Quando avete bisogno di costruire modelli predittivi migliori rispetto a quelli ottenibili con una semplice analisi di regressione lineare, IBM SPSS Regression è quello che vi occorre. Potete applicare modelli più sofisticati utilizzando l’ampio insieme di procedure di regressione non lineare di IBM SPSS Regression. Usate IBM SPSS Regression per identificare e prevedere comportamenti, azioni o attitudini.

Ogni modulo della famiglia IBM SPSS Statistics potrà essere installato e lanciato indipendentemente dagli altri moduli. IBM SPSS Statistics Base non è più un requisito necessario, poiché le funzioni come accesso e gestione dei dati e i grafici sono stati aggiunti a tutti i moduli, dando maggiore flessibilità nell’installazione e utilizzo del software. IBM SPSS Statistics Base sarà ancora disponibile e continuerà ad essere la base di molte implementazioni, poiché contiene test statistici e procedure fondamentali per molte analisi.

IBM SPSS Regression è disponibile per installazione client ma, per una miglior performance e scalabilità, è disponibile anche una versione server.

 

Prevedete variabili obiettivo categoriali con più di due categorie
Utilizzate la regressione logistica multinominale (MLR) per liberarvi dalle restrizioni delle risposte sì/no. Potete creare un modello, ad esempio, che prevede i fattori che porteranno all’acquisto del prodotto A, B oppure C.

Classificate i vostri dati in due gruppi
Utilizzate la regressione binaria logistica per prevedere le variabili dicotomiche come acquisto/non acquisto, voto/non voto. Questa procedura vi offre molti metodi stepwise per selezionare gli effetti principali e interattivi che meglio prevedono la vostra variabile obiettivo.

Esercitate un migliore controllo sul vostro modello
Tenete meglio sotto controllo il vostro modello e la sua forma funzionale con le procedure di regressione non lineare vincolate e non vincolate. Queste procedure prevedono due metodi per la stima dei parametri dei modelli non lineari. L’algoritmo di Levenberg-Marquardt per l’analisi di modelli non vincolati. L’algoritmo di programmazione quadratica sequenziale vi permette di specificare vincoli sulle stime dei parametri, di definire funzioni di perdita, e di ottenere stime bootstrap degli errori standard.

Utilizzate procedure alternative per soddisfare tutti i requisiti
Quando i vostri dati non soddisfano i requisiti statistici per i minimi quadrati ordinari, utilizzate i minimi Quadrati ponderati (WLS) e minimi quadrati a due stadi (2SLS). WLS vi consente di dare un peso maggiore a misure che sono più precise o affidabili all’interno di una serie di dati. 2SLS aiuta a tenere sotto controllo le correlazioni fra variabili di previsione e termini di errore che spesso si verificano con dati di tipo temporale.

Individuate il migliore stimolo
Utilizzate i modelli di risposta Probit e Logit per analizzare il livello di risposta a stimoli quali dosaggi farmacologici, prezzi e incentivi. La procedura Probit valuta gli stimoli utilizzando una trasformazione Probit o Logit dei tassi di risposta.

Più valore con la collaborazione
È ora possibile riutilizzare e condividere efficacemente gli asset analitici, proteggerli secondo requisiti interni o esterni, e pubblicare i risultati in modo che siano accessibili ad un maggior numero di utenti aziendali, aggiungendo a IBM SPSS Statistics la piattaforma IBM SPSS Collaboration and Deployment.