Die verbesserten Erweiterungsmodule in SPSS 16.0 eröffnen Ihnen neue Möglichkeiten zum Untersuchen Ihrer Daten. So erhalten Sie zuverlässigere Vorhersagemodelle. Die folgenden Module ergänzen andere SPSS-Erweiterungsmodule, sodass Sie die jeweils erforderlichen Funktionen bei Bedarf hinzufügen können.
Zusätzlich zu einem völlig neuen Modul, das SPSS-Benutzern Data Mining-Verfahren bietet, enthält SPSS 16.0 Verbesserungen an SPSS Advanced Models und SPSS Complex Samples.
NEU: SPSS Neural Networks™
Mit dieser Version führt SPSS Inc. ein neues Modul der SPSS-Familie
ein. SPSS Neural Networks 16.0 stellt eine Ergänzung zu den Statistikverfahren
dar, die in SPSS Base und den anderen Erweiterungsmodulen verfügbar
sind. Sie können von der vertrauten SPSS-Oberfläche aus auf SPSS
Neural Networks zugreifen, um Ihre Daten mit Data-Mining-Verfahren zu untersuchen.
Somit können Sie komplexere Beziehungen entdecken, als dies mit den
herkömmlichen, linearen statistischen Verfahren möglich ist.
Neuronale Netze sind nicht-lineare statistische Data-Mining-Werkzeuge, die aus Eingabe- und Ausgabeschichten sowie mindestens einer verborgenen Schicht von nicht-beobachtbaren Knoten bestehen. In einem neuronalen Netz werden den Verbindungen zwischen Neuronen Gewichtungen zugewiesen. Durch das Anpassen der Verbindungsgewichtungen während des Trainings, damit Vorhersagen besser zu Zielvariablen oder bestimmten Datensätzen passen, wird die Fähigkeit des Netzes zum Generieren von Vorhersagen ständig verbessert.
IIn einem MLP-Netz wie dem hier abgebildeten werden die
Daten von der Eingabeschicht vorwärts über ein oder mehrere verborgene
Schichten an die Ausgabeschicht übertragen.
Klicken Sie hier, um das Bild zu vergrößern
Im Modul SPSS Neural Networks können Sie zwischen den Prozeduren „Mehrlagiges Perzeptron“ (MLP) und „Radiale Basisfunktion“ (RBF) auswählen, um Ihre Daten zu untersuchen.
Verbesserungen in SPSS Advanced Models™ 16.0
SPSS Advanced Models enthält Prozeduren für verallgemeinerte
lineare Modelle (GENLIN) und Generalized Estimating Equations (GEE). Mit
diesen Prozeduren können Sie eine Vielfalt von statistischen Modellierungsproblemen
lösen. Sie können beispielsweise verwendet werden, um ordinale
Ergebnisse wie die Kundenzufriedenheit genauer vorherzusagen.
Mit den in SPSS 16.0 verfügbaren Erweiterungen können Analytiker unter Verwendung einer Tweedie-Verteilung Ergebnisse vorhersagen, die eine Kombination aus diskreten und stetigen Ergebnissen darstellen, z. B. Beträge in Schadenforderungen.
Verbesserungen in SPSS Complex Samples™ 16.0
SPSS Complex Samples enthält jetzt das Cox-Regressionsverfahren für
Daten, die die Zeit bis zum Eintreten eines Ereignisses angeben. Wenn Sie über
Daten verfügen, die auf einem komplexen Stichprobenplan beruhen, können
Sie mit diesem Verfahren die Zeit bis zum Eintritt eines bestimmten Ereignisses
genau vorhersagen – z. B. wie lange ein High-Value-Customer aktiv
bleibt oder wie lange Menschen mit einem bestimmten Profil eine bestimmte
Krankheit überleben werden.
Mit der Cox-Regression aus SPSS Complex Samples (CSCOXREG) können Sie
Unterschiede in Untergruppen und die Auswirkungen eines Satzes von Einflussvariablen
noch leichter analysieren. Die Prozedur berücksichtigt den Stichprobenplan
bei der Schätzung von Varianzen und kann Daten verarbeiten, die mehrere
Fälle beinhalten, z. B. mehrere Patientenbesuche, Begegnungen und
Beobachtungen.
Darüber hinaus handelt es sich bei der Prozedur „Auswählen“ von Complex Samples (CSSELECT) um eine Multithread-Prozedur, die auf Computern mit mehreren Prozessoren und Multi-Core-Prozessoren zu einem verbesserten Durchsatz führt.
Verfügbarkeit
SPSS 16.0 wird am 30. September 2007 in Nordamerika veröffentlicht.
Sie können neue Lizenzen für SPSS 16.0 direkt unter info@spss.de oder
per Telefon unter 089-48 90 74-0 bestellen.
Weitere Produkte
Ressourcen
Demos und Downloads
