準，或與您的品牌匹配。
? 圖形可部署在使用 IBM SPSS Collaboration and Deployment Services、IBM SPSS Statistics 和 IBM SPSS Modeler 的運營系統(tǒng)中。
? 該軟件支持各種數(shù)據(jù)源，包括以定界符分隔的 IBM SPSS Statistics 數(shù)據(jù)文件以及常見的數(shù)據(jù)庫源（例如，DB2、SQL Server、Oracle 和 Sybase）。
登錄頁面
重新設計了登錄頁面，使用戶能夠快速輕松地找到所需的 SPSS Statistics 功能。
樣式輸出界面
根據(jù)單元格值，使用條件格式化，突出顯示表中的單元格背景和文本。
樣式輸出
將特定的屬性（如顏色）應用于表單元格或行，引起用戶對特定結(jié)果的注意。
Web 報告
通過智能手機和平板電腦（如 iPhone、iPad、iPod、Windows 和 Android 設備）中的 Web 瀏覽器，查看交互式 SPSS Statistics 報告。
熱圖
蒙特卡羅模擬 (Monte Carlo simulation) 在顯示目標和/或輸入為分類狀態(tài)的散點圖時，幫助您自動生成熱圖。
內(nèi)核密度估算
在此圖中，SPSS Statistics 顯示了所選區(qū)域隨時間變化的點密度（內(nèi)核密度估算）。
GSAR
正如此處所示，GSAR 可用于基于區(qū)域人口統(tǒng)計信息預測犯罪發(fā)生可能性最高的地點，如此圖中所示。
時間因果關(guān)系模型
此圖顯示了與時間因果關(guān)系模型系統(tǒng)中的前 10 個模型（最匹配的模型）關(guān)聯(lián)的因果關(guān)系。監(jiān)控關(guān)鍵績效指標并跟蹤各種可控指標（稱為杠桿）數(shù)據(jù)的企業(yè)希望確定杠桿與 KPI 之間的因果關(guān)系，以便了解哪些杠桿影響哪些 KPI。該公司還希望了解在各 KPI 之間是否存在因果關(guān)系。
線性 OLS 替代方案
彈性網(wǎng)絡
新的 "線性彈性網(wǎng)絡" 擴展過程使用 Pythonsklearn.linear_model.ElasticNet用于估計一個或多個自變量上因變量的正規(guī)化線性回歸模型的類。規(guī)則化組合了 L1 (套索) 和 L2 (嶺) 懲罰。該擴展包含可選方式，用于顯示給定 L1 比率的不同 alpha 值的跟蹤圖，以及基于交叉驗證選擇 L1 比率和 alpha 超參數(shù)值。當擬合單個模型或使用交叉驗證來選擇懲罰比率和/或 alpha 時，可使用保留數(shù)據(jù)分區(qū)來估算樣本外性能。
套索
新的線性套索擴展過程使用 Pythonsklearn.linear_model.Lasso用于估計一個或多個自變量的因變量的 L1 損失正規(guī)化線性回歸模型的類，并包括用于顯示跟蹤圖和基于交叉驗證選擇 alpha 超參數(shù)值的可選方式。當擬合單個模型或使用交叉驗證來選擇 alpha 時，可使用保留數(shù)據(jù)分區(qū)來估算樣本外性能。
嶺
新的線性嶺擴展過程使用 Pythonsklearn.linear_model.Ridge用于估算一個或多個自變量上因變量的 L2 或平方損失正規(guī)化線性回歸模型的類，并包括用于顯示跟蹤圖和基于交叉驗證選擇 alpha 超參數(shù)值的可選模式。當擬合單個模型或使用交叉驗證來選擇 alpha 時，可使用保留數(shù)據(jù)分區(qū)來估算樣本外性能。
參數(shù)加速故障時間 (AFT) 模型
新程序使用非循環(huán)生命時間數(shù)據(jù)來調(diào)用參數(shù)化生存模型過程。參數(shù)化生存模型假設生存時間遵循已知分布，此分析擬合加速失敗時間模型，其模型效應與生存時間成正比。
參數(shù)生存模型 - SURV AFT
線性混合模型和廣義線性混合模型中的 偽 -R2 測量
偽 -R2 度量和類內(nèi)相關(guān)系數(shù)現(xiàn)在包含在線性混合模型和廣義線性混合模型輸出中 (如果適用)。確定系數(shù) R2 是通常報告的統(tǒng)計量，因為它表示由線性模型解釋的方差比例。類內(nèi)相關(guān)系數(shù) (ICC) 是一個相關(guān)統(tǒng)計，用于量化由多級/分層數(shù)據(jù)中的分組 (隨機) 因子解釋的方差比例。
命令語法
GENLINMIXED
輸出現(xiàn)在包含 偽 -R2 度量和類內(nèi)相關(guān)系數(shù) (如果適用)。
LINEAR_ELASTIC_NET
新的擴展命令使用 Pythonsklearn.linear_model.ElasticNet用于估計一個或多個自變量上因變量的正規(guī)化線性回歸模型的類。
LINEAR_LASSO
新的擴展命令使用 Pythonsklearn.linear_model.Lasso用于估算一個或多個自變量上因變量的 L1 損失正規(guī)化線性回歸模型的類。該命令包含用于顯示跟蹤圖和選擇基于交叉驗證的 alpha 超參數(shù)值的可選方式。
LINEAR_RIDGE
新的擴展命令使用 Pythonsklearn.linear_model.Ridge用于估計一個或多個自變量的因變量的 L2 或平方損失正規(guī)化線性回歸模型的類。該命令包含用于顯示跟蹤圖和選擇基于交叉驗證的 alpha 超參數(shù)值的可選方式。
MIXED
輸出現(xiàn)在包含 偽 -R2 度量和類內(nèi)相關(guān)系數(shù) (如果適用)。
SURVREG AFT
新的擴展命令使用非循環(huán)生命周期數(shù)據(jù)調(diào)用參數(shù)生存模型過程。
Python 和 R 升級
Python 3.10.4 和 R 4.2.0 隨 IBM SPSS Statistics 29一起安裝。
選擇個案 - 隱藏的個案
當選擇了部分個案時，未選擇的個案將不再隱藏在數(shù)據(jù)編輯器中，并且不會廢棄未選擇的個案。這表示返回到 統(tǒng)計信息 27.0.1 和更低版本的行為。
小提琴圖
“圖形板模板選擇器”包括新的小提琴圖，這是箱形圖和內(nèi)核密度圖的混合體。小提琴圖顯示數(shù)據(jù)中的峰值，并用于可視化數(shù)字數(shù)據(jù)的分布。與只能顯示匯總統(tǒng)計的箱圖不同，小提琴圖描述匯總統(tǒng)計和每個變量的密度。
工作簿方式增強功能
兩個新的工作簿工具欄項: 顯示/隱藏所有語法窗口 和 清除所有輸出。
"狀態(tài)欄" 上的新按鈕，用于在經(jīng)典 (輸出和語法) 方式與工作簿方式之間進行切換。
搜索增強功能
“搜索”功能提供了直接在工具欄字段中輸入詞匯以及在下拉窗格中查看結(jié)果的選項。
IBM SPSS Statistics for Windows
操作系統(tǒng)：Microsoft Windows 10(64位)*
處理器：2 GHz 或更快
顯示：1024*768或更高
內(nèi)存：需要 4 GB RAM，建議 8 GB RAM 或更多
磁盤空間：2 GB 或更多
IBM SPSS Statistics for Mac
操作系統(tǒng)：macOS High Sierra 10.13，macOS Mojave 10.14，macOS Catalina 10.15。
硬件：
內(nèi)存: 4GB RAM 或更多 1024x768 顯示
最小硬盤空間: 2GB
IBM SPSS Statistics for Linux
操作系統(tǒng)：SPSS Statistics只在以下平臺上進行過測試和支持。Red Hat Enterprise Linux (RHEL) 8，Red Hat Enterprise Linux (RHEL) Client 7，Ubuntu 14.04 LTS，Ubuntu 16.04 LTS。
硬件：
內(nèi)存: 4GB RAM 或更多 1024x768 顯示
最小硬盤空間: 4GB
北京友萬信息科技有限公司，英文全稱：Beijing Uone Info&Tech Co.,Ltd ( Uone-Tech )是中國大陸領(lǐng)先的教育和科學軟件分銷商，已在中國300多所高校建立了可靠的分銷渠道。擁有最成功的教學資源和數(shù)據(jù)管理專家。如需申請軟件采購及老版本更新升級請聯(lián)系我們，咨詢熱線：010-56548231 ,咨詢郵箱：info@uone-tech.cn 感謝您的支持與關(guān)注。
