Regression

Javítsa előrejelzései minőségét nemlineáris regressziós szoftver segítségével!

Az SPSS regressziós modell széles körű nemlineáris alkalmazásai az eddiginél fejlettebb modellek használatát teszi lehetővé. Az SPSS Regression többek között az alábbi területeken alkalmazhatók:

    • Piackutatás: Fogyasztói vásárlási szokások kutatása
    • Orvosi kutatások: A probit analízis felhasználásával a szükséges dózis megállapítása
    • Intézményi kutatások: Tudományos teljesítménytesztek mérése
    • Kölcsön kihelyezés: Hitelkockázat elemzés

Az SPSS Regression a következő műveleteket tartalmazza:

    • Többváltozós logisztikus regresszió (Multinominal logistic regression MLR): Több mint két kategóriában a  kategorikus eredmények előrejelzése
    • Bináris logisztikus regresszió: Adatok két csoportba történő egyszerű besorolása
    • Nemlineáris regresszió (NLR) és feltételes nemlineáris regresszió (CNLR): a nemlineáris modellek paramétereinek becslése
    • Probit analízis: Az ingerértékek értékelése a probit és logit transzformációk válaszolási arányának felhasználásával.
    • Súlyozott legkisebb négyzetek módszere (WLS)
    • Két lépcsős legkisebb négyzetek módszere (2LS)

Legfontosabb statisztikai elemek az SPSS Regression modulban

Többváltozós logisztikus regresszió (Multinomial logistic regression, MLR):

Egy kategorikus függő változó több mint két független kategorikus változóval bevonható a regresszióba. Ezzel a folyamattal pontosan előjelezhetők a csoport tagságok a kulcs csoportokban. Például egy telekommunikációs vállalat olyan modellt hozhat létre, mely megbecsüli hogy a vásárló hívás azonosítást, hangpostát, konferenciahívást, vagy akár több lehetőséget fog megrendelni. Ha a modell azt mutatja, hogy az ügyfél a legnagyobb valószínűséggel a hívásazonosítást preferálja, akkor ezzel kapcsolatos direkt maileket küldenek neki. Így nem pazarol a vállalat erőforrásokat arra, hogy bizonyos termékeket vagy szolgáltatásokat az azok iránt érdektelen vásárlóknak hirdessen. .

Bináris logisztikus regresszió:

Csoportosítja a vásárlókat a meghatározott területhez. Ez a modell akkor hasznos, amikor a függő változó dichotóm (pl.: vesz vagy nem vesz, fizet vagy fizetésképtelen). A bináris logisztikus regresszió akkor is használható, amikor az egyes események valószínűségéét jelezzük elő. Például egy energetikai szolgáltató meghatározhatja, hogy milyen előjelei vannak a számlafizetés megszűnésének, így speciális számlafizetési terveket készíthet ezen fogyasztók számára.

Nemlineáris regresszió (NLR) és feltételes nemlineáris regresszió (CNLR): Nemlineáris egyenletek becslése. Ha például kuponfelhasználást szeretne megbecsülni az eltelt idő és a kiadott kuponok számának függvényében, használja a nemlineáris egyenleteket.

Ha szeretne többet megtudni az  SPSS Regression modulról

Havi rendszerességgel megrendezésre kerülő ingyenes szemináriumainkon megismerkedhet az SPSS Statistics programcsomag használatával, valamint szakértőnk segít Önnek meghatározni, hogy mely modulokra lehet szüksége munkája során. A részvételhez csupán egy regisztrációra van szükség.