Emplee la amplia variedad de procedimientos de modelación no lineal de IBM SPSS Regression para aplicar modelos más sofisticados a sus datos. Por ejemplo, puede emplear IBM SPSS Regression para:
IBM SPSS Regression está disponible para su instalación únicamente como cliente, pero para un mayor desempeño y escalabilidad, también puede ser instalado en un servidor junto con la versión servidor de IBM SPSS Statistics Base Server™.
Con la Regresión Logística Multinomial (MLR) se liberará de restricciones tales como las respuestas tipo Sí/No. Ahora podrá modelar, por ejemplo, qué factores predicen si un cliente comprará el producto A, el producto B o el producto C.
Utilice la regresión logística binaria para pronosticar variables dicotómicas, como por ejemplo comprar o no comprar, votar o no votar. Este procedimiento ofrece numerosos métodos por pasos para seleccionar las covariables continuas, o los efectos interactivos, que mejor pronostican la variable de respuesta.
Consiga un mayor control sobre su modelo y la expresión del mismo con los procedimientos de regresión no lineal con restricciones y sin restricciones. Estos procedimientos proporcionan dos métodos para estimar los parámetros de los modelos no lineales. El algoritmo de Levenberg-Marquardt analiza los modelos sin restricciones. El algoritmo de programación secuencial cuadrática le permite especificar restricciones en las estimaciones de parámetros, proporcionar su propia función de pérdida y obtener estimaciones de errores típicos.
Cuando sus datos no cumplan con los requisitos estadísticos del método de mínimos cuadrados ordinario, utilice Mínimos Cuadrados Ponderados (WLS) y Mínimos Cuadrados en dos fases (2SLS). De más peso a algunas medidas de una serie usando WLS. El método 2SLS le ayuda a controlar las correlaciones entre las variables predictivas y los términos de error que aparecen a menudo en los datos temporales.
Utilice los modelos probit y logit para analizar la potencia de las respuestas a estímulos como, dosis de un medicamento, precios o incentivos. Probit evalúa el valor del estímulo mediante una transformación logit o probit de la proporción de respuesta.