Пропустить общее меню / Skip Global Navigation

+7 (495) 229-56-11  Квадрат SPSS  info@predictive.ru

Модуль IBM SPSS Categories

Прогнозирование категориальных откликов и исследование категориальных данных при помощи карт восприятия

Перейдите от громоздких таблиц к представлению имеющихся в данных взаимосвязей на картах восприятия с помощью SPSS Categories

Данные представляют собой таблицу 2х5х6, содержащую информацию по двум категориям пола, пяти возрастным группам и шести товарам. На диаграмме представлены результаты двумерного решения методом множественного анализа соответствий. Обратите внимание на то, что товарам "А" и "В" отдают предпочтения более молодые потребители мужского пола, тогда как товары "С" и 'D' предпочитают потребители, относящиеся к старшим возрастным группам.

 

При помощи процедуры анализа соответствий можно без лишних усилий провести более полный анализ категориальных данных. Вместе с процедурой категориальной регрессии, а также четырьмя другими процедурами, SPSS Categories предоставляет полный набор инструментов многомерного анализа, позволяющих извлечь максимум информации из категориальных данных.

SPSS Categories применяется для решения следующих задач:

  • Анализ больших, громоздких двухвходовых и многовходовых таблиц
  • Работа с порядковыми и номинальными переменными с использованием процедур, аналогичных обычным процедурам регрессии, анализа главных компонент и канонической корреляции
  • Визуализация и исследование категориальных данных

Варианты использования IBM SPSS Categories

Анализ соответствий (CORRESPONDENCE)

Применяется для исследования двухвходовых таблиц сопряженности или данных, которые могут быть представлены в виде двухвходовой таблицы, например, данных о предпочтениях марок товаров потребителями или социологических исследований.

На рисунке представлены результаты исследования характеристик шести марок кофе на рынке Южной Австралии. Марки обозначены AA, BB, CC, DD, EE и FF. Марки характеризуются различными атрибутами. На карте восприятия, построенной при помощи Анализа соответствий, видно, что марка АА, лидирующая на рынке, располагается рядом с атрибутом "Популярная". Марки CC и DD ориентированы на покупателей, беспокоящихся о своем здоровье и интересующихся продуктами с низким содержанием вредных для здоровья компонентов. Марка FF ассоциируется с такими атрибутами как 'Лучшая марка' и 'Традиционная марка'.

Анализ соответствий описывает взаимосвязи между двумя номинальными переменными в пространстве малой размерности, одновременно с этим описывая также взаимосвязь между категориями каждой из этих переменных.

Например, при помощи анализа соответствий можно исследовать взаимосвязи между категориями персонала и курением. Возможно, при этом обнаружится, что существуют различия в отношении курения между младшим руководящим составом и секретарями, а различия между секретарями и старшим руководящим составом отсутствуют. Может также обнаружиться, что интенсивное курение ассоциируется с младшим руководящим составом, а неинтенсивное — с секретарями.

Категориальная регрессия (СATREG)

Предсказывает значения зависимой категориальной переменной по комбинации независимых категориальных переменных.

Регрессия с оптимальным шкалированием оцифровывает (шкалирует) категориальные переменные и в результате строит оптимальное уравнение линейной регрессии для преобразованных переменных.

Регрессия с оптимальным шкалированием может использоваться для описания того, например, каким образом удовлетворенность выполняемой работой зависит от вида деятельности, региона и количества командировок. Может оказаться, что высокие уровни удовлетворенности соответствуют менеджерам и сотрудникам, редко отправляемым в командировки.

Результирующее уравнение регрессии может использоваться для предсказания степени удовлетворенности работой по комбинациям трех независимых переменных.

Анализ гомогенности (HOMALS)

HOMALS, известный также под названием множественный анализ соответствий, применяется для анализа данных, когда не делается никаких более строгих предположений о переменных, за исключением того, что все анализируемые переменные являются множественными номинальными.

Анализ гомогенности похож на анализ соответствий, но не ограничивается анализом только двух переменных. Процедура анализа гомогенности оцифровывает номинальные данные путем присвоения числовых значений наблюдениям и категориям. Целью анализа является описание взаимосвязей между двумя и более переменными в пространстве малой размерности, в котором отображаются категории переменных, а также объекты, относящиеся к этим категориям.

Анализ гомогенности можно использовать, например, для отображения взаимосвязей между категориями занятости, национальностью и полом. Вы можете обнаружить, что выборка хорошо разделяется по национальности и полу, но не разделяется по категориям занятости. Кроме того, можно обнаружить сходства между некоторыми категориями национальности.

Многомерное шкалирование (PROXSCAL)

Помогает классифицировать наблюдения в некотором "концептуальном" пространстве. Схожие и различающиеся данные отображаются в пространстве малой размерности для усиления "пространственного" восприятия связей между объектами.

Категориальный анализ главных компонент (CATPCA)

Обобщает метод анализа главных компонент на случай переменных различных уровней измерения.

Канонический корреляционный анализ (OVERALS)

Применяется для анализа взаимосвязей между двумя или более наборами переменных различных типов.

 

Загрузите спецификации IBM SPSS Categories (англ. яз., PDF)

Учебные курсы

Каталог

Прайс-лист


Подробнее о курсах

 

Ближайшие учебные курсы

4 сентября. Введение в IBM SPSS Conjoint

7–8 сентября. Введение в IBM SPSS Decision Trees

12–14 сентября. Анализ и прогнозирование временных рядов с помощью IBM SPSS Forecasting

18–19 сентября. Введение в IBM SPSS Statistics

22 сентября. Представление данных с помощью IBM SPSS Custom Tables

25–26 сентября. Эффективные приемы работы в IBM SPSS Statistics

 
 

Регистрируйтесь