模塊介紹

Base

必需的基礎(chǔ)模塊，管理整個軟件平臺，管理數(shù)據(jù)訪問、數(shù)據(jù)處理和輸出，并能進(jìn)行很多種常見基本統(tǒng)計分析。基本統(tǒng)計分析功能包括描述統(tǒng)計和行列計算，還包括在基本分析中最受歡迎的常見統(tǒng)計功能，如匯總、計數(shù)、交叉分析、分類比較、描述性統(tǒng)計、因子分析、回歸分析及聚類分析等等。

 

AdvancedStatistics

在分析數(shù)據(jù)時，除了基本的數(shù)據(jù)分析外，如果還想建立分析過程數(shù)據(jù)，就需要使用Advanced Models，為順序結(jié)果建立更靈活、更成熟的模型，在處理嵌套數(shù)據(jù)時得到更精確的預(yù)測模型，可以分析事件歷史和持續(xù)時間的數(shù)據(jù)。具體功能包括：廣義線性模型（GZLMS）、廣義估計方程（GEES）、混合模型、一般線性模型（GLM）、方差成分估計、MANOVA、Kaplan-Meire 估計、Cox 回歸、多因子系統(tǒng)模式的對數(shù)線性模型、對數(shù)線性模型、生存分析。

 

Regression

大量的非線性建模工具、多維尺度分析幫助研究人員進(jìn)行非線性回歸分析。它將數(shù)據(jù)從數(shù)據(jù)約束中解放出來，方便地把數(shù)據(jù)分成兩組，建立可控制的模型及表達(dá)式進(jìn)行非線性模型的參數(shù)估計，能夠建立比簡單線性回歸模型更好的預(yù)測模型。

 

CustomTables

提供35 種單元和摘要統(tǒng)計量，能夠更方便地顯示多重序列數(shù)據(jù)，它能串接所有的維度，以在同一表格中顯示包含不同統(tǒng)計量的各種變量。Tables 用更深入的分析，輕松地處理復(fù)選題與缺失值，用包括所有統(tǒng)計量、易于理解的表格來展現(xiàn)分析結(jié)果，通過完整的表格控制權(quán)，研究人員還可以自制表格，創(chuàng)造優(yōu)美外觀。

 

DataPreparation

在預(yù)處理數(shù)據(jù)時輕易地識別錯誤的和無效的觀測、變量和數(shù)據(jù)，找出多元的極端值，執(zhí)行數(shù)據(jù)檢驗，為建模預(yù)處理數(shù)據(jù)。確認(rèn)可疑的或者殘缺的案例，查看數(shù)據(jù)缺失模式。

 

MissingValues

缺失數(shù)據(jù)會帶來偏差或錯誤的分析結(jié)果，簡單代入法或者簡單的回歸法都不能正確地填補(bǔ)缺失值，Missing Values Analysis 幫助研究人員在分析過程中排除數(shù)據(jù)中隱含的偏差，得出更精確的結(jié)論。Missing Values Analysis 用六種靈活的診斷報告來評估缺失值是否會影響分析結(jié)論，更好地了解它們的特性。

 

Forecasting

Forecasting是目前功能最強(qiáng)的時間序列分析工具，是分析歷史資料、建立模型與預(yù)測未來事件的強(qiáng)有力的工具，能幫助研究人員做更好的預(yù)測。Forecasting 利用完備的時間序列提高預(yù)測能力，包括多重曲線擬合、平滑以及自回歸方程估計。

 

Categories

Categories是優(yōu)秀的對應(yīng)分析程序，用啟發(fā)性的二維圖和感知圖讓您清晰地看到數(shù)據(jù)中的關(guān)系，使您可以更完整和方便地分析數(shù)據(jù)。Categories 提供非線性主成分分析來描述數(shù)據(jù)，并用圖標(biāo)清楚地展示數(shù)據(jù)中的關(guān)系，展示并分享動態(tài)、交互的分析結(jié)果，讓您從分類數(shù)據(jù)中得到更豐富的信息。

 

DecisionTrees

DecisionTrees 模塊基于數(shù)據(jù)挖掘中發(fā)展起來的樹結(jié)構(gòu)模型對分類變量或連續(xù)變量進(jìn)行預(yù)測，可以方便、快速的對樣本進(jìn)行細(xì)分。它可直接在PASW STATISTICS 內(nèi)做分類區(qū)分，用Syntax 撰寫或用XML 來儲存設(shè)定。使用ClassificationTrees 還可建立決策樹來確認(rèn)分組并預(yù)測結(jié)果，利用直覺式的樹形圖，顏色分類圖，和表格協(xié)助研究人員輕松確認(rèn)和評估區(qū)隔。

 

DirectMarketing

DirectMarketing 主要用來處理市場直銷中的一些分析需求。目前提供RFM 客戶評分，客戶分群，目標(biāo)客戶輪廓概括，客戶響應(yīng)評分，不同營銷行為響應(yīng)測量等模型。將直銷中常用的分析定制為不同的模塊，市場研究人員可藉由Direct Marketing 模塊，以簡單的方式進(jìn)行簡易直覺的分析，鎖定高價值顧客，來進(jìn)行各種營銷分析。

 

ComplexSample

如果使用了特別復(fù)雜的抽樣方案，該模塊可以計算復(fù)雜樣本的統(tǒng)計數(shù)據(jù)，得到更精確的結(jié)果。它擁有專門的規(guī)劃工具和統(tǒng)計方法，提供各種向?qū)碇贫ㄈ臃桨富蛟敿?xì)定義樣本，并提供專門的技術(shù)來解決樣本設(shè)計以及相伴標(biāo)準(zhǔn)誤差，能夠減少得出錯誤或誤導(dǎo)性推論的風(fēng)險。

 

Conjoint

SPSSConjoint 是包含三個相互關(guān)聯(lián)過程的一個系統(tǒng)，用于進(jìn)行全特征聯(lián)合分析。聯(lián)合分析使研究人員了解消費(fèi)者的偏好，或在一定產(chǎn)品屬性及其水平條件下的產(chǎn)品評定。聯(lián)合分析考慮研究時應(yīng)包括的產(chǎn)品屬性、考慮屬性水平、產(chǎn)品卡片的數(shù)量，用正交設(shè)計生成一個包含適量產(chǎn)品卡片的正交主效果片段因子設(shè)計。

 

NeuralNetworks

神經(jīng)網(wǎng)絡(luò)是一種模擬人類大腦處理信息的方式的簡化算法模型。通過多個神經(jīng)元層的輸入輸出運(yùn)算給出一個判斷結(jié)果。

 

Bootstrapping

Bootstrapping模塊可以讓您更有效的使用小樣本量的數(shù)據(jù)，通過數(shù)據(jù)自身重采用的功能，讓用戶可以模擬大樣本情況下的采樣結(jié)果，從而對數(shù)據(jù)結(jié)構(gòu)特征和偏差有更直接的認(rèn)識。

 

ExactTests

為了確定現(xiàn)有變量之間的關(guān)系，研究人員經(jīng)常首先查看交叉表和非參數(shù)檢驗中的p-值。本模塊提供超過30個精確檢驗涵蓋了小型或大型數(shù)據(jù)集所有的非參數(shù)和分類數(shù)據(jù)問題。包括獨(dú)立或相關(guān)樣本的單樣本、兩樣本和K-樣本檢驗，擬合度檢驗，RxC列聯(lián)表獨(dú)立性檢驗和聯(lián)合測度檢驗等。

 

Amos

結(jié)構(gòu)方程模型