IBM SPSS Bootsrapping является простым в использовании средством проверки стабильности и надежности моделей, обеспечивающим большее доверие к полученным с их помощью прогнозам. Бутстреп-анализ (bootstrap) основан на принципе извлечения многократных подвыборок из имеющейся выборки с тем, чтобы определить поведение выборочных статистик, их изменчивость, и дать обоснованное заключение о доверительных границах того или иного параметра модели.
С помощью IBM SPSS Bootsrapping Вы сможете:
- Легко и быстро оценивать выборочные распределения статистик путем извлечения повторных выборок с возвращениями из исходной выборки;
- Оценивать стандартные ошибки и доверительные интервалы таких параметров генеральной совокупности, как среднее, медиана, пропорция, отношение шансов, корреляционный или регрессионный коэффициент и многих других;
- Создавать множество альтернативных вариантов имеющихся данных для получения более надежных оценок.
Преимущества применения IBM SPSS Bootsrapping при анализе данных
Одно из основных свойств бутстреп-подхода — снижение влияние выбросов и аномальных наблюдений, имеющихся в данных, которые в противном случае могут существенно искажать получаемых результаты. В результате Вы получаете более четкий, целостный взгляд на данные, с которыми работаете.
С модулем IBM SPSS Bootsrapping Вы получаете возможность оценивать распределения статистик (а, следовательно, и их стандартные ошибки и доверительные интервалы) не теоретически, а экспериментально, путем быстрого извлечения и анализа множества подвыборок из имеющейся выборки.
Функционал модуля IBM SPSS Bootsrapping встраивается в следующие процедуры IBM SPSS Statistics:
- Описательные статистики (IBM SPSS Statistics Base)
- Частоты (IBM SPSS Statistics Base)
- Средние (IBM SPSS Statistics Base)
- Таблицы сопряженности (IBM SPSS Statistics Base)
- Разведочный анализ (IBM SPSS Statistics Base)
- t-критерии (IBM SPSS Statistics Base)
- Корреляции / Непараметрические корреляции (IBM SPSS Statistics Base)
- Частные корреляции (IBM SPSS Statistics Base)
- Однофакторный дисперсионный анализ (IBM SPSS Statistics Base)
- Одномерный дисперсионный анализ (IBM SPSS Statistics Base)
- Линейная регрессия (IBM SPSS Statistics Base)
- Дискриминантный анализ (IBM SPSS Statistics Base)
- Общие линейные модели (IBM SPSS Advanced Statistics)
- Регрессия Кокса (IBM SPSS Advanced Statistics)
- Бинарная и мультиномиальная логистическая регрессия (IBM SPSS Regression)
- Порядковая регрессия (IBM SPSS Regression)
