PASW Statistics 18 tuoteperhe

Transkriptio

1 PASW Statistics 18 tuoteperhe

2 Sisältö Peruspaketti: 3 PASW Statistics Programmability 4 Lisämodulit: PASW Tables 5 PASW Regression 6 PASW Advanced Statistics 7 PASW Forecasting 8 PASW Exact Tests 9 PASW Categories 10 PASW Missing Values 11 PASW Conjoint 12 PASW Complex Samples 13 PASW Decision Trees 14 PASW Data Preparation 15 PASW Neural Networks 16 PASW Direct Marketing 17 PASW Bootstrapping 18 AMOS 19 HUOM: SPSS Statistics on muuttunut nimeksi PASW Statistics 2

3 18 18 sisältää kaikki toiminnot tiedon syöttöön, tietokantojen käsittelyyn ja hallintaan. Muuttujien uudelleenkoodaukset, uusien muuttujien luomiset sekä aikamuuttujien käsittelyt onnistuvat nopeasti helppokäyttöisillä muokkaustoiminnoilla. Mukana ovat myös tilastolliset tunnusluvut, suhdeluvut ja korrelaatiot. Seuraavat analyysit sisältyvät Base-moduliin: Ristiintaulukointi ja khii-toiseen riippumattomuustesti Keskiarvotestit t-testit Yksi- ja useampisuuntainen varianssianalyysi sekä kovarianssianalyysi Lineaarinen regressioanalyysi sekä Curve estimation toiminto (11 eri regressiomallia yhden selittäjän ja yhden selitettävän mallille) Järjestysasteikollisten regressioanalyysi eli Ordinal Regression Ryhmittelyanalyysi Hierarkkinen ryhmittelyanalyysi K-Means Two Step ryhmittelyanalyysi Erotteluanalyysi Faktori- ja pääkomponenttianalyysi Reliabiliteettianalyysi ja moniulotteinen skaalaus (MDS) Ei-parametriset menetelmät Lähimmän naapuruuden menetelmä (Nearest Neighbor) Multiple Response taulukot (monivastausmuuttujien käsittely) Matriisikieli, makrot sekä toimintojen ohjelmoitavuus käyttäen ulkopuolista ohjelmointikieltä, esim. python. Tulokset esitetään pivot-taulukoina, joita voidaan pyöritellä, piilottaa, kopioida ja muokata haluttuun muotoon. Taulukot on helppo tallentaa muihin sovelluksiin Export-toiminnon avulla: HTML, txt-muoto, Word, Excel, PowerPoint ja pdf. Mukana on yli 50 yleisintä kuvatyyppiä. Kuvia voi tehdä joko standardigrafiikalla tai käyttäen Chart Builder interaktiivista kuvan rakennustoimintoa. Lisäksi käytettävissä Graphboard - toiminto, jossa PASW Viz Designer TM :lla tuotettuja kuvatemplateja, joilla saa tehtyä perusgrafiikkaan kuulumattomia erikoiskuvia. 3

4 PASW Statistics Programmability Extension 18 PASW Statistics Programmability Extension 18 Statistics Basen sisältämä SPSS Programmability Extension mahdollistaa ulkoisten ohjelmontikielten käytön osana syntaksia ja Statistics-toimintojen käytön muista ohjelmista. Ohjelmaan on ladattavissa mm. seuraavat ulkoisten ohjelmointikielten käytön mahdollistavat adapterit: SPSS-Python Integration Plug-In Python plug-in sallii Python-kielellä tehtyjen toimintojen ja menetelmien käytön osana komentokieltä sekä ohjelman toimintojen käytön ulkopuolisesta, Pythonilla tehdystä ohjelmasta. SPSS-R Integration Plug-In R-kieli on avoimeen lähdekoodiin perustuva ohjelmointikieli, joka on kehitetty tilastolliseen tutkimukseen. Se sisältää graafiikkatoimintoja ja suuren määrän erilaisia tilastollisia menetelmiä. Kieli on tiedeyhteisössä laajasti käytetty ja suuri osa uusista algoritmeista ja menetelmistä julkaistaan nimenomaan R-kielellä. SPSS-R Integration Plug-In mahdollistaa R-kielen käytön osana SPSS-komentokieltä. Tällä kielellä toteutetut menetelmät voivat näin käyttää SPSS-aineistoja ja tuottaa SPSStulosteita. SPSS-VB.NET Plug-In Nykyinen VB.NET adapteri mahdollistaa SPSS-aineistojen ja toimintojen käytön ulkopuo-lisesta VB.NET ohjelmasta. Siten toimintojen kutsuminen ja tuloksien käisttely tapahtuu VB.NET -kielellä kirjoitetussa ohjelmassa, ei SPSS käyttöliittymän kautta. Lisätietoja: SPSS DEVELOPER CENTRAL 4

5 PASW Tables 18 PASW Tables 18 PASW Tables tuottaa julkaisuvalmiita taulukoita, joiden ulkoasu ja sisältö voidaan määritellä tilanteen mukaan. Tables mahdollistaa moniulotteisen taulukon tuottamisen halutuilla tunnusluvuilla sekä monivastauskysymysten taulukoinnin. Mukana ryhmienväliset keskiarvo- ja jakaumatestit sekä khii-toiseen riippumattomuustesti. Testit myös monivastauskysymyksille. Samaan taulukkoon voidaan taulukoida useiden eri muuttujien jakaumia.taulukoiden määrittely on helppoa siirretään vain halutut muuttujat paikoilleen taulukon esikatseluosaan ja tarkennetaan, mitä tietoja taulukossa halutaan esittää. Jo määrittelyvaiheessa nähdään millainen taulukosta tulee. 5

6 PASW Regression 18 PASW Regression 18 Kun tavallinen lineaarinen regressio ei riitä tai sen vaatimat oletukset eivät ole voimassa, tarjoaa Regression lisämoduli lisää vaihtoehtoja. Voit tehdä erilaisia selitysmalleja käytettävissä olevien muuttujien ja ominaisuuksien puitteissa. Voit selittää binääristä ilmiötä logistisella regressiolla, moniluokkaisissa tapauksissa multinomisella logistisella regressiolla, tai jos selitettävä ilmiö ei ole lineaarinen, voit käyttää epälineaarista regressiota määrittelemällä itse mallin. Regression analyysit: Logistinen regressio (Binary Logistic Regression (BLR)) Multinominen logistinen regressio (Multinomial Logistic Regression (MLR)) Epälineaarinen regressio (Nonlinear Regression (CNLR/NLR)) Pienimmän neliösumman menetelmät Weighted Least Square Regression (WLS) Two-stage least squares (2SLS) Probit analyysi Kuva: Käytä binääristä logistista regressioita ennustamaan kaksiluokkaisen tapahtuman todennäköisyyttä. 6

7 PASW Advanced Statistics 18 PASW Advanced Statistics 18 PASW Advanced Statistics tarjoaa luotettavat analyysit, kun selitettävä ilmiö koostuu useista muuttujista tai kun työskennellään hierarkisesti jakautuneen datan kanssa. Seurantatutkimusten yhteydessä tarvittavat toistomittaukset sekä tilanteet, joissa eri toistoilla on eri määrä mittareita tai eri havainnoilla eri mitta-asteikot, hoituvat myös Advanced Statisticsin menetelmillä. Lisämoduli tarjoaa myös huippuunsa kehitetyt elinaikamenetelmät, jos tarkastellaan tapahtuman historiaa ja kestoa, mm. Kaplan-Meier ja Cox Regression. Advanced Statistics analyysit: GENLIN (Generalized linear models) GEE (Generalized estimating equations ) Sekamallit (Mixed models) Monimuuttujainen varianssianalyysi (MANOVA, MANCOVA) Toistomittaukset (Repeated Measures) Varianssikomponenttianalyysi (VARCOMP) Eloonjäämisanalyysi (Survival) Kaplan-Meier - estimointi Cox Regressio Loglineaariset mallit Kuva: Kolmetasoisen toistomittauksen tuottama profiilikuva 7

8 PASW Forecasting 18 PASW Forecasting 18 Käsiteltäessä aikasarjadataa, esimerkiksi kuukausittaisia myyntilukemia ja halutaan tuottaa ennusteita edellisvuosien myynnin mukaan tai halutaan tarkastella bruttokansantuotteen kehittymistä vuosien varrella, Forecasting aikasarjapaketti tarjoaa tähän välineet. Forecasting-lisämodulin Expert Modeler etsii automaattisesti parhaan mallin, se myös kertoo mitkä tekijät parhaiten kykenevät selittämään aikajänteen kehitystä. Voit myös itse määritellä manuaalisesti omilla parametreilla sopivan mallin. ARIMA-mallien ja eksponentiaalisen tasoituksen lisäksi mukana myös spektraalianalyysi (SPECTRA) ja kausivaihtelutasoitus (SEASON) Kuva 1: Aikasarja-analyysin tuottama kuva (ennuste vs tapahtunut) Kuva 2: ACF-kuva kertoo autokorrelaation suuruuden eri viiveillä 8

9 PASW Exact Tests 18 PASW Exact Test 18 PASW Exact Tests on lisämoduli tilanteisiin, joissa halutaan analysoida vinosti jakautuneita aineistoja (esimerkiksi suuri prosentti vastanneista yhdessä luokassa), tai kun otoskoko on pieni. Exact Tests laskee luotettavat tulokset huolimatta otoksesi rakenteesta ja jakaumasta. Mukana yli 30 tarkkaa testiä tilanteisiin, joissa perinteiset testit epäonnistuvat. Exact testeillä voit käyttää pienempiä otoskokoja ja silti luottaa tuloksiisi. Exact testit varmistavat että sinulla on aina oikea testi käytettävissäsi. Sisältää: Exact p-arvot (1- ja 2-suuntaisen testauksen p-arvot) Fisherin Exact -testin Monte Carlon p-arvot Exact testit löytyvät ristiintaulukoinnin (Crosstabs) alla oleville menetelmille sekä eiparametrisille testeille. Kuva: Lisämoduli ei tuo valikoihin lisäkohtia, mutta sen sisältämät testit näkyvät vaihtoehtoisina analyyseinä Exact -painakkeen alla. 9

10 PASW Categories 18 PASW Categories 18 PASW Categories lisämodulin avulla ei tarvitse tyytyä epätarkkoihin tuloksiin aineiston ollessa perinteisten mallien vaatimusten vastainen. Korkealuokkaisten havaintokarttojen avulla voidaan nähdä helposti muuttujien ja eri luokkien väliset riippuvuudet. Lähellä toisiaan olevat luokat tai muuttujat riippuvat toisistaan ja mitä pidempi välimatka eri muuttujien tai luokkien välillä on, sitä vähemmän niillä on tekemistä toistensa kanssa. Kts kuva alla. Categories -lisämodulin tekniikat varmistavat, että kaikki tarvittavat työkalut ovat käytettävissä monimuuttujaisen luokitellun datan ja sen riippuvuuksien täydelliseen tutkimiseen. Categories sisältää seuraavat analyysit: Luokkamuuttujille regressioanalyysi (CATREG) Korrespondenssianalyysi perusristiintaulukoinnin jatkotarkasteluihin Moniulotteinen korrespondenssianalyysi (Multiple correspondence analysis) Luokkamuuttujille pääkomponenttianalyysi (CATPCA) Epälineaarinen kanoninen korrelaatioanalyysi (OVERALS) Moniulotteisen skaalauksen menetelmä PROXSCAL PREFSCAL (preference scaling) syntaksin kautta. Kuva: Tutki muuttujien eri luokkien välisiä yhteyksiä korrespondenssianalyysillä 10

11 PASW Missing Values 18 PASW Missing Values 18 Kyselytutkimukset tuottavat paljon puuttuvia tietoja, kun vastaajat eivät halua tai eivät osaa vastata joihinkin kysymyksiin. Missing Values on paljon puuttuvaa tietoa sisältävän aineiston analysointimenetelmä. Se tutkii aineiston reikiä eli puuttuvia arvoja. Kun otat puuttuvat havainnot mukaan tarkasteluun, saat tilastollisesti merkitsevämpiä tuloksia. Ohjelma tuottaa nopeasti ja helposti yhteenvedot puuttuvien tietojen yhteisistä tekijöistä. Missing Values -lisämodulin avulla tutkit, löytyykö puuttuvien tietojen taustalta yhtenäisiä ryhmiä. Ketkä ovat ne jotka eivät vastaa kysymyksiin, ja ovatko puuttuvat tiedot satunnaisia vai tietyn ryhmän aikaansaannoksia? Missing Values vertaa tiettyjen luokkamuuttujien välisiä eroja puuttuvien tietojen ja vastattujen välillä. Se sisältää myös puuttuvien tietojen korvaamismenetelmiä (EM ja Regressiomenetelmät) sekä Multiple Imputation - menetelmän. supu Total Mies Nainen avioika Present Missing Count Percent % nap % na ,1 19,1, ,8 22,2 1,1 Indicator variables with less than 5% missing are not displayed ,7 16,8,6 Tabulated Patterns Missing Patterns a c sivsaaty c Number of Cases 1189 rotu supu sivsaaty ika opiskvuo tvkatsel avioika Complete if... b 1189 naimisissa 786 leski 159 eronnut 207 asumuserossa 37 naimaton X Patterns with less than 10% cases (150 or fewer) are not displayed. a. Variables are sorted on missing patterns. b. Number of complete cases if variables missing in that pattern (marked with X) are not used. c. Frequency distribution at each unique pattern Kuva: Missing Values luo ryhmittymiä puuttuvien tietojen perusteella, joista saa halutessa jakaumatiedot ja tunnusluvut taustatiedoille. Näiden avulla voidaan nähdä, jos ryhmittymissä on samanlaisia joukkoja. 11

12 PASW Conjoint 18 PASW Conjoint 18 Conjoint on analyysipaketti, jolla analysoit helposti asiakkaasi mieltymyksiä eri tuotteiden ominaisuuksien suhteen. Esimerkiksi Kuinka tärkeitä tuotteen hinta ja ympäristöystävällisyys itse asiassa ovatkaan? Kun halutaan tietää esim. Mitkä tuotteen ominaisuudet, piirteet tai palvelut tuottavat ostopäätöksen? Mitkä ominaisuudet yhdessä tuovat parhaan tuloksen? Mikä markkinasegmentti on kiinnostunein tuotteesta? Millainen viesti vetoaa parhaiten juuri tähän asiakasryhmään? PASW Conjoint sisältää: Orthogonaalisen design menetelmän (Orthoplan) Plancards korttien tuottaminen suoraan siirrettäväksi esim. Wordiin jatkokäsiteltäväksi Conjoint analyysin (3 simulointimenetelmää) - Max utility - Bradley-Terry-Luce (BTL) - Logit Kuva: Conjointin tuottama Summary Utilities kuva. Voidaan nähdä ModelKR2 saanut parhaat pisteet, A-Design -tuotteella vähiten brändiarvoa 12

13 PASW Complex Samples 18 PASW Complex Samples 18 PASW Complex Samples -lisämodulilla käsitellään luotettavasti moniasteisella otannalla poimittuja otoksia. Otanta voidaan suorittaa käyttäen perinteisiä otantamenetelmiä yksinkertaista satunnaisotantaa, systemaattista otantaa tai ositettua otantaa asteittain. Voidaan käyttää Complex Samplesin analyysejä myös valmiille moniasteisella otannalla poimitulle otokselle vain määrittelemällä, miten otanta on tehty. Sisältää kompleksisten otosten Frekvenssit Tunnusluvut Ristiintaulukoinnin (Crosstabs) Suhdeluvut (Ratio) Yleistetyt lineaariset mallit (CSGLM) Logistisen Regression (CSLOGISTIC) Ordinal Regression (CSORDINAL) Cox Regression (CSCOXREG) Sampling Plan Wizardin avulla suunnittelet ja määrittelet helposti otantaraamit moniasteiselle otannalle ja suoritat otannan halutulla tavalla. Analysis Preparation Wizardin avulla määrittelet otanta-asetelmasi ohjelmalle sekä valitset halutun estimointimetodin. Kun määrittelyt on tehty (käytetään ns. plan-tiedostoja, missä käytetyt menetelmät ja painot on määritelty), voidaan käyttää Complex Samplesin analysointitoimintoja. 13

14 PASW Decision Trees 18 PASW Decision Trees 18 Decision Trees on segmentointipaketti, joka tuottaa päätöspuita. Se etsii automaattisesti toisistaan eroavia tapaussegmenttejä tai ryhmiä sekä esittää tuloksen helposti luettavassa muodossa puudiagrammina. PASW Decision Trees lisämodulin avulla voidaan selittää niin luokitellun kuin jatkuvankin muuttujan jakaumia. Menetelmät sopivat hyvin esimerkiksi markkinatutkimuksiin ja luottotietoanalyyseihin. Valittavana on neljä eri menetelmää: CHAID Exhaustive CHAID CRT QUEST Kuva: Tulokset ovat luettavissa helposti visuaalisen puudiagrammin avulla, jossa jakaumat esitetään joko taulukoina, kuvina tai molempina. 14

15 PASW Data Preparation 18 PASW Data Preparation 18 Data Preparation lisämoduli tutkii aineiston validiuden, puuttuvien havaintojen määrän ja poikkeavat havinnot. Voidaan luoda sääntöjä, joiden avulla löytyvät epä-validit arvot (esim. ei yli 100-vuotiaita) ja loogisia tarkistusehtoja (esim. ei voi olla sekä raskaana että mies ). Ohjelma tuottaa muuttujia, joiden avulla epä-validit tapaukset/havainnot voidaan halutessa poistaa tai niitä voidaan tutkia erikseen. Identify Unusual Cases toiminnolla voidaan löytää datasta poikkeavia havaintoja, joita yksittäisiä muuttujia tarkastelemalla ei pystyisi havaitsemaan. Optimal Binning luokittelee muuttujan automaattisesti toisistaan eroaviin ryhmiin. Prepare Data Modeling - toiminnolla voidaan korjata aineisto automaattisesti tai interaktiivisesti itse määräten, mihin kohtaan korjauksia tarvitaan. Kuva: Interactive Data Preparation - toiminto ehdottaa aineistolle korjauksia, ja käyttäjä voi määrätä tehdäänkö korjaukset vai ei. 15

16 PASW Neural Networks 18 PASW Neural Networks 18 Lisämoduli Neural Networks tuo neuroverkkomenetelmät käyttäjien avuksi. Se rakentaa neuroverkkojen avulla ennakointimalleja niin luokka- kuin jatkuvillekin muuttujille. Menetelmät: MLP Multilayer Perceptron RBF Radial Basis Function 16

17 PASW Direct Marketing 18 PASW Direct Marketing 18 Uusi PASW Direct Marketing auttaa markkinoijia toteuttamaan analyysejä helposti ja luotettavasti ilman käyttäjän syvällistä tilastomenetelmien tuntemusta. He voivat tuottaa sen avulla RFM (recency, frequency ja monetary)- analyyseja, klusteri (ryhmittely) analyyseja ja asiakasprofilointeja. He voivat myös parantaa markkinointiaan postinumeroanalyysien avulla, vertailla eri markkinointimallien toimivuutta ja hyvyyttä. Kuva: Direct Marketing lisämodulin kuusi erilaista analysointitekniikkaa 17

18 PASW Bootstrapping 18 PASW Bootstrapping 18 PASW Bootstrapping auttaa luomaan luotettavampia malleja ja täsmällisempiä tuloksia perinteisen bootstrapping-menetelmän avulla. Bootstrapping auttaa pienentämään otosvirheen vaikutusta ja näin ehkäisee vinoutuneita tuloksia. Sillä voidaan ehkäistä myös yksittäisten suurten poikkeavien havaintojen vaikutusta Bootstrapping-menetelmää voi käyttää seuraavien menetelmien kanssa: Menetelmä Descriptives Frequencies Examine Means Crosstabs T-tests Correlations/Nonparametric Correlations Partial Correlations One-Way ANOVA UniAnova GLM Regression Nominal Regression Discriminant Logistic Regression Binary Multi-nomial Logistic Regression Ordinal Regression GENLIN Linear Mixed Models Cox Regression Base / lisämoduli PASW Advanced Statistics PASW Regression PASW Regression PASW Regression PASW Regression PASW Advanced Statistics PASW Advanced Statistics PASW Advanced Statistics 18

19 AMOS 18 AMOS 18 Amos 18 on PASW Statistics perheen rakenneyhtälömallinnuksen työkalu. Sillä voi toteuttaa konfirmatorisen faktorianalyysin, polkumallit ja muut rakenneyhtälömallit. Amos mahdollistaa muuttujien suorien vaikutusten lisäksi myös epäsuorien ja välillisten vaikutusten selvittämisen. Kuva: Hypoteesien ja mallien testaus käy helposti graafisella käyttöliittymällä 19

20 SPSS Finland Oy Sinikalliontie ESPOO FINLAND Puh Fax SPSS Finland Oy 2009