IBM SPSS Statistics Subscription

Продукт
Разработчики: IBM
Дата последнего релиза: 2019/04
Отрасли: Информационные технологии
Технологии: BI

Содержание

IBM SPSS Statistics Subscription — статистическое программное обеспечение, позволяющее решать множество исследовательских и бизнес-задач с помощью средств специального анализа, тестирования гипотез, геопространственного и предсказательного анализа.

IBM SPSS Statistics применяется для анализа данных и тенденций, прогнозирования и планирования, проверки предположений и подготовки обоснованных выводов. Решение может быть полезно для работы аналитиков, управленцев, руководителей отделов продаж, ИТ и т.д.

2019

Старт продаж на платформе MerliONCloud

18 апреля 2019 года компания MERLION, российский VAD-дистрибьютор, в рамках развития платформы Merlioncloud, сообщает о старте продаж двух продуктов - IBM SPSS Statistics Subscription и IBM Watson Studio Desktop Subscription. Подробнее здесь.

Однофакторный дисперсионный анализ с повторными измерениями

В апреле 2019 года вышло очередное обновление ПО IBM SPSS Statistics Subscription.

Процедуры анализа

  • Квантильная регрессия:
    • Моделирует взаимосвязь между набором переменных предикторов (независимых) и определенными процентилями (или "квантилями") целевой переменной (зависимой), чаще всего медианой. Дополнительную информацию смотрите в разделе Квантильная регрессия.
    • Квантильная регрессия не делает предположений о распределении целевой переменной, проявляет тенденцию компенсировать влияние наблюдений-выбросов и широко используется для исследований в практических областях, таких как экология, здравоохранение и финансовая экономика.

  • ROC-анализ:

    • Оценивает точность предсказаний модели путем постройки графика чувствительности в зависимости от значения (1 минус специфичность) теста классификации (поскольку порог различен по всему диапазону результатов диагностического теста). ROC-анализ поддерживает вычисление данных площади под кривой, кривых точность-полнота (precision-recall, PR) и опции для сравнения двух ROC-кривых, сгенерированных либо для независимых групп, либо для парных объектов. Дополнительную информацию смотрите в разделе ROC-анализ.

  • Байесовская статистика:

    • Добавлен однофакторный дисперсионный анализ с повторными измерениями. Эта процедура измеряет один фактор одного и того же объекта в каждый отдельный момент времени или при каждом условии. Предполагается, что для каждого объекта есть единственное наблюдение для каждого момента времени или условия (то есть взаимодействие обработки объектов не учитывается).
    • Усовершенствования единственной биномиальной выборки. В одновыборочной процедуре байесовского вывода (для биномиально-распределенных данных) можно взять за основу биномиальное распределение. Рассматривается параметр π, вероятность успеха при данном числе испытаний, которые могут оканчиваться успехом или неудачей. Испытания не зависят друг от друга, и вероятность π остается неизменной во всех испытаниях. Биномиально-распределенную случайную величину можно считать суммой данного числа независимых испытаний, подчиняющихся распределению Бернулли.
    • Усовершенствования единственной пуассоновской выборки. В одновыборочной процедуре байесовского вывода (для биномиально-распределенных данных) можно взять за основу распределение Пуассона. Распределение Пуассона — полезная модель для редких событий; в ней предполагается, что для коротких интервалов вероятность того, что событие наступит в течение данного интервала, пропорциональна времени ожидания. Когда байесовский статистический вывод делается на основе распределения Пуассона, сопряженное априорное распределение выбирается в семействе Гамма-распределений.

  • Анализ надежности:

    • Процедура обновлена и теперь предоставляет опции для статистики каппы с несколькими аттестующими по Флейсу, которые оценивают согласие межреспондентных оценок, чтобы определить надежность среди различных экспертов. Более высокое согласие предоставляет более высокий показатель доверия в рейтингах, отражающих истинные обстоятельства. Опции для статистики каппы с несколькими аттестующими по Флейсу доступны в диалоговом окне Анализ надежности: Статистики.

Улучшения команд

  • Команда GENLINMIXED:
    • Структуры с типом ковариационной матрицы ARH1 & CSH, Случайные эффекты. Опции CSH и ARH1 добавлены в подкоманду /RANDOM (ключевое слово COVARIANCE_TYPE).
    • Структуры с типом ковариационной матрицы ARH1 & CSH, Повторяющиеся эффекты. Опции CSH и ARH1 добавлены в подкоманду /DATA_STRUCTURE (ключевое слово COVARIANCE_TYPE).
    • Метод степеней свободы Кенварда-Роджера. К подкоманде /BUILD_OPTIONS (ключевое слово DF_METHOD) добавлена опция KENWARD_ROGER.
    • Типы ковариации Кронекера. Опции UN_AR1, UN_CS, UN_UN добавлены в подкоманду /DATA_STRUCTURE (ключевое слово COVARIANCE_TYPE).
    • Создать ключевое слово KRONECKER_MEASURES. Ключевое слово используется для определения списка переменных для подкоманды /DATA_STRUCTURE. Ключевое слово должно использоваться, только когда COVARIANCE_TYPE - это один из трех типов Кронекера. Правила для KRONECKER_MEASURES совпадают с REPEATED_MEASURES. Когда действуют обе спецификации, у них могут быть, а могут не быть общие поля, но их значения не могут в точности совпадать (независимо от совпадения или несовпадения их порядка).

  • Команда MIXED:

    • В подкоманде CRITERIA введено ключевое слово DFMETHOD.
    • В подкоманде REPEATED добавлено ключевое слово KRONECKER. Ключевое слово должно использоваться, только когда COVTYPE - это один из трех следующих типов Кронекера.
    • К ключевому слову COVTYPE подкоманды REPEATED добавлены опции UN_AR1, UN_CS и UN_UN.

2017: Поддержка байесовской статистики

В результате выхода обновления от августа 2017 года SPSS Statistics стал поддерживать байесовскую статистику. Байесовский вывод - метод статистического вывода, в котором используется теорема Байеса о том, как изменяется вероятность гипотезы после получения дополнительной информации.

Поддерживаются следующие Байесовские статистики:

  • Одновыборочные критерии Стьюдента и двухвыборочные критерии Стьюдента для зависимых выборок
  • Биномиальные пропорциональные критерии с одной выборкой
  • Анализ распределения единственной выборки, пуассоновской
  • Связанные выборки
  • t-критерий для независимых выборок
  • Попарные корреляции (Пирсона)
  • Линейная регрессия
  • Однофакторный дисперсионный анализ
  • Логлинейная регрессия

Оптимизация предварительного просмотра вывода "Копировать как"

Теперь можно щелкнуть правой кнопкой мыши по выбранному объекту в предварительном просмотре вывода и выбрать Правка > Копировать как, чтобы сделать копию этого объекта в определенных форматах (например, Все, Изображение или Графический объект Microsoft Office). Если выбрать Правка > Копировать, то будет скопировано Всё.



СМ. ТАКЖЕ (2)


Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  Qlik (QlikTech) (59, 464)
  Форсайт (19, 330)
  SAP SE (70, 301)
  Oracle (65, 267)
  Loginom Company (ранее BaseGroup Labs Аналитические технологии) (4, 236)
  Другие (1081, 1514)

  SAP SE (6, 13)
  Qlik (QlikTech) (2, 8)
  Форсайт (2, 8)
  Microsoft (2, 6)
  Доверенная среда (1, 5)
  Другие (47, 73)

Распределение систем по количеству проектов, не включая партнерские решения

За всю историю
2021 год
2022 год
2023 год
Текущий год