Voorspel uitkomsten en ontdek relaties door perceputal maps
Met IBM SPSS Categories kunt u relaties in de data achterhalen en visualiseren, zodat u vervolgens voorspellingen kunt doen. Categorische regressieprocedures worden toegepast om de waarden van nominale, ordinale of numerieke variabelen te kunnen voorspellen. Dit wordt gedaan op basis van een combinatie van numerieke en (geordende of ongeordende) categorische voorspellende variabelen. Hierbij worden geavanceerde technieken gebruikt, zoals voorspellende analyses, statistisch leren, perceptual mapping, preference scaling en dimensie reductietechnieken.
Met IBM SPSS Categories kunt u:
- Door middel van procedures als conventionele regressie, principal components, en canonical correlation met nominale en ordinale data werken en deze begrijpen.
- Biplots en triplots gebruiken om de relatie tussen objecten (cases), categorieën en (sets van) variabelen in correlatie analyses, te laten zien.
- Overeenkomsten tussen 1 of 2 sets als afstanden in perceptual maps weergeven.
Eigenschappen:
- Correspondence analysis (ANACOR)
- Principal components analysis for categorical data (CATPCA; replaces PRINCALS)
- Ridge regression, lasso, elastic net (CATREG)
- CORRESPONDENCE
- Nonlinear canonical correlation (OVERALS)
- Multidimensional scaling for individual differences scaling with constraints (PROXSCAL)
- Preference scaling (PREFSCAL; multidimensional unfolding)
- Multiple correspondence analysis