Du kan gjøre bedre prediksjoner med kraftigere
regresjonsprosedyrer. Når
du trenger å bygge en bedre prediksjonsmodell enn den du får
ved å bruke en enkel lineær regresjon, trenger du SPSS
Regression Models. Du kan benytte sofistikerte modeller, med en rekke ikke-lineære
modelleringsprosedyrer. Og, du kan bruke SPSS Regression Model
til å predikere atferd, handlinger og holdninger med
multivariat inndeling i skala.
Den nye multinominale logistiske regresjonsprosedyren predikerer et
kategorisk resultat. Denne modulen kan for eksempel brukes til
markedsanalyse, medisinsk forskning, til å analysere
kredittrisiko hos lånekunder og mye mer.
Du kan frigjøre deg fra databegrensninger som ligger i
ja- og nei-svar.
Bruk multinominal logistisk regresjonsprosedyrer til å
predikere kategoriske resultat med mer enn to kategorier. Dine
prediksjoner kan enten være kategoriske eller kontinuerlige.
Ved å bruke Binary
Logistic Regression kan du predikere dikotome
variabler slik som for eksempel valgt eller ikke-valgt og kjøpt
eller ikke-kjøpt. Disse prosedyrene gir mange stegvise
metoder for å velge de viktigste kontinuerlige eller
kategoriske samvariasjoner som på en best mulig måte
predikerer dine responsvariabler.
Du kan få mer kontroll over modellen din og modelluttrykket med Constrained-
og Unconstrained Unlinear Regression prosedyrer. Disse
prosedyrene gir to modeller som beregner parametre av
ikke-lineære modeller. Levenberg-Marquardt-algoritme
analyserer ”unconstrained” modeller. Den
sekvens-kvadratiske programeringsalgoritmen gjør at du kan
spesifisere innskrenkninger (constraints) ved
parameterestimater. Det gir
deg en egen tapsfunksjon, og gir kontrollerte estimater av
standardavviket.
Når dataene dine ikke møter standardkrav for ordinær
minste kvadrat (least
squares), kan du bruke Weighted Least Square
(WLS) og
Two-Stage Least Squares (2SLS). Du kan legge mer vekt på
mål innenfor en serie med WLS. 2SLS hjelper deg å
kontrollere for korrelasjon mellom prediksjonsvariabler og
feil som forekommer i tidsbaserte data.
Bruk Probit og Logit responsmodellering
for å analysere ulike respons på stimuli for slikt som
medisindose, priser eller insentiver. Probit beregner verdien
av stimuli ved å bruke en Logit- eller Probit-transformasjon
av proposjonsrespons.
|
